generators: fallback.py — character-class preserving для неизвестных типов

History/2026-07-12-v3-plan.md

@@ -0,0 +1,51 @@
+# План v3 — универсальная архитектура (2026-07-12)
+
+## Цель
+
+Убрать жёсткую привязку к фиксированному списку типов сущностей.
+Перейти на Markdown как внутренний формат.
+
+## Изменения по модулям
+
+### 1. `scanner.py` — универсальный LLM-промпт
+- Убрать список типов из промпта
+- LLM сама называет типы (snake_case)
+- `value` — verbatim из текста
+
+### 2. `generators/` — fallback-генератор
+- Новый `fallback.py`: character-class preserving замена
+- `__init__.py`: добавить в ENTITY_GENERATORS
+- `obfuscator.py`: использовать fallback для неизвестных типов
+
+### 3. `extractor.py` — единый MD-пайплайн
+- DOCX → MD (python-docx: стили, форматирование)
+- PDF → MD (pdfplumber: текст + таблицы)
+- TXT → как есть
+- Убрать convert_pdfs_to_docx (не нужен)
+- Убрать хранение docx-объектов
+
+### 4. `replacer.py` — упростить
+- `apply_replacements(text)` — уже есть
+- `replace_in_docx(doc, mapping)` — сохранить как утилиту для DOCX-выхода
+- Удалить `replace_in_text()` (заменяется на apply_replacements)
+
+### 5. `obfuscator.py` — обновить пайплайн
+- Pass 1: extract MD → scan_regex + scan_llm_ner
+- Pass 2: apply_replacements к MD
+- Опционально: replace_in_docx к оригинальному DOCX
+
+### 6. `api_bp.py` — output_format
+- Параметр `output_format: "md" | "docx"` (по умолчанию md)
+
+### 7. `.doc` — потом
+- Добавим convert_doc_to_docx через LibreOffice отдельно
+
+## Порядок реализации
+
+1. `generators/fallback.py` + обновить `__init__.py`
+2. `scanner.py` — новый промпт
+3. `extractor.py` — MD-конвертация
+4. `replacer.py` — упростить
+5. `obfuscator.py` — новый пайплайн
+6. `api_bp.py` — output_format
+7. Проверить всё → commit