BIDI_EXTRACTION_AI/BiddingKG/dl/template_extract/templates/DX000002/template21.py

# coding:utf8

import re
from typing import Dict, Any
from BiddingKG.dl.template_extract.abstract_template import AbstractTemplate, table2list
import os
import json


class DealInfoTemplate(AbstractTemplate):
    """
    成交信息提取模板（适配包含标的、标包、成交供应商的表格）
    适配提取成交相关信息的表格数据
    """

    def __init__(self):
        super().__init__(
            template_id=os.path.abspath(__file__),
            priority=3
        )

    def check_call_timing(self, preprocessed_data: Dict[str, Any]) -> bool:
        """检查是否符合模板调用条件""" # 例子：673148370
        if "表格列表" not in preprocessed_data:
            return False

        tables = preprocessed_data["表格列表"]
        if len(tables) < 1:
            return False

        try:
            # 取第一个表格进行验证
            datas = tables[0]
            # 验证表头列数（目标表格为4列）
            if len(datas[0]) != 4:
                print("表头数量异常；", len(datas[0]))
                return False

            # 表头内容正则匹配
            header_patterns = [
                '序号',  # 第1列：序号
                '标的(名称)?',  # 第2列：标的
                '标包|标段|包名称',  # 第3列：标包
                '(成交|中标|中选)(人|单位|供应商)(名称)?',  # 第4列：成交供应商或中标人
            ]

            # 逐列验证表头
            for i, pattern in enumerate(header_patterns):
                if not re.fullmatch(pattern, datas[0][i]):
                    print('表头未验证： ', pattern, datas[0][i])
                    return False

            # 确保表格有数据行
            if len(datas) < 2:
                return False

            self.header = datas[0]
            self.data = datas[1:]
            return True
        except Exception as e:
            print(f"表格验证错误: {e}")
            return False

    def extract(self, preprocessed_data: Dict[str, Any]) -> Dict[str, Any]:
        """提取表格中的招标信息、中标信息、候选人信息"""
        extract_result = {
            "招标信息": [],
            "中标信息": [],
            "候选人信息": []
        }

        for row in self.data:
            # 跳过列数异常的行
            if len(row) != 4:
                continue

            # 解析每行数据
            seq, subject, package, winner = row

            # 招标信息：必须包含招标人或预算，当前表格无相关字段，故不提取
            # （注：若实际场景中存在隐含的招标人信息，可在此处补充提取逻辑）

            # 中标信息：必须包含中标人
            if winner:
                winner_info = {
                    "标的": subject,
                    "标包": package,
                    "中标人": winner
                }
                # 过滤空值字段
                winner_info = {k: v for k, v in winner_info.items() if v}
                extract_result["中标信息"].append(winner_info)

            # 候选人信息：必须包含候选人及排名，当前表格无相关字段，故不提取

        return extract_result


# 使用示例
if __name__ == "__main__":
    from lxml import etree

    # 读取并解析数据文件
    with open("data.json", "r", encoding="utf8") as f:
        preprocessed_data = json.load(f)

    # 初始化模板并提取信息
    template = DealInfoTemplate()
    if template.check_call_timing(preprocessed_data):
        result = template.extract(preprocessed_data)
        print("提取结果：", json.dumps(result, ensure_ascii=False, indent=2))
    else:
        print("当前数据不满足模板调用条件")