BIDI_EXTRACTION_AI/BiddingKG/dl/template_extract/templates/00198/template2.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 BidInfoTemplate(AbstractTemplate):
    """
    招投标信息提取模板
    适配包含投标单位、得票数、排名信息的表格提取
    """

    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（4列）
            if len(header) != 4:
                # print(f"表头列数异常：{len(header)}列，预期4列")
                return False

            # 表头内容正则匹配（泛化类似表达）
            header_patterns = [
                r'编号|序号|项目编号',  # 第1列：编号
                r'投标单位|投标人|候选单位|候选人',  # 第2列：投标单位
                r'得票数|票数|得票',  # 第3列：得票数
                r'排名|名次|排序'  # 第4列：排名
            ]

            # 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]:
        """提取表格中的招投标信息"""
        # 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": []
        }

        # 提取候选人信息（有排名则只返回候选人信息，不返回中标信息）
        candidate_list = []
        for row in self.data:
            # 跳过列数异常的行
            if len(row) != 4:
                continue

            # 解析每行数据
            seq, candidate_name, votes, rank = row

            # 整理候选人信息（过滤空值字段）
            candidate_info = {
                "标的": "",
                "标包": "",
                "包号": "",
                "候选人": candidate_name,
                "投标价": "",
                "排名": rank,
                "联系人": "",
                "电话": "",
                "服务时间": "",
                "地址": ""
            }
            # 过滤空值字段（保留核心字段：候选人、排名）
            candidate_info = {k: v for k, v in candidate_info.items() if v or k in ["候选人", "排名"]}

            # 候选人信息必须包含候选人及排名才添加
            if candidate_info.get("候选人") and candidate_info.get("排名"):
                candidate_list.append(candidate_info)

        # 赋值候选人信息（有则添加，无则为空列表）
        extract_result["候选人信息"] = candidate_list

        # 过滤空值字段（顶层字段）
        extract_result = {k: v for k, v in extract_result.items() if v or k in ["候选人信息"]}

        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 = BidInfoTemplate()
    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")