BIDI_EXTRACTION_AI/BiddingKG/dl/template_extract/templates/DX000002/template22.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（适配包含标包、成交人等字段的表格）
    """

    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"""
        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:
            datas = tables[0]
            # 验证表头列数（目标表格为3列）
            if len(datas[0]) != 3:
                print("表头数量异常；", len(datas[0]))
                return False

            # 表头内容正则匹配（泛化类似表达）
            header_patterns = [
                '序号|编号',  # 第1列：序号（泛化编号表达）
                '标包(名称)?|标段(名称)?|包(名称)?|项目(名称)?',  # 第2列：标包（泛化项目、标段等表达）
                '(成交|中标|中选)(人|单位|供应商)(名称)?'  # 第3列：成交人（泛化中标人等表达）
            ]

            # 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]:
        """提取表格中的中标信息等内容"""
        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) != 3:
                continue

            # 解析每行数据（对应3列结构）
            seq, package, winner = row

            # 整理中标信息（必须包含中标人）
            if winner:  # 确保中标人信息存在
                bid_info = {
                    "标包": package,
                    "中标人": winner
                }
                extract_result["中标信息"].append(bid_info)

        # 招标信息无招标人或预算，置空
        # 候选人信息无候选人及排名，不添加

        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")