BIDI_ML_INFO_EXTRACTION/BiddingKG/dl/time/re_servicetime.py

#coding:UTF-8
import re
import pandas as pd

def re_serviceTime(text):

    text_list = []
    text_list.append(text)
    # 初始化
    output_list = []
    text_index_list = []

    before = '(?P<before>' \
             '工期/交货期/服务期|工期，\(日历天\)|工期\(交货期\)|合格工期\(天\)|服务期限\(年\)|工期\(天\)' \
             '|工期要求|项目周期|工期\(交货期\)|计划工期\(服务期限\)|服务时限|履行期限|服务周期|供货期' \
             '|合格工期|计划工期\(服务期\)|服务期\(日历天\)|服务，期|交货\(完工\)时间|交付\(服务、完工\)时间' \
             '|交货时间|工期\(日历天\)' \
             '|服务期限为|计划工期|工期要求|服务期限|服务期' \
             '|投标工期|设计工期|合格服务周期|总工期|服务时间|流转期限|维护期限|服务时限|交货期|服务要求' \
             '|完成时间|服务期限|中标工期|项目周期|期限要求|周期|工期|供货期|合同履行日期|计划周期|工期' \
             ')'

    before2 = '(?P<before2>' \
              '自合同签订之日起至|合同签订之日起|约|自合同签订之日起|开工后|不超过|签订合同后|系统开发' \
              '|合同签订之日起至|自合同签订之日|合同签定后|自签订合同之日起|自合同签订起' \
              '|自合同签订生效之日起|自合同签订后不超过|中选后|均为|合同签订日至|本项目合同期|' \
              ')'

    charac = '(?P<charac>' \
             '[:：,，]*' \
             ')'

    center = '(?P<center>' \
             '[自]?\d+年\d+月\d+日至\d+年\d+月\d+日|\d+年\d+月\d+日|[\d一二三四五六七两叁贰壹肆伍]+' \
             ')'

    center1 = '(?P<center1>' \
              '[自]?\d+年\d+月\d+日至\d+年\d+月\d+日|\d+年\d+月\d+日|[\d一二三四五六七两叁贰壹肆伍]+' \
              ')'

    after = '(?P<after>' \
            '天|个月|年|个日历天|日历天|日|\(日历天\)|\(天\)|周内|，日历天|' \
            ')'

    new1 = '(' \
           '\d{4}年?(\d{1,2}月?)?(\d{1,2}日?)?-(\d{4}年?)?(\d{1,2}月?)?(\d{1,2}日?)?(-\d{1,2}日?)?' \
           ')'

    reg = re.compile(before + charac + before2 + center + after)

    reg1 = re.compile(before + charac + '(.*?止)')

    reg2 = re.compile(before + charac + before2 + new1)

    reg_not = re.compile(u'(工期延误|工期节点|工期管理|交付使用'
                         u'|工期、)'
                         u'|工期情况|划工期内|服务期内')

    reg_not1 = re.compile(u'(履行日期：见|服务期限应按|签订合同前，'
                          u'|务期限：1、|同签订日期：|证金在合同签|服务期限截止'
                          u')')

    reg_not2 = re.compile(u'截止|1\.|1、')

    for index in range(len(text_list)):
        # 初始化
        output_str = ""
        input_str = text_list[index]

        # 替换混淆词
        # input_str = re.sub(reg_not, "####", input_str)
        # input_str = re.sub(reg_not1, "######", input_str)
        # input_str = re.sub(reg_not2, "##", input_str)
        for _reg_not in [reg_not,reg_not1,reg_not2]:
            match = re.findall(_reg_not, input_str)
            if match:
                for word in match:
                    instead = "#" * len(word)
                    input_str = re.sub(word, instead, input_str)

        output_str, text_index = re_findAllResult(reg2, input_str)
        if len(text_index) == 0:
            output_str, text_index = re_findAllResult(reg, input_str)
            if len(text_index) == 0:
                output_str, text_index = re_findAllResult(reg1, input_str)

        # 添加
        output_list.append(output_str)
        text_index_list.append(text_index)

    index2word = []
    for index in range(len(text_index_list)):
        word = ""
        for i in range(len(text_index_list[index])):
            word = word + text[text_index_list[index][i][0]:text_index_list[index][i][1]]
            if word != len(text_index_list[index])-1:
                word = word + " "
        index2word.append(word)

    return index2word[0], text_index_list[0]



def re_findAllResult(reg, input, unit="", index=0):
    '''

    :param reg: 正则表达式
    :param input: 待匹配句子
    :param unit: 需要加的单位
    :param index: 字符串拼接的开始位置
    :return: 正则后的字符串
    '''
    match = re.findall(reg, input)
    output = ""
    # print(match)
    if match:
        ss = ""
        for i in range(len(match)):
            s = ""
            for j in range(index, len(match[i])):
                s = s + match[i][j]
                if unit != "" and j == len(match[i])-1:
                    s = s + unit
            ss = ss + s
            if i < len(match)-1:
                ss = ss + " "
        output = ss

    # 全文下标
    text_index = []
    match1 = re.finditer(reg, input)
    for i in match1:
        d = i.groupdict()
        if d.get("before") is not None:
            front_len = len(d.get("before")) + len(d.get("charac"))
        else:
            front_len = 0
        text_index.append([i.start()+front_len, i.end()])

    return output, text_index


def calculateLen(ss, i):
    front_len = 0
    back_len = 0
    for index in range(i):
        front_len += len(ss[index])
    for index in range(i+1, len(ss)):
        back_len += len(ss[index])
    return front_len, back_len


def extract_servicetime(text):
    list_servicetime = []
    word, text_index_list = re_serviceTime(text)
    # print(word, text_index_list)
    for i in range(len(text_index_list)):
        word_list = word.split(" ")
        d = {"body": word_list[i], "begin_index": text_index_list[i][0], "end_index": text_index_list[i][1]}
        if len(word_list[i]) <= 35:
            list_servicetime.append(d)
    # print(list_servicetime)

    return list_servicetime


if __name__ == '__main__':
    s = """
    4、其他：无

合同履行期限：双方签订合同后30天内

本项目( 不接受 )联合体投标。

二、申请人的资格要求：

1.满足《中华人民共和国政府采购法》第二十二条规定；

2.落实政府采购政策需满足的资格要求：

2.1具备《政府采购法》第二十二条规定的条件,且提供以下证明文件：

（1）在中华人民共和国境内注册的法人或其他组织或自然人， 投标（响应）时提交有效的营业执照（或事业法人登记证或身份证等相关证明）副本复印件。

（2）有依法缴纳税收和社会保障资金的良好记录：提供投标截止日前6个月内任意1个月依法缴纳税收和社会保障资金的相关材料。如依法免税或不需要缴纳社会保障资金的，提供相应证明材料。

（3）供应商必须具有良好的商业信誉和健全的财务会计制度（提供2020年度财务状况报告或基本开户行出具的资信证明）。

（4）履行合同所必需的设备和专业技术能力的证明材料或书面声明。

（5）参加政府采购活动前 3 年内在经营活动中没有重大违法记录的书面声明。

（6）信用记录：供应商未被列入“信用中国”网站(www.creditchina.gov.cn)“记录失信被执行人或重大税收违法案件当事人名单”记录名单； 不处于中国政府采购网(www.ccgp.gov.cn)“政府采购严重违法失信行为信息记录”中的禁止参加政府采购活动期间。
    """
    # s = "自合同签订之日起至2022-6-30 自合同签订之日起至2022-07-30"
    print(extract_servicetime(s))

    # df = pd.read_csv("C:\\Users\\admin\\Desktop\\serviceTime_text.csv")
    # result_list = []
    # for index, row in df.iterrows():
    #     result = extract_servicetime(row["text"])
    #     result_list.append(str(result))
    #
    # df["new_word"] = pd.DataFrame(result_list)
    # df.to_csv("C:\\Users\\admin\\Desktop\\serviceTime_text_new.csv")