BIDI_EXTRACTION_AI/BiddingKG/dl/template_extract/templates/DX000002/template4.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 TranslationServiceBidTemplate(AbstractTemplate):
    """
    翻译服务招标信息提取模板
    适配包含标的名称、标包名称、采购金额等列的招标信息表格提取
    """

    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:
            datas = tables[0]
            # 验证表头列数（目标表格为10列）
            if len(datas[0]) < 4:# != 10:
                print(f"表头数量异常：{len(datas[0])}列，需10列")
                return False

            # 表头内容正则匹配（泛化表达）
            header_patterns = [
                '序号',  # 第1列：序号
                '(标的|项目)(名称)?',  # 第2列：标的名称
                '(标包|标段|包)(名称)?',  # 第3列：标包名称
                '((预计采购|预算|概算)金额|最高投标限价|最高限价|拦标价)(（[万亿美欧日]?元）)?',  # 第4列：预计采购金额
                # '(最高投标限价|最高限价|拦标价)(（[万亿美欧日]?元）)?',  # 第5列：最高投标限价
                # '最大中标数量',  # 第6列：最大中标数量
                # '(服务期/工期|工期/服务期|服务期|工期)',  # 第7列：工期/服务期
                # '是否特殊包',  # 第8列：是否特殊包
                # '(响应|投标)保证金',  # 第9列：响应保证金
                # '备注'  # 第10列：备注
            ]

            # 逐列验证表头
            for i, pattern in enumerate(header_patterns):
                if not re.fullmatch(pattern, datas[0][i], re.IGNORECASE):
                    print(f'表头未验证：第{i+1}列 {pattern} 与 {datas[0][i]} 不匹配')
                    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: #!= 10:
                continue

            # 解析每行数据
            # seq, subject, package, budget, limited_price, max_win_num, period, is_special, deposit, remark = row
            seq, subject, package, budget = row[:4]

            # 补充金额单位（如果表头有单位而内容没有）
            if re.search('[万亿美欧日]?元', self.header[3]) and not re.search('[万亿美欧日]?元', budget):
                budget += re.search('[万亿美欧日]?元', self.header[3]).group(0)
            # if re.search('[万亿美欧日]?元', self.header[4]) and not re.search('[万亿美欧日]?元', limited_price):
            #     limited_price += re.search('[万亿美欧日]?元', self.header[4]).group(0)

            # 整理招标信息（包含预算，符合必填条件）
            bid_info = {
                "标的": subject,
                "标包": package,
                "预算": budget,
                # "限价": limited_price
            }
            # 过滤空值字段
            bid_info = {k: v for k, v in bid_info.items() if v}
            extract_result["招标信息"].append(bid_info)

        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 = TranslationServiceBidTemplate()
    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")