feat: Stammdaten, Ersteinrichtung, Zweitfaktor und Protokollansicht
Damit ist Etappe 1 fachlich vollstaendig. Ersteinrichtung in drei Schritten, bewusst ausserhalb des Anwendungsrahmens: der setzt Benutzer, zweiten Faktor UND eine betreute Person voraus - beim allerersten Start gibt es nichts davon. Die Aktion fuer den ersten Zugang sperrt sich selbst, sobald ein Benutzer existiert. Zweiter Faktor: Das Geheimnis wird zuerst nur abgelegt, ohne totpAktiviertAm. Erst ein echter Code aus der App schaltet ihn scharf. Wer sich beim Abtippen vertut oder die falsche App nimmt, wuerde sich sonst dauerhaft aussperren. Erst danach gibt es die Wiederherstellungscodes - einmal angezeigt, danach nur noch als Hash. Betreuungsjahr (src/lib/stammdaten/betreuungsjahr.ts): laeuft ab dem Tag der Bestellung, nicht ab dem Kalenderjahr. Schrittweise vorwaerts gerechnet statt ueber eine Differenz, damit Schaltjahre und der 29. Februar von selbst stimmen. Daran haengen Jahresbericht, Rechnungslegung und die Ausschlussfrist der Aufwandspauschale. Aendert sich das Bestellungsdatum, werden die Pflichtfristen neu abgeleitet - ueber einen dynamischen Import, damit die Stammdaten auch dann speicherbar bleiben, wenn das Fristenmodul fehlt. Protokollansicht zeigt je Eintrag die geaenderten Felder als alt -> neu. Die Aenderungen liegen verschluesselt, weil dort Diagnosen und Kontostaende stehen koennen. Seed legt bewusst keine echten Personendaten an, nur den ersten Zugang. Mit SEED_DEMO=true kommt ein vollstaendiger Beispielfall dazu - Erika Musterfrau, COPD GOLD III, Pflegegrad 3, Heimeinzug Januar 2026, leerstehendes Haus, zwei Versicherungen, laufender Antrag beim Bezirk mit acht Nachforderungen. Nur ausserhalb der Produktion. Docker Compose ohne Reverse Proxy - der ist auf dem Zielserver vorhanden. Die Datenbank hat keine Portfreigabe und ist nur ueber das interne Netz erreichbar; die Anwendung horcht auf 127.0.0.1. Etappe: 1 Phase: Fundament
This commit is contained in:
Florian Wilde
@@ -0,0 +1,321 @@
|
||||
import 'server-only'
|
||||
import { execFile } from 'node:child_process'
|
||||
import { mkdtemp, readdir, readFile, rm, writeFile } from 'node:fs/promises'
|
||||
import { tmpdir } from 'node:os'
|
||||
import { join } from 'node:path'
|
||||
import { promisify } from 'node:util'
|
||||
import { env } from '@/lib/env'
|
||||
import { typErkennen } from '@/lib/speicher/dateityp'
|
||||
import { pdfSeitenzahlSchaetzen, pdfTextLesen, textAufraeumen } from '@/lib/ocr/pdf-text'
|
||||
|
||||
/**
|
||||
* Texterkennung ueber das System-Binary `tesseract` (Sprache deutsch).
|
||||
*
|
||||
* Vertrag: docs/SCHNITTSTELLEN.md, Abschnitt 3.
|
||||
*
|
||||
* Die wichtigste Eigenschaft dieser Datei: **sie wirft nie**. Ein fehlendes
|
||||
* Tesseract auf dem Entwicklungsrechner, ein kaputtes Foto oder ein
|
||||
* verschluesseltes PDF darf niemals dazu fuehren, dass ein Beleg nicht
|
||||
* gespeichert wird. Im Zweifel kommt `nicht_verfuegbar` zurueck, das
|
||||
* Dokument liegt trotzdem in der Akte, und die Metadaten traegt der Nutzer
|
||||
* von Hand ein.
|
||||
*
|
||||
* Ablauf:
|
||||
* Bild -> tesseract
|
||||
* PDF -> pdftoppm (Seiten als PNG) -> tesseract je Seite
|
||||
* PDF ohne pdftoppm -> eingebetteten Text lesen
|
||||
*/
|
||||
|
||||
const ausfuehren = promisify(execFile)
|
||||
|
||||
export type OcrStatus = 'fertig' | 'fehlgeschlagen' | 'nicht_verfuegbar'
|
||||
|
||||
export type OcrErgebnis = {
|
||||
text: string
|
||||
status: OcrStatus
|
||||
seitenzahl?: number
|
||||
meldung?: string
|
||||
}
|
||||
|
||||
/** Ein Scan mit 20 Seiten darf den Server nicht eine Stunde beschaeftigen. */
|
||||
const ZEITGRENZE_JE_SEITE_MS = 60_000
|
||||
const MAX_SEITEN = 30
|
||||
/** Mehr als das braucht keine Volltextsuche - und die Spalte bleibt handhabbar. */
|
||||
const MAX_ZEICHEN = 400_000
|
||||
|
||||
// -----------------------------------------------------------------------------
|
||||
// Verfuegbarkeit
|
||||
// -----------------------------------------------------------------------------
|
||||
|
||||
let tesseractGemerkt: boolean | null = null
|
||||
let pdftoppmGemerkt: boolean | null = null
|
||||
|
||||
async function binaerVorhanden(befehl: string, argumente: string[]): Promise<boolean> {
|
||||
try {
|
||||
await ausfuehren(befehl, argumente, { timeout: 10_000, windowsHide: true })
|
||||
return true
|
||||
} catch (fehler) {
|
||||
// Manche Binaries melden --version mit Exitcode != 0, liefern aber
|
||||
// Ausgabe. Nur "gibt es nicht" zaehlt als nicht vorhanden.
|
||||
const code = (fehler as NodeJS.ErrnoException | undefined)?.code
|
||||
if (code === 'ENOENT') return false
|
||||
const stdout = (fehler as { stdout?: string } | undefined)?.stdout ?? ''
|
||||
const stderr = (fehler as { stderr?: string } | undefined)?.stderr ?? ''
|
||||
return `${stdout}${stderr}`.trim().length > 0
|
||||
}
|
||||
}
|
||||
|
||||
/** Ist Tesseract auf diesem System vorhanden? */
|
||||
export async function ocrVerfuegbar(): Promise<boolean> {
|
||||
if (!env.ocrAktiv) return false
|
||||
if (tesseractGemerkt !== null) return tesseractGemerkt
|
||||
tesseractGemerkt = await binaerVorhanden(env.tesseractBefehl, ['--version'])
|
||||
return tesseractGemerkt
|
||||
}
|
||||
|
||||
/** Kann pdftoppm PDF-Seiten in Bilder wandeln? (Teil von poppler-utils) */
|
||||
export async function pdfWandlerVerfuegbar(): Promise<boolean> {
|
||||
if (pdftoppmGemerkt !== null) return pdftoppmGemerkt
|
||||
pdftoppmGemerkt = await binaerVorhanden('pdftoppm', ['-v'])
|
||||
return pdftoppmGemerkt
|
||||
}
|
||||
|
||||
/** Nur fuer Tests und den Diagnosebereich: gemerkte Antworten vergessen. */
|
||||
export function verfuegbarkeitVergessen(): void {
|
||||
tesseractGemerkt = null
|
||||
pdftoppmGemerkt = null
|
||||
}
|
||||
|
||||
/** Welche Sprachpakete kennt Tesseract? Fuer die Diagnoseseite. */
|
||||
export async function ocrSprachen(): Promise<string[]> {
|
||||
try {
|
||||
const { stdout } = await ausfuehren(env.tesseractBefehl, ['--list-langs'], {
|
||||
timeout: 10_000,
|
||||
windowsHide: true,
|
||||
})
|
||||
return stdout
|
||||
.split(/\r?\n/)
|
||||
.slice(1)
|
||||
.map((z) => z.trim())
|
||||
.filter(Boolean)
|
||||
} catch {
|
||||
return []
|
||||
}
|
||||
}
|
||||
|
||||
// -----------------------------------------------------------------------------
|
||||
// Erkennung
|
||||
// -----------------------------------------------------------------------------
|
||||
|
||||
async function tesseractAufDatei(pfad: string): Promise<{ text: string; meldung?: string }> {
|
||||
const grundArgumente = [pfad, 'stdout', '--psm', '3']
|
||||
|
||||
try {
|
||||
const { stdout } = await ausfuehren(env.tesseractBefehl, ['-l', 'deu', ...grundArgumente], {
|
||||
timeout: ZEITGRENZE_JE_SEITE_MS,
|
||||
maxBuffer: 32 * 1024 * 1024,
|
||||
windowsHide: true,
|
||||
})
|
||||
return { text: stdout }
|
||||
} catch (fehler) {
|
||||
const meldung = String((fehler as { stderr?: string } | undefined)?.stderr ?? fehler)
|
||||
|
||||
// Haeufigster Stolperstein: Tesseract ist da, das deutsche Sprachpaket
|
||||
// fehlt. Dann lieber englisch erkennen als gar nichts - mit Hinweis.
|
||||
if (/Failed loading language|Could not initialize tesseract|tessdata/i.test(meldung)) {
|
||||
try {
|
||||
const { stdout } = await ausfuehren(env.tesseractBefehl, grundArgumente, {
|
||||
timeout: ZEITGRENZE_JE_SEITE_MS,
|
||||
maxBuffer: 32 * 1024 * 1024,
|
||||
windowsHide: true,
|
||||
})
|
||||
return {
|
||||
text: stdout,
|
||||
meldung:
|
||||
'Das deutsche Sprachpaket (tesseract-ocr-deu) fehlt. Erkannt wurde mit der ' +
|
||||
'Standardsprache - Umlaute und Fachbegriffe sind dadurch oft falsch.',
|
||||
}
|
||||
} catch {
|
||||
throw fehler
|
||||
}
|
||||
}
|
||||
throw fehler
|
||||
}
|
||||
}
|
||||
|
||||
async function pdfInBilder(verzeichnis: string, pdfPfad: string): Promise<string[]> {
|
||||
await ausfuehren(
|
||||
'pdftoppm',
|
||||
['-r', '300', '-gray', '-png', '-l', String(MAX_SEITEN), pdfPfad, join(verzeichnis, 'seite')],
|
||||
{ timeout: ZEITGRENZE_JE_SEITE_MS * 4, windowsHide: true },
|
||||
)
|
||||
const dateien = await readdir(verzeichnis)
|
||||
return dateien
|
||||
.filter((name) => name.startsWith('seite') && name.endsWith('.png'))
|
||||
.sort()
|
||||
.map((name) => join(verzeichnis, name))
|
||||
}
|
||||
|
||||
/**
|
||||
* Ruft Tesseract (deutsch) auf. Nie werfen - Status zurueckgeben.
|
||||
*/
|
||||
export async function ocrLesen(inhalt: Buffer, mimeTyp: string): Promise<OcrErgebnis> {
|
||||
if (!env.ocrAktiv) {
|
||||
return { text: '', status: 'nicht_verfuegbar', meldung: 'Die Texterkennung ist abgeschaltet.' }
|
||||
}
|
||||
|
||||
// Der gemeldete MIME-Typ ist nur ein Hinweis; entschieden wird am Inhalt.
|
||||
const erkannt = typErkennen(inhalt)
|
||||
const istPdf = erkannt ? erkannt.mimeTyp === 'application/pdf' : mimeTyp === 'application/pdf'
|
||||
|
||||
if (istPdf) return pdfLesen(inhalt)
|
||||
if (erkannt && erkannt.istBild) return bildLesen(inhalt, erkannt.endung)
|
||||
|
||||
return {
|
||||
text: '',
|
||||
status: 'nicht_verfuegbar',
|
||||
meldung: 'Aus diesem Dateityp lässt sich kein Text lesen.',
|
||||
}
|
||||
}
|
||||
|
||||
async function bildLesen(inhalt: Buffer, endung: string): Promise<OcrErgebnis> {
|
||||
if (!(await ocrVerfuegbar())) {
|
||||
return {
|
||||
text: '',
|
||||
status: 'nicht_verfuegbar',
|
||||
seitenzahl: 1,
|
||||
meldung:
|
||||
'Tesseract ist auf diesem System nicht installiert. Das Dokument ist gespeichert, ' +
|
||||
'nur der Volltext fehlt - trage Absender und Datum bitte von Hand ein.',
|
||||
}
|
||||
}
|
||||
|
||||
let verzeichnis: string | null = null
|
||||
try {
|
||||
verzeichnis = await mkdtemp(join(tmpdir(), 'bc-ocr-'))
|
||||
const pfad = join(verzeichnis, `bild.${endung}`)
|
||||
await writeFile(pfad, inhalt)
|
||||
|
||||
const { text, meldung } = await tesseractAufDatei(pfad)
|
||||
return {
|
||||
text: kuerzen(textAufraeumen(text)),
|
||||
status: 'fertig',
|
||||
seitenzahl: 1,
|
||||
meldung,
|
||||
}
|
||||
} catch (fehler) {
|
||||
return {
|
||||
text: '',
|
||||
status: 'fehlgeschlagen',
|
||||
seitenzahl: 1,
|
||||
meldung: fehlermeldung(fehler),
|
||||
}
|
||||
} finally {
|
||||
await aufraeumen(verzeichnis)
|
||||
}
|
||||
}
|
||||
|
||||
async function pdfLesen(inhalt: Buffer): Promise<OcrErgebnis> {
|
||||
const seitenzahl = pdfSeitenzahlSchaetzen(inhalt) ?? undefined
|
||||
|
||||
// Weg 1: Seiten rendern und erkennen - funktioniert auch bei reinen Scans.
|
||||
if ((await ocrVerfuegbar()) && (await pdfWandlerVerfuegbar())) {
|
||||
let verzeichnis: string | null = null
|
||||
try {
|
||||
verzeichnis = await mkdtemp(join(tmpdir(), 'bc-ocr-'))
|
||||
const pdfPfad = join(verzeichnis, 'quelle.pdf')
|
||||
await writeFile(pdfPfad, inhalt)
|
||||
|
||||
const bilder = await pdfInBilder(verzeichnis, pdfPfad)
|
||||
if (bilder.length === 0) throw new Error('pdftoppm hat keine Seiten erzeugt.')
|
||||
|
||||
const teile: string[] = []
|
||||
let hinweis: string | undefined
|
||||
for (const bild of bilder) {
|
||||
const ergebnis = await tesseractAufDatei(bild)
|
||||
teile.push(ergebnis.text)
|
||||
hinweis ??= ergebnis.meldung
|
||||
}
|
||||
|
||||
const text = kuerzen(textAufraeumen(teile.join('\n\n')))
|
||||
const abgeschnitten =
|
||||
seitenzahl !== undefined && seitenzahl > bilder.length
|
||||
? `Erkannt wurden die ersten ${bilder.length} von ${seitenzahl} Seiten.`
|
||||
: undefined
|
||||
|
||||
return {
|
||||
text,
|
||||
status: 'fertig',
|
||||
seitenzahl: seitenzahl ?? bilder.length,
|
||||
meldung: [hinweis, abgeschnitten].filter(Boolean).join(' ') || undefined,
|
||||
}
|
||||
} catch (fehler) {
|
||||
// Weg 2 als Rettung: vielleicht steckt ohnehin Text im PDF.
|
||||
const eingebettet = pdfTextLesen(inhalt)
|
||||
if (eingebettet.length > 40) {
|
||||
return {
|
||||
text: kuerzen(eingebettet),
|
||||
status: 'fertig',
|
||||
seitenzahl,
|
||||
meldung:
|
||||
'Die Bilderkennung ist fehlgeschlagen; gelesen wurde der im PDF eingebettete Text.',
|
||||
}
|
||||
}
|
||||
return { text: '', status: 'fehlgeschlagen', seitenzahl, meldung: fehlermeldung(fehler) }
|
||||
} finally {
|
||||
await aufraeumen(verzeichnis)
|
||||
}
|
||||
}
|
||||
|
||||
// Weg 2: kein Tesseract oder kein pdftoppm - eingebetteten Text lesen.
|
||||
const eingebettet = pdfTextLesen(inhalt)
|
||||
if (eingebettet.length > 40) {
|
||||
return {
|
||||
text: kuerzen(eingebettet),
|
||||
status: 'fertig',
|
||||
seitenzahl,
|
||||
meldung:
|
||||
'Gelesen wurde der im PDF eingebettete Text. Für gescannte Seiten ohne Text ' +
|
||||
'wird zusätzlich Tesseract benötigt.',
|
||||
}
|
||||
}
|
||||
|
||||
return {
|
||||
text: '',
|
||||
status: 'nicht_verfuegbar',
|
||||
seitenzahl,
|
||||
meldung:
|
||||
'Dieses PDF enthält keinen lesbaren Text, und für die Bilderkennung fehlen ' +
|
||||
'Tesseract bzw. pdftoppm. Das Dokument ist gespeichert - trage Absender und ' +
|
||||
'Datum bitte von Hand ein.',
|
||||
}
|
||||
}
|
||||
|
||||
function kuerzen(text: string): string {
|
||||
return text.length > MAX_ZEICHEN ? `${text.slice(0, MAX_ZEICHEN)}\n…` : text
|
||||
}
|
||||
|
||||
function fehlermeldung(fehler: unknown): string {
|
||||
const roh =
|
||||
(fehler as { stderr?: string } | undefined)?.stderr ||
|
||||
(fehler instanceof Error ? fehler.message : String(fehler))
|
||||
return roh.trim().slice(0, 300) || 'Unbekannter Fehler bei der Texterkennung.'
|
||||
}
|
||||
|
||||
async function aufraeumen(verzeichnis: string | null): Promise<void> {
|
||||
if (!verzeichnis) return
|
||||
try {
|
||||
await rm(verzeichnis, { recursive: true, force: true })
|
||||
} catch {
|
||||
// Temporaeres Verzeichnis bleibt liegen - kein Grund, die Aktion abzubrechen.
|
||||
}
|
||||
}
|
||||
|
||||
/** Kleiner Helfer fuer die Diagnoseseite: liest eine Datei und erkennt sie. */
|
||||
export async function ocrAusDatei(pfad: string, mimeTyp: string): Promise<OcrErgebnis> {
|
||||
try {
|
||||
return await ocrLesen(await readFile(pfad), mimeTyp)
|
||||
} catch (fehler) {
|
||||
return { text: '', status: 'fehlgeschlagen', meldung: fehlermeldung(fehler) }
|
||||
}
|
||||
}
|
||||
Reference in New Issue
Block a user