Извлечение дат рождения и смерти из «Петербургского некрополя»

Я историк, работаю со справочником «Петербургский некрополь» (1912). Это словарь людей,
похороненных на кладбищах Петербурга. Текст получен распознаванием скана (OCR),
поэтому в нём много опечаток, а орфография дореформенная (ъ, ѣ, і).

Статьи уже разделены: файл output/entries.csv, столбцы id, surname, is_reference, text.
Типичная статья:
  Абаза, Аггей Васильевичъ, р. 16 декабря 1782 { 21 марта 1852 (Александро-Невская лавра).
Здесь «р.» — дата рождения, а дата после креста † — дата смерти (в OCR крест часто
превратился в «{», «+», «|», «1» или «Т»). В скобках в конце — кладбище.

Нужна программа на Python (без сторонних библиотек), которая для каждой статьи находит
дату рождения и дату смерти самого человека и сохраняет их в output/dates_sonnet.csv
(столбцы id, birth, death). Формат даты: 1852-03-21; если известен только год — 1852;
если год и месяц — 1852-03; если даты нет — пусто.

Назови файл code/dates_sonnet.py. Начни с простой версии.

Сделай так, чтобы программа при каждом запуске сначала проверяла себя на примерах
и останавливалась, если какой-то пример не прошёл:
- «Баженовъ, Иванъ Прокофьевичъ, р. 8 ноября 1791 + 8 января 1872 (Смоленское кладбище).»
  → рождение 1791-11-08, смерть 1872-01-08
- «Боголюбовъ, Павелъ Николаевичъ + 28 декабря 1904 (Новодѣвичій монастырь).»
  → рождения нет, смерть 1904-12-28
- «Аксенова, Елизавета Ивановна—см. Анцъ.» → это отсылка, дат нет

Запусти программу и скажи, у какой доли статей нашлась дата смерти.

Дата смерти находится далеко не у всех статей: OCR исказил текст. Прежде чем исправлять
программу, посмотри на сами данные. Посчитай, какими символами на самом деле записан
крест перед датой смерти и как выглядят названия месяцев (например, «іюля» часто
превратилось в «юля», «поля» или «1юля»). Покажи мне самые частые варианты.

Потом научи программу понимать эти варианты. Несколько вещей, которые я заметила сама:
- в годах OCR путает цифры: «1336» на самом деле 1836, а «т852» — 1852;
- крест иногда выглядит как цифра 1: «р. 15 ноября 1852 1 5 марта 1856» значит,
  что человек умер 5 марта 1856;
- месяц может быть с заглавной буквы: «2 Февраля 1894»;
- иногда указаны только годы: «р. 1852 Т 1892».

Добавь эти примеры к проверкам:
- «Годенъ, Викторія + 28 поня 1905 (Католическое кладбище).» → смерть 1905-06-28
- «Брезинская, Юстина + 16 апрфля 1889 (Смоленское кладбище).» → смерть 1889-04-16
- «Гребне, Софія-Доротея, р. 12 марта 1816 1 26 января 1877 (Волково кладбище).»
  → рождение 1816-03-12, смерть 1877-01-26
- «Гюне, баронъ Эдуардъ, р. 15 ноября 1852 1 5 марта 1856 (Волково кладбище).»
  → рождение 1852-11-15, смерть 1856-03-05
- «Гельмгольцъ, Ѳедоръ, капитанъ, р. 1852 Т 1892 (Гатчинское кладбище).» → 1852 и 1892
- «Гамельманъ, Амалія, р. 9 февраля 1800 + 23 января 1336 (Волково кладбище).» → смерть 1836-01-23
- «Волкова, Марія Филипповна + 2 Февраля 1894 (Новодѣвичій монастырь).» → смерть 1894-02-02

Запусти и покажи, насколько выросла доля статей с датой смерти.

Теперь важно не перепутать людей. После основного человека в статье часто упомянуты
родственники со своими датами: «Жена: Вѣра Петровна + 23 октября 1909» или
«Съ М. И. Аксеновой». Нам нужны только даты самого человека — те, что идут до упоминания
родственников и до скобки с названием кладбища. Но не всякая скобка — кладбище:
в «рожд. Дюлу (Бивоча)» в скобках просто другое написание фамилии.

Ещё три тонкости:
- между «р.» или крестом и датой бывают слова: «р. въ Ригѣ 9 апрѣля 1829», «+ убитъ 12 октября 1877»;
- «рожд. Вердье» значит «урождённая Вердье» — это девичья фамилия, а не дата рождения;
- если в статье пропущен крест, а дата стоит после даты рождения, это скорее всего тоже дата смерти,
  но такие случаи стоит пометить, чтобы потом проверить.

Примеры для проверок:
- «Акорчевъ, Александръ, колл. сов. { 26 марта 1885, на 61 г. Жена: Вѣра Петровна 1 23 октября 1909 (Смоленское кладбище).» → смерть 1885-03-26
- «Банье, Андрей-Фридрихъ, р. въ Мекленбургъ-Шверинѣ 29 сентября 1769 + 27 апрѣля 1840, 70 л. (Волково кладбище).» → рождение 1769-09-29, смерть 1840-04-27
- «Брюнъ-де-Сентъ-Ипполитъ, Елизавета, рожд. Дюлу (Бивоча) 1 5 февраля 1843, 34 л. (Смоленское кладбище).» → смерть 1843-02-05
- «Годенъ, Викторія, рожд. Вердье + 28 поня 1905, 71 г. (Католическое кладбище).» → рождения нет
- «Вальдманъ, Елена, рожд. Шинна, р. въ Митавѣ 30 сентября 1799 т 1 мая 1875 (Гатчинское кладбище).» → рождение 1799-09-30, смерть 1875-05-01

Запусти и покажи результат.

Мне нужно понимать, где программе можно доверять, а где нужно проверить глазами.
Пусть она помечает подозрительные статьи:
- год рождения или смерти вне 1700–1912 (книга издана в 1912 году);
- рождение позже смерти;
- человек прожил больше 110 лет;
- в тексте указан возраст («на 45 г.», «63 л.»), и он не совпадает с разницей годов больше чем на год;
- в статье есть год, а дату смерти найти не удалось;
- дата смерти взята без креста.

Помеченные статьи вместе с текстом сохрани в output/dates_sonnet_review.csv,
а пометки добавь столбцом flags в dates_sonnet.csv. В конце работы программа должна
печатать короткую сводку: сколько статей обработано, у скольких найдены даты рождения
и смерти, сколько статей с каждой пометкой.

Пример для проверки: у статьи «Аркъ-фанъ, Карлъ, р. 28 августа 1839 + 11 августа 1992 (Волково кладбище).»
должны быть пометки «год вне диапазона» и «больше 110 лет».

Запусти и покажи сводку.

Я вручную проверила 60 случайных статей (data/gold_dates.csv). Запусти сравнение:
python3 code/evaluate.py output/dates_sonnet.csv
Покажи результат и для каждого расхождения объясни простыми словами, в чём причина.
Если ошибся код — исправь его так, чтобы прежние проверки по-прежнему проходили, и запусти
сравнение ещё раз. Если ошибка в самом тексте источника (OCR) — не подгоняй код, просто скажи об этом.
Файлы с разметкой и evaluate.py не меняй.