# -*- coding: utf-8 -*-
"""
使用 BidiRag 召回 HTML 树节点内容片段示例
参考 test_bm25.py 的 test_bm25_html_tree() 方法
展示如何从 HTML 树结构中召回相关节点片段
"""
import sys
import os
sys.path.insert(0, os.path.dirname(os.path.dirname(os.path.abspath(__file__))))
from bdirag.bidi_rag import BidiRag
def demo_tree_node_retrieval():
"""演示如何召回 HTML 树节点片段"""
print("=" * 80)
print("BidiRag - HTML 树节点片段召回示例")
print("=" * 80)
# 1. 初始化 BidiRag（使用 bm25_html_tree 方法）
print("\n[步骤 1] 初始化 BidiRag (使用 bm25_html_tree 方法)...")
rag = BidiRag(rag_method='bm25_html_tree')
# 2. 准备 HTML 文档
print("\n[步骤 2] 添加 HTML 公告...")
sample_html = """
XX市第一人民医院医疗设备招标公告
一、项目概况
项目名称：XX市第一人民医院彩色多普勒超声诊断仪采购项目
项目编号：XX-ZB-2024-001
预算金额：500万元
采购内容：彩色多普勒超声诊断仪 1台
二、投标人资格要求
1. 具有独立承担民事责任的能力
2. 具有有效的医疗器械经营许可证
3. 近三年内无不良经营记录
4. 投标保证金：人民币5万元整
三、技术需求
1. 彩色多普勒超声诊断仪技术参数
- 探头配置：腹部凸阵探头、高频线阵探头、心脏相控阵探头
- 显示屏：≥19英寸高清液晶显示器
- 质保期：整机质保三年
2. 交货时间：合同签订后60天内交货
3. 交货地点：XX市第一人民医院设备科
四、评标方法
采用综合评分法：
- 技术部分：60分
- 商务部分：30分
- 价格部分：10分
五、付款方式
合同签订后支付30%，交货验收合格后支付65%，质保期满后支付5%
六、投标截止时间
投标截止时间：2024年12月31日上午9:30
开标时间：同投标截止时间
投标文件递交地点：XX市公共资源交易中心
"""
rag.add_texts([sample_html])
print("✓ HTML 文档已添加")
# 3. 测试不同查询，召回树节点片段
test_queries = [
("预算金额", ["预算", "Budget"]),
("投标保证金", ["保证金", "Bond"]),
("技术参数 探头", ["探头", "technical"]),
("评标方法 综合评分", ["评标", "综合评分"]),
("质保期", ["质保", "Warranty"]),
("付款方式", ["付款", "Payment"]),
("交货时间", ["交货", "Delivery"]),
]
print("\n" + "=" * 80)
print("开始召回测试")
print("=" * 80)
for query, keywords in test_queries:
print(f"\n{'=' * 80}")
print(f"查询: {query}")
print(f"{'-' * 80}")
# 使用 retrieve 方法召回树节点片段
results = rag.retrieve(
query=query,
top_k=3,
keywords=keywords
)
print(f"召回 {len(results)} 个树节点片段:\n")
# 评估相关性
relevant_count = 0
for i, (doc, score) in enumerate(results, 1):
# 从 metadata 中获取路径信息
path = doc.metadata.get("path", "")
title = doc.metadata.get("title", "")
# 检查相关性
is_relevant = any(kw.lower() in doc.page_content.lower() for kw in keywords)
if is_relevant:
relevant_count += 1
marker = "[✓]"
else:
marker = "[ ]"
print(f" 片段 {i} {marker} (分数: {score:.4f})")
print(f" 路径: {path}")
print(f" 内容:")
# 显示内容片段（前200字符）
content_preview = doc.page_content[:200].replace("\n", " ")
print(f" {content_preview}...")
print()
# 计算精确度
precision = relevant_count / len(results) if results else 0
print(f" 精确度@3: {precision:.1%}")
print("\n" + "=" * 80)
print("示例完成！")
print("=" * 80)
print("\n说明:")
print("1. 使用 bm25_html_tree 方法可以召回 HTML 树结构的节点片段")
print("2. 每个片段包含完整的路径信息（parent path）")
print("3. 内容片段保留了层级结构信息")
print("4. 通过 keywords 参数可以过滤和精化召回结果")
if __name__ == "__main__":
demo_tree_node_retrieval()