BIDI_EXTRACTION_AI/BiddingKG/dl/template_extract/templates/DX000002/template3.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 AdaptedBudgetTemplate(AbstractTemplate):
    """
    招标信息提取模板（适配data.json中第一个表格结构）
    适配包含标的、预算金额、标包信息等列的招标表格提取
    """

    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:
            # 取第一个表格进行验证
            datas = tables[0]
            # 验证表头列数（目标表格为10列）
            if len(datas[0]) != 10:
                print(f"表头数量异常，期望10列，实际{len(datas[0])}列")
                return False

            # 表头内容正则匹配（泛化类似表达）
            header_patterns = [
                '序号',  # 第1列：序号
                '标的(名称)?',  # 第2列：标的
                '(预算|概算|招标|标包)?金额(（[万亿美欧日]?元）)?',  # 第3列：金额相关
                '最大中标数量',  # 第4列：中标数量
                '标包号|包号|标段号|标包名称',  # 第5列：标包号/名称
                '(标包|招标|概算)?金额(（[万亿美欧日]?元）)?',  # 第6列：金额相关
                '(最高|最高限|拦标)价(（[万亿美欧日]?元）)?',  # 第7列：限价相关
                '是否特殊包',  # 第8列：特殊包标识
                '招标文件(收取)?费用(（[万亿美欧日]?元）)?',  # 第9列：文件费用
                '投标保证金(（[万亿美欧日]?元）)?'  # 第10列：保证金
            ]

            # 逐列验证表头
            for i, pattern in enumerate(header_patterns):
                if not re.fullmatch(pattern, datas[0][i]):
                    print(f'表头第{i+1}列未匹配：{pattern} vs {datas[0][i]}')
                    return False

            # 确保表格有数据行
            if len(datas) < 2:
                print("表格无数据行")
                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) != 10:
                continue

            # 解析每行数据（10列结构）
            seq, subject, budget, quantity, package_num, package_budget, limited_price, is_special, doc_fee, deposit = row

            # 补充金额单位
            # 处理预算金额单位
            if re.search('[万亿美欧日]?元', self.header[2]) and not re.search('[万亿美欧日]?元', budget):
                budget += re.search('[万亿美欧日]?元', self.header[2]).group(0)
            # 处理标包金额单位
            if re.search('[万亿美欧日]?元', self.header[5]) and not re.search('[万亿美欧日]?元', package_budget):
                package_budget += re.search('[万亿美欧日]?元', self.header[5]).group(0)
            # 处理最高限价单位
            if re.search('[万亿美欧日]?元', self.header[6]) and not re.search('[万亿美欧日]?元', limited_price):
                limited_price += re.search('[万亿美欧日]?元', self.header[6]).group(0)

            # 整理招标信息（必须包含预算，否则置空）
            tender_info = {
                "标的": subject,
                "标包": package_num,  # 此处标包名称对应第5列
                "包号": package_num,
                "预算":  package_budget or budget,  # 优先取第6列标包金额，无则用第3列预算
                "限价": limited_price
            }
            # 验证招标信息必填项
            if tender_info.get("预算"):
                extract_result["招标信息"].append(tender_info)
            else:
                print("招标信息缺少预算，不添加")

            # 中标信息和候选人信息无对应数据，不添加

        return extract_result


# 使用示例
if __name__ == "__main__":
    # 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 = AdaptedBudgetTemplate()
    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")