BIDI_EXTRACTION_AI/BiddingKG/dl/template_extract/templates/DX016887/template1.py

# coding:utf8

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


class BidResultTemplate(AbstractTemplate):
    """
    中标结果信息提取模板
    适配包含序号、候选供应商名称、中选金额的表格提取
    """

    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]
            # 至少需要表头行和一行数据
            if len(datas) < 2:
                return False

            header = datas[0]
            # 表头列数需匹配目标表格（3列）
            if len(header) != 3:
                # print(f"表头列数异常：{len(header)}列，预期3列")
                return False

            # 表头内容正则匹配（泛化类似表达）
            header_patterns = [
                r'序号|编号',  # 第1列：序号
                r'(候选|中标)?供应商名称|(候选|中标)?单位名称|(候选|中标)?人(名称)?',  # 第2列：候选供应商名称
                r'(中选金额|中标金额|成交金额)(（万?元）)?'  # 第3列：中选金额
            ]

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

            self.header = header
            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/候选人信息"""
        # 初始化返回结构
        extract_result = {
            "项目编号": "",
            "项目名称": "",
            "招标信息": [],
            "中标信息": [],
            "候选人信息": [],
            "产品信息": []
        }

        # 处理每行数据
        for row in self.data:
            # 跳过列数异常的行
            if len(row) != 3:
                continue

            # 解析每行数据
            seq, candidate, price = row

            # 过滤空值
            seq = seq.strip() if seq else ""
            candidate = candidate.strip() if candidate else ""
            price = price.strip() if price else ""

            # 补充金额单位（如果没有的话）
            if price and not re.search(r'[万亿美欧日]?元', price):
                # 优先从表头提取单位，没有则默认加"元"
                unit_match = re.search(r'[万亿美欧日]?元', self.header[2])
                if unit_match:
                    price += unit_match.group(0)
                else:
                    price += "元"

            # 若没有排名但有中标人，返回中标信息（当前数据有序号，此分支不会触发）
            if candidate and price:
                bid_info = {
                    "标的": "",
                    "标包": "",
                    "包号": "",
                    "中标人": candidate,
                    "中标价": price,
                    "联系人": "",
                    "电话": "",
                    "服务时间": "",
                    "地址": ""
                }
                # 过滤空值字段
                bid_info = {k: v for k, v in bid_info.items() if v}
                extract_result["中标信息"].append(bid_info)

        # 处理招标信息（当前数据无招标人/预算，置空）
        extract_result["招标信息"] = []

        # 过滤空列表和空值字段
        extract_result = {k: v for k, v in extract_result.items() if v or (isinstance(v, list) and len(v) > 0)}

        return extract_result


# 使用示例
if __name__ == "__main__":
    # 读取数据文件
    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 = BidResultTemplate()
    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")