itinova-budget-si/server/payrollParser.ts

/**
 * Extraction volontairement minimisée des liasses de paie. Aucune coordonnée,
 * donnée bancaire, numéro de sécurité sociale ou rémunération nette n'est
 * renvoyé ni persisté par ce module.
 */

export type ParsedPayrollBulletin = {
  matricule: string;
  nom: string;
  prenom: string;
  poste: string;
  brutMensuelCents: number;
  brutAvecPrimesCents: number;
  primeAstreinteCents: number;
  explicationEcart: string | null;
  numeroPage: number;
};

export type PayrollExtractionResult = {
  bulletins: ParsedPayrollBulletin[];
  statutExtraction: "ready" | "partiel" | "a_controler";
  erreurExtraction: string | null;
};

const MONEY_RE = /(?<![\d.])-?\s*\d{1,3}(?:[ \u00a0]\d{3})*\.\d{2}(?!\d)/g;
const HEADER_RE = /##BULLETIN##\d{2}-\d{4}##(\d+)##([^#]+)##([^#]+)##/g;

function amountsIn(line: string): number[] {
  return (line.match(MONEY_RE) ?? []).map((raw) => Math.round(Number(raw.replace(/[ \u00a0]/g, "")) * 100));
}

function firstMatchingLine(lines: string[], prefix: string): string | null {
  return lines.find((line) => line.trim().toLocaleLowerCase("fr-FR").startsWith(prefix)) ?? null;
}

function pagesForHeaders(text: string): Array<{ content: string; page: number }> {
  const pages = text.split("\f");
  const grouped: Array<{ content: string; page: number; matricule: string }> = [];
  let current: { content: string; page: number; matricule: string } | null = null;

  pages.forEach((page, index) => {
    HEADER_RE.lastIndex = 0;
    const headers: Array<{ index: number; length: number; matricule: string }> = [];
    let header: RegExpExecArray | null;
    while ((header = HEADER_RE.exec(page)) !== null) {
      headers.push({ index: header.index, length: header[0].length, matricule: header[1] });
    }
    if (headers.length === 0 && current) {
      current.content += `\n${page}`;
      return;
    }
    if (headers.length === 0) return;

    headers.forEach((entry, headerIndex) => {
      const next = headers[headerIndex + 1];
      const content = page.slice(entry.index, next?.index);
      if (headerIndex === 0 && current?.matricule === entry.matricule) {
        current.content += `\n${content}`;
      } else {
        current = { content, page: index + 1, matricule: entry.matricule };
        grouped.push(current);
      }
    });
  });

  // Certains PDF ne contiennent pas de saut de page exploitable. On tente alors
  // une extraction complète, qui sera marquée "à contrôler" sans en-tête fiable.
  return grouped.length > 0 ? grouped.map(({ content, page }) => ({ content, page })) : [{ content: text, page: 1 }];
}

function getIdentity(text: string): { matricule: string; nom: string; prenom: string; poste: string } | null {
  HEADER_RE.lastIndex = 0;
  const header = HEADER_RE.exec(text);
  const lines = text.split(/\r?\n/);
  const matricule = /Matricule\s*:\s*(?:M|N|N°)?\s*(\d+)/.exec(text)?.[1] ?? header?.[1];
  const emploiLine = lines.find((line) => /Emploi\s*:/i.test(line));
  const poste = /Emploi\s*:\s*(.*)$/i.exec(emploiLine ?? "")?.[1]
    ?.replace(/\s+(?:Monsieur|Madame)\b.*$/i, "")
    .trim();
  if (!matricule || !poste) return null;

  if (header?.[2] && header[3]) {
    return {
      matricule,
      nom: header[2].trim(),
      prenom: header[3].trim(),
      poste,
    };
  }

  const displayName = /Emploi\s*:[\s\S]*?(?:Monsieur|Madame)\s+([A-ZÀ-ÖØ-Ý' -]+)/.exec(text)?.[1]?.trim();
  const names = displayName?.split(/\s+/).filter(Boolean) ?? [];
  if (names.length < 2) return null;
  return { matricule, prenom: names[0], nom: names.slice(1).join(" "), poste };
}

function parseOneBulletin(content: string, page: number): ParsedPayrollBulletin | null {
  const lines = content.split(/\r?\n/).map((line) => line.trimEnd());
  const identity = getIdentity(content);
  const baseAmounts = amountsIn(firstMatchingLine(lines, "salaire de base") ?? "");
  const grossAmounts = amountsIn(firstMatchingLine(lines, "salaire brut") ?? "");
  if (!identity || baseAmounts.length === 0 || grossAmounts.length === 0) return null;

  const primeAstreinteCents = lines
    .filter((line) => line.trim().toLocaleLowerCase("fr-FR").startsWith("prime d'astreinte"))
    .map((line) => amountsIn(line).at(-1) ?? 0)
    .reduce((sum, amount) => sum + amount, 0);

  const brutMensuelCents = baseAmounts.at(-1)!;
  const brutAvecPrimesCents = grossAmounts.at(-1)!;
  const otherVariableCents = brutAvecPrimesCents - brutMensuelCents - primeAstreinteCents;
  const parts: string[] = [];
  if (primeAstreinteCents !== 0) parts.push("prime d’astreinte relevée");
  if (otherVariableCents !== 0) parts.push("autres éléments de rémunération inclus dans le brut");

  return {
    ...identity,
    brutMensuelCents,
    brutAvecPrimesCents,
    primeAstreinteCents,
    explicationEcart: parts.length ? parts.join(" ; ") : null,
    numeroPage: page,
  };
}

/**
 * Transforme le texte d'une liasse PDF en index métier restreint. Toute absence
 * de champ indispensable est signalée sans empêcher la conservation du PDF.
 */
export function extractPayrollBulletins(text: string): PayrollExtractionResult {
  const candidates = pagesForHeaders(text);
  const bulletins = candidates
    .map(({ content, page }) => parseOneBulletin(content, page))
    .filter((bulletin): bulletin is ParsedPayrollBulletin => bulletin !== null);

  if (bulletins.length === 0) {
    return {
      bulletins: [],
      statutExtraction: "a_controler",
      erreurExtraction: "Aucun bulletin n’a pu être indexé automatiquement. Le PDF reste conservé et consultable.",
    };
  }
  if (bulletins.length !== candidates.length) {
    return {
      bulletins,
      statutExtraction: "partiel",
      erreurExtraction: "Une ou plusieurs fiches n’ont pas pu être indexées automatiquement. Le PDF reste consultable.",
    };
  }
  return { bulletins, statutExtraction: "ready", erreurExtraction: null };
}