BIDI_EXTRACTION_AI/BiddingKG/dl/template_extract/templates/DX020336/template1.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 CustomBidTemplate(AbstractTemplate):
    """
    自定义招标信息提取模板
    适配包含供应商、候选供应商、交付时间等信息的表格提取
    """

    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（5列）
            if len(header) != 5:
                # print(f"表头列数异常：{len(header)}列，预期5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'供应商名称|供货单位|服务商名称',  # 第2列：供应商名称
                r'候选供应商|预成交供应商|中标候选人|候选单位',  # 第3列：候选供应商
                r'交付时间|服务时间|供货时间|工期',  # 第4列：交付时间
                r'备注|说明|注释'  # 第5列：备注
            ]

            # 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]:
        """提取表格中的招标相关信息"""
        # 初始化返回结果结构
        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": []
        }

        for row in self.data:
            # 跳过列数异常的行
            if len(row) != 5:
                continue

            # 解析每行数据
            seq, supplier_name, candidate_supplier, delivery_time, remark = row
            if re.search('预?(成交|中标)供应商', candidate_supplier):
                candidate_supplier = '1'
            else:
                candidate_supplier = ''

            # 整理候选人信息（满足包含候选人及排名）
            if supplier_name and candidate_supplier:
                candidate_info = {
                    "标的": "",
                    "标包": "",
                    "包号": "",
                    "候选人": supplier_name,
                    "投标价": "",
                    "排名": candidate_supplier,
                    "联系人": "",
                    "电话": "",
                    "服务时间": delivery_time,
                    "地址": ""
                }
                # 过滤空值字段
                candidate_info = {k: v for k, v in candidate_info.items() if v}
                # 验证候选人信息必填项
                if candidate_info.get("候选人") and candidate_info.get("排名"):
                    extract_result["候选人信息"].append(candidate_info)

        # 过滤空列表
        if not extract_result["招标信息"]:
            del extract_result["招标信息"]
        if not extract_result["中标信息"]:
            del extract_result["中标信息"]
        if not extract_result["候选人信息"]:
            del extract_result["候选人信息"]
        if not extract_result["产品信息"]:
            del extract_result["产品信息"]
        # 过滤项目编号、项目名称空值
        if not extract_result["项目编号"]:
            del extract_result["项目编号"]
        if not extract_result["项目名称"]:
            del extract_result["项目名称"]

        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 = CustomBidTemplate()
    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")