zbparse/flask_app/货物标/技术参数要求提取后处理函数.py

import json
import re
import string
from collections import OrderedDict
from collections import defaultdict
#传输技术参数需求的时候后处理
def get_suffix(n):
    """
    根据数字n返回对应的字母后缀。
    1 -> 'a', 2 -> 'b', ..., 26 -> 'z', 27 -> 'aa', 28 -> 'ab', ...
    """
    suffix = ''
    while n > 0:
        n, r = divmod(n - 1, 26)
        suffix = chr(97 + r) + suffix
    return suffix


def extract_matching_keys(data, good_list, special_keys=None):
    """
    过滤字典中的键值对，保留键名符合good_list中元素的项。
    对于重复的键名，添加后缀-a, -b, 等以确保唯一性。
    对于特殊键，使用“父键的键”格式命名。

    参数:
    - data (dict): 输入的嵌套字典。
    - good_list (list): 包含需要匹配的键名的列表。
    - special_keys (list): 需要特殊处理的键名列表。

    返回:
    - dict: 筛选后的字典，包含符合条件的键值对。
    """
    if special_keys is None:
        special_keys = []

    # 编译正则表达式模式，匹配good_list中的元素，允许后面跟随“-数字”
    patterns = [re.compile(r'^' + re.escape(g) + r'(?:-\d+)?$') for g in good_list]

    # 第一遍遍历：统计每个键名出现的次数（排除特殊键）
    key_counter = defaultdict(int)
    for top_key, nested_dict in data.items():
        for inner_key in nested_dict.keys():
            if inner_key in special_keys:
                continue
            if any(pattern.match(inner_key) for pattern in patterns):
                key_counter[inner_key] += 1

    # 初始化用于跟踪每个重复键当前使用的后缀编号
    suffix_map = {key: 0 for key, count in key_counter.items() if count > 1}

    def get_suffix_label(key):
        """
        根据当前计数获取字母后缀，并更新suffix_map。
        """
        suffix_map[key] += 1
        return get_suffix(suffix_map[key])

    # 第二遍遍历：根据统计结果添加后缀或特殊命名
    filtered_data = {}

    for top_key, nested_dict in data.items():
        for inner_key, values in nested_dict.items():
            if any(pattern.match(inner_key) for pattern in patterns):
                if inner_key in special_keys:
                    # 对于特殊键，使用“父键的键”命名
                    new_key = f"{top_key}的{inner_key}"
                else:
                    if key_counter[inner_key] > 1:
                        # 对于重复键，添加后缀
                        suffix = get_suffix_label(inner_key)
                        new_key = f"{inner_key}-{suffix}"
                    else:
                        new_key = inner_key
                filtered_data[new_key] = values

    return filtered_data

def postprocess(data):
    """递归地转换字典中的值为列表，如果所有键对应的值都是'/', '{}' 或 '未知'"""
    def convert_dict(value):
        # 如果所有值是'/', '{}' 或 '未知'
        if all(v in ['/', '未知', {}] for v in value.values()):
            return list(value.keys())
        else:
            # 如果不满足条件，则递归处理嵌套的字典
            return {k: convert_dict(v) if isinstance(v, dict) else v for k, v in value.items()}

    # 递归处理顶层数据
    return {key: convert_dict(val) if isinstance(val, dict) else val for key, val in data.items()}


def all_postprocess(data):
    temp = restructure_data(data)

    def recursive_process(item):
        if isinstance(item, dict):
            return {k: recursive_process(v) for k, v in item.items()}
        elif isinstance(item, list):
            return remove_common_prefixes(item)
        else:
            return item

    processed_data = recursive_process(temp)
    return processed_data
def detect_depth(data):
    """
    Detects the depth of the nested dictionary.
    """
    if isinstance(data, dict):
        return 1 + max((detect_depth(v) for v in data.values()), default=0)
    elif isinstance(data, list):
        return 1  # Lists are considered the terminal layer
    else:
        return 0  # Base case for non-nested elements


def restructure_data(data):
    """
    Restructure data to normalize levels of nesting.
    If depth is 2 throughout, return as-is.
    If both 2 and 3 levels exist, restructure to align to 3-layer format.
    """
    # Check if data contains mixed 2-layer and 3-layer structures
    has_two_layers = False
    has_three_layers = False

    for key, value in data.items():
        if isinstance(value, dict):
            has_three_layers = True
        elif isinstance(value, list):
            has_two_layers = True
        else:
            raise ValueError(f"Unexpected data format for key '{key}': {type(value)}")

    # If only 2-layer, return as-is
    if has_two_layers and not has_three_layers:
        return data

    # If mixed or only 3-layer, normalize to 3-layer
    structured_data = {}
    for key, value in data.items():
        if isinstance(value, dict):
            # Already a 3-layer structure, keep as is
            structured_data[key] = value
        elif isinstance(value, list):
            # Convert 2-layer structure to 3-layer
            structured_data[key] = {key: value}

    return structured_data

# 定义获取所有以'：'结尾的前缀的函数
def get_prefixes(s):
    prefixes = []
    for i in range(len(s)):
        if s[i] == '：':
            prefixes.append(s[:i+1])
    return prefixes

# 定义删除公共前缀的函数
def remove_common_prefixes(string_list):
    # 构建前缀到字符串集合的映射
    prefix_to_strings = {}
    for s in string_list:
        prefixes = get_prefixes(s)
        unique_prefixes = set(prefixes)
        for prefix in unique_prefixes:
            if prefix not in prefix_to_strings:
                prefix_to_strings[prefix] = set()
            prefix_to_strings[prefix].add(s)
    # 找出至少在两个字符串中出现的前缀
    prefixes_occuring_in_multiple_strings = [prefix for prefix, strings in prefix_to_strings.items() if len(strings) >=2]
    # 对每个字符串，找到其匹配的最长前缀并删除
    new_string_list = []
    for s in string_list:
        applicable_prefixes = [prefix for prefix in prefixes_occuring_in_multiple_strings if s.startswith(prefix)]
        if applicable_prefixes:
            # 找到最长的前缀
            longest_prefix = max(applicable_prefixes, key=len)
            # 删除前缀
            new_s = s[len(longest_prefix):]
            new_string_list.append(new_s)
        else:
            new_string_list.append(s)
    return new_string_list

if __name__ == "__main__":
    # 示例数据
    sample_data = {
        "交通信号机": [
            "★应采用区域控制信号机，并应与广水市交通信号控制系统兼容，信号机能接入已有系统平台，实现联网优化功能。",
            "1、控制功能：（1）区域协调控制：可对单个孤立交叉口、干道多个交叉口和关联性较强的交叉口群进行综合性地信号控制。",
            "1、控制功能：（2）线性协调控制：可对干道多个相邻交叉口进行协调控制。",
            "1、控制功能：（3）多时段控制：可根据交叉口的交通状况，将每天划分为多个不同的时段，每个时段配置不同的控制方案，能设置至少 10个时段、10种以上不同控制方案，能根据不同周日类型对方案进行调整。信号机能够根据内置时钟选择各个时段的控制方案，实现交叉口的合理控制。",
            "2、采集功能：（1）信号机支持接入线圈、地磁、视频、微波、超声波检测器、RFID等多种检测方式。",
            "2、采集功能：（2）信号机支持交通信息采集与统计,并支持交通流量共享。",
            "3、运维功能：（1）信号机能够自动检测地磁故障，若故障，能够自动上传故障信息至监控中心。"
        ],
        "高清视频抓拍像机": [
            "1：摄像机：有效像素：≥900W像素",
            "1：摄像机：最低照度：彩色≤0.001lx",
            "1：摄像机：传感器类型：≥1英寸全局曝光 COMS/GMOS/GS COMS",
            "1：摄像机：电子快门：至少满足 1/25s至 1/100,000s，可调",
            "2：视频图像：视频压缩标准：至少支持 H264、H265等",
            "2：视频图像：视频分辨率：≥4096×2160，向下可设置",
        ],
    }
    # 处理数据
    result = all_postprocess(sample_data)
    # 输出处理结果
    print(json.dumps(result,ensure_ascii=False,indent=4))