# -*- coding: utf-8 -*-
"""
从招投标公告中提取招标人、中标人等关键信息
这个示例展示了如何使用 BidiRag 召回 HTML 公告中的内容片段，
并从中提取关键信息。
"""
import sys
import os
import re
sys.path.insert(0, os.path.dirname(os.path.dirname(os.path.abspath(__file__))))
from bdirag.bidi_rag import BidiRag
def extract_key_info(html_content):
"""从 HTML 内容中提取关键信息"""
from bs4 import BeautifulSoup
info = {}
try:
# 尝试使用 lxml，如果失败则使用内置的 html.parser
try:
soup = BeautifulSoup(html_content, 'lxml')
except:
soup = BeautifulSoup(html_content, 'html.parser')
# 查找所有表格行
for tr in soup.find_all('tr'):
cells = tr.find_all(['td', 'th'])
if len(cells) >= 2:
key = cells[0].get_text(strip=True)
value = cells[1].get_text(strip=True)
# 匹配关键字段
if '招标人' in key:
info['招标人'] = value
elif '采购人' in key and '意向' not in key:
info['采购人'] = value
elif '采购意向单位' in key:
info['采购意向单位'] = value
elif '中标人' in key:
info['中标人'] = value
elif '项目名称' in key or '采购项目名称' in key:
info['项目名称'] = value
elif '中标金额' in key:
info['中标金额'] = value
elif '预算金额' in key:
info['预算金额'] = value
except Exception as e:
# 如果解析失败，使用正则表达式作为后备
patterns = {
'招标人': r'| 招标人 | \s*([^<]+) | ',
'采购人': r'采购人 | \s*([^<]+) | ',
'采购意向单位': r'采购意向单位 | \s*([^<]+) | ',
'中标人': r'中标人 | \s*([^<]+) | ',
'项目名称': r'项目名称 | \s*([^<]+) | ',
'中标金额': r'中标金额 | \s*([^<]+) | ',
'预算金额': r'预算金额 | \s*([^<]+) | ',
}
for key, pattern in patterns.items():
match = re.search(pattern, html_content)
if match:
info[key] = match.group(1).strip()
return info
def demo_extract_bid_info():
"""演示从招投标公告中提取信息"""
print("=" * 80)
print("招投标公告信息提取示例")
print("=" * 80)
# 1. 初始化 BidiRag
print("\n[步骤 1] 初始化 BidiRag (使用 bm25_html_tree 方法)...")
rag = BidiRag(rag_method='bm25_html_tree')
# 2. 添加公告数据
print("\n[步骤 2] 添加招投标公告...")
announcements = [
"""
政府采购意向公告
| 采购意向单位 | 大连长兴岛经济技术开发区交流岛街道办事处 |
| 采购项目名称 | 交流岛滨海路夜间出行照明提升工程 |
| 预算金额 | 147.060000万元 |
| 采购品目 | 路灯照明工程 |
| 采购需求概况 | 在滨海路安装太阳能路灯200盏（单排） |
| 预计采购时间 | 2026-05 |
""",
"""
中标公告
| 采购人 | XX市财政局 |
| 项目名称 | 办公设备采购项目 |
| 中标人 | XX办公设备有限公司 |
| 中标金额 | 50万元 |
| 采购内容 | 电脑、打印机、复印机等办公设备 |
""",
"""
招标公告
| 招标人 | XX市交通运输局 |
| 项目名称 | 智慧交通系统建设项目 |
| 项目预算 | 5000万元 |
| 招标内容 | 交通信号控制系统、视频监控系统 |
| 投标截止时间 | 2024-06-15 |
""",
"""
中标结果公告
| 招标人 | XX市城市建设投资集团 |
| 中标人 | XX建设工程有限公司 |
| 项目名称 | 道路建设项目 |
| 中标金额 | 18500万元 |
| 建设内容 | 道路路基、路面、桥梁工程 |
"""
]
rag.add_texts(announcements)
print(f"✓ 已添加 {rag.get_document_count()} 个公告")
# 3. 检索招标人信息
print("\n" + "=" * 80)
print("[示例 1] 检索所有包含'招标人'或'采购人'的公告")
print("=" * 80)
# 使用 OR 逻辑：分别搜索
for keyword in ['招标人', '采购人', '采购意向单位']:
print(f"\n搜索关键词: '{keyword}'")
results = rag.search_keywords([keyword], top_k=10)
if results:
print(f"找到 {len(results)} 个相关公告:\n")
for i, doc in enumerate(results, 1):
print(f"--- 公告 {i} ---")
info = extract_key_info(doc.page_content)
for key, value in info.items():
print(f" {key}: {value}")
print()
else:
print("未找到相关结果\n")
# 4. 检索中标人信息
print("\n" + "=" * 80)
print("[示例 2] 检索所有包含'中标人'的公告")
print("=" * 80)
results = rag.search_keywords(['中标人'], top_k=10)
if results:
print(f"\n找到 {len(results)} 个中标公告:\n")
for i, doc in enumerate(results, 1):
print(f"--- 中标公告 {i} ---")
info = extract_key_info(doc.page_content)
for key, value in info.items():
print(f" {key}: {value}")
print()
# 5. 同时包含招标人和中标人的公告
print("\n" + "=" * 80)
print("[示例 3] 检索同时包含'招标人'和'中标人'的公告（完整项目信息）")
print("=" * 80)
results = rag.search_keywords(['招标人', '中标人'], top_k=10)
if results:
print(f"\n找到 {len(results)} 个完整项目公告:\n")
for i, doc in enumerate(results, 1):
print(f"--- 项目 {i} ---")
info = extract_key_info(doc.page_content)
# 分类显示
purchaser = info.get('招标人') or info.get('采购人')
winner = info.get('中标人')
project = info.get('项目名称')
amount = info.get('中标金额') or info.get('预算金额')
print(f" 招标人: {purchaser}")
print(f" 中标人: {winner}")
print(f" 项目: {project}")
print(f" 金额: {amount}")
print()
# 6. 检索特定类型项目
print("\n" + "=" * 80)
print("[示例 4] 检索特定项目类型")
print("=" * 80)
search_terms = [
(['路灯', '照明'], "照明工程"),
(['交通', '系统'], "交通系统"),
(['道路', '建设'], "道路建设"),
(['办公', '设备'], "办公设备"),
]
for keywords, category in search_terms:
print(f"\n搜索 '{category}' 相关项目:")
results = rag.search_keywords(keywords, top_k=5)
if results:
for i, doc in enumerate(results, 1):
info = extract_key_info(doc.page_content)
purchaser = info.get('招标人') or info.get('采购人') or info.get('采购意向单位')
project = info.get('项目名称')
amount = info.get('中标金额') or info.get('预算金额')
print(f" {i}. {project}")
print(f" 招标方: {purchaser}")
print(f" 金额: {amount}")
else:
print(" 未找到相关项目")
# 7. 总结
print("\n" + "=" * 80)
print("提取结果总结")
print("=" * 80)
# 统计所有公告
all_results = rag.search_keywords(['招标人', '采购人', '中标人'], top_k=100)
purchasers = set()
winners = set()
total_amount = 0
for doc in all_results:
info = extract_key_info(doc.page_content)
purchaser = info.get('招标人') or info.get('采购人') or info.get('采购意向单位')
if purchaser:
purchasers.add(purchaser)
winner = info.get('中标人')
if winner:
winners.add(winner)
amount_str = info.get('中标金额') or info.get('预算金额') or ''
# 提取金额数字（简单处理）
amount_match = re.search(r'(\d+(?:\.\d+)?)万', amount_str)
if amount_match:
total_amount += float(amount_match.group(1))
print(f"\n共处理 {len(all_results)} 个公告")
print(f"涉及招标方 {len(purchasers)} 个:")
for p in purchasers:
print(f" - {p}")
print(f"\n涉及中标方 {len(winners)} 个:")
for w in winners:
print(f" - {w}")
print(f"\n项目总金额: 约 {total_amount:.2f} 万元")
print("\n" + "=" * 80)
print("示例完成！")
print("=" * 80)
if __name__ == "__main__":
demo_extract_bid_info()