zy123/zbparse
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

10.30健壮性优化

Browse Source
This commit is contained in:
zy123 2024-10-30 20:41:19 +08:00
parent 2137b1c55a
commit 0288a27d1c
10 changed files with 322 additions and 413 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

98
flask_app/general/投标人须知正文提取指定内容.py
View File

@ -1,16 +1,14 @@
# common.py
import re import re
from functools import cmp_to_key from functools import cmp_to_key
from flask_app.general.json_utils import clean_json_string
from flask_app.general.通义千问long import upload_file, qianwen_long
def compare_headings(a, b): def compare_headings(a, b):
"""
比较两个标题，用于排序。
"""
a_nums = [int(num) for num in a[0].rstrip('.').split('.') if num.isdigit()] a_nums = [int(num) for num in a[0].rstrip('.').split('.') if num.isdigit()]
b_nums = [int(num) for num in b[0].rstrip('.').split('.') if num.isdigit()] b_nums = [int(num) for num in b[0].rstrip('.').split('.') if num.isdigit()]
return (a_nums > b_nums) - (a_nums < b_nums) return (a_nums > b_nums) - (a_nums < b_nums)
def preprocess_data(data): def preprocess_data(data):
""" """
预处理数据，自动添加缺失的父层级键，并按数字顺序排序。 预处理数据，自动添加缺失的父层级键，并按数字顺序排序。
@ -32,10 +30,10 @@ def preprocess_data(data):
return sorted_data return sorted_data
# 转换结构化的JSON数据
#No parent found at level 1 for key '24.2'. Check the data structure.
def transform_json(data): def transform_json(data):
"""
转换结构化的JSON数据。
"""
result = {} result = {}
temp = {0: result} # 初始化根字典 temp = {0: result} # 初始化根字典
data=preprocess_data(data) data=preprocess_data(data)
@ -58,6 +56,7 @@ def transform_json(data):
continue continue
if len(levels) == 1: # 一级标题 if len(levels) == 1: # 一级标题
# 新增逻辑：判断值中是否有 ':' 或 '：'，并进行拆分
# 优先按 '\n' 拆分 # 优先按 '\n' 拆分
if '\n' in value: if '\n' in value:
new_key, *new_value = value.split('\n', 1) new_key, *new_value = value.split('\n', 1)
@ -110,10 +109,8 @@ def transform_json(data):
return remove_single_item_lists(result) return remove_single_item_lists(result)
# 主要是处理键值中若存在若干序号且每个序号块的内容>=50字符的时候，用列表表示。
def post_process(value): def post_process(value):
"""
处理字符串，将其根据特定的序号模式分割成列表，每个块至少包含50个字符。
"""
# 如果传入的是非字符串值，直接返回原值 # 如果传入的是非字符串值，直接返回原值
if not isinstance(value, str): if not isinstance(value, str):
return value return value
@ -162,12 +159,6 @@ def post_process(value):
return processed_blocks return processed_blocks
def process_nested_data(data): def process_nested_data(data):
"""
递归处理嵌套的数据结构（字典和列表）。
对最内层的字符串值应用 post_process 函数。
post_process 函数尝试将长字符串按特定模式分割成块，每块至少包含50个中英文字符。
如果字典中所有值都是 ""、"/" 或空列表，则返回'键'的列表。
"""
# 先检查是否所有值都是 ""、"/" 或空列表 # 先检查是否所有值都是 ""、"/" 或空列表
if isinstance(data, dict) and all(v == "" or v == "/" or (isinstance(v, list) and not v) for v in data.values()): if isinstance(data, dict) and all(v == "" or v == "/" or (isinstance(v, list) and not v) for v in data.values()):
return list(data.keys()) return list(data.keys())
@ -189,3 +180,74 @@ def process_nested_data(data):
else: else:
# 到达最内层，处理非字典和非列表的元素（字符串） # 到达最内层，处理非字典和非列表的元素（字符串）
return post_process(data) return post_process(data)
def get_requirements_with_gpt(invalid_path, selection):
"""
根据 selection 的值选择相应的用户查询，并调用大模型获取要求。
Args:
invalid_path (str): 无效文件的路径，用于上传。
selection (int): 选择的类型（1、2 或 3）。
Returns:
dict: 大模型返回的要求结果，或错误信息。
"""
# 上传文件并获取 file_id
file_id = upload_file(invalid_path)
# 定义 selection 对应的用户查询
user_queries = {
1: """
该招标文件中对投标文件的要求是什么？你需要从'编写要求'、'格式要求'、'承诺书要求'、'递交要求'四个角度来回答，其中'格式'可以从投标文件格式要求、标记要求、装订要求、文件数量要求角度说明，'递交要求'可以从投标地点、投标文件交标方式、投标文件的修改与撤回角度说明，请以json格式返回给我结果，外层键名分别为'编写要求'，'格式'，'承诺书要求'，'递交要求'，你可以用嵌套键值对组织回答，嵌套键名为你对相关子要求的总结，而嵌套键名应该完全与原文内容保持一致，不得擅自总结删减，如果原文中未提及相关内容，在键值中填'未知'。输出格式示例如下：
{
"编写要求":"投标函的编写要求xxx；法定代表人身份证明要求xx",
"格式要求":{
"投标文件格式要求":"投标文件格式要求",
"标记要求":"投标文件标记要求",
"装订要求":"投标文件装订要求",
"文件数量":"投标文件文件数量要求"
},
"承诺书要求":"未知",
"递交要求":{
"投标地点":"使用加密其投标文件的CA数字证书（企业锁）登录“电子交易系统”，进入“开标大厅”选择所投标段进行签到，并实时在线关注招标人的操作情况。",
"投标文件交标方式":"线上开标",
"投标文件的修改与撤回":"在投标人须知前附表规定的投标有效期内，投标人不得要求撤销或修改其投标文件。出现特殊情况需要延长投标有效期的，招标人以书面形式通知所有投标人延长投标有效期。投标人同意延长的，应相应延长其投标保证金的有效期，但不得要求或被允许修改或撤销其投标文件；投标人拒绝延长的，其投标失效，但投标人有权收回其投标保证金。"
}
}
""",
2: """
该招标文件中开评定标要求是什么？你需要从'开标'、'开标异议'、'评标'、'定标'四个角度回答，其中'评标'可以从特殊情况的处置、评标办法及流程、评标委员会的组建角度来说明，'定标'可以从定标流程、履约能力的审查角度来说明，请以json格式返回给我结果，外层键名分别为'开标'、'开标异议'、'评标'、'定标'，你可以用嵌套键值对组织回答，嵌套键名为你对相关子要求的总结，而嵌套键名应该完全与原文内容保持一致，不得擅自总结删减，如果原文中未提及相关内容，在键值中填'未知'。输出格式示例如下：
{
"开标":"招标文件关于项目开标的要求",
"开标异议":"招标文件中关于开标异议的项",
"评标":{
"特殊情况的处置":"因“电子交易系统”系统故障导致无法投标的，交易中心及时通知招标人，招标人视情况决定是否顺延投标截止时间。因投标人自身原因导致无法完成投标的，由投标人自行承担后果。",
"评标办法及流程":"评标流程",
"评标委员会的组建":"评标由招标人依法组建的评标委员会负责。评标委员会由招标人或其委托的招标代理机构熟悉相关业务的代表，以及有关技术、经济等方面的专家组成。"
},
"定标":{
"定标流程":"定标流程",
"履约能力的审查":"履约能力的审查"
}
}
""",
3: """
该招标文件中重新招标、不再招标、终止招标的情况分别是什么？请以json格式返回给我结果，键名分别为'重新招标'，'不再招标'，'终止招标'，键值应该完全与原文内容保持一致，不得擅自总结删减，如果原文中未提及相关内容，在键值中填'未知'。示例输出如下：
{
"重新招标":"有下列情形之一的，招标人将重新招标：（1）投标截止时间止，投标人少于3个的；（2）经评标委员会评审后否决所有投标的；",
"不再招标":"重新招标后投标人仍少于3个或者所有投标被否决的，属于必须审批或核准的工程建设项目，经原审批或核准部门批准后不再进行招标。",
"终止招标":"未知"
}
"""
}
# 根据 selection 选择相应的 user_query
user_query = user_queries.get(selection)
if not user_query:
return {"error": f"无效的 selection 值: {selection}. 请选择 1、2 或 3。"}
# 调用大模型并处理响应
try:
res = qianwen_long(file_id, user_query)
cleaned_res = clean_json_string(res)
return cleaned_res
except Exception as e:
return {"error": "调用大模型失败"}

22
flask_app/general/通用功能函数.py
View File

@ -1,6 +1,28 @@
import ast import ast
import re import re
from flask_app.general.json_utils import clean_json_string
from flask_app.general.多线程提问 import multi_threading
from flask_app.general.通义千问long import upload_file
from flask_app.main.判断是否分包等 import read_questions_from_judge
def process_judge_questions(judge_file_path, chosen_numbers, baseinfo_path, baseinfo_list1):
judge_questions = read_questions_from_judge(judge_file_path, chosen_numbers)
judge_consortium = judge_consortium_bidding(baseinfo_list1)
if judge_consortium:
judge_consortium_question = (
"该招标文件对于联合体投标的要求是怎样的，请按json格式给我提供信息，"
"外层键名为'联合体投标要求'，其中有一个嵌套键值对为：\"是否接受联合体投标\":\"是\""
)
judge_questions.append(judge_consortium_question)
file_id3 = upload_file(baseinfo_path)
res2 = multi_threading(judge_questions, "", file_id3, 2)
if not res2:
print("基础信息整合： multi_threading error!")
else:
for question, response in res2:
baseinfo_list1.append(clean_json_string(response))
def judge_consortium_bidding(baseinfo_list): def judge_consortium_bidding(baseinfo_list):
updated_list = [] updated_list = []

4
flask_app/main/start_up.py
View File

@ -386,8 +386,8 @@ def process_and_stream(file_url, zb_type):
} }
yield f"data: {json.dumps(response, ensure_ascii=False)}\n\n" yield f"data: {json.dumps(response, ensure_ascii=False)}\n\n"
base_end_time=time.time()
logger.info("开始后处理：保存文件+发送提取之后的数据") logger.info(f"分段解析完成，耗时：{base_end_time - start_time:.2f} 秒")
# **保存 combined_data 到 output_folder 下的 'final_result.json'** # **保存 combined_data 到 output_folder 下的 'final_result.json'**
output_json_path = os.path.join(output_folder, 'final_result.json') output_json_path = os.path.join(output_folder, 'final_result.json')
extracted_info_path=os.path.join(output_folder, 'extracted_result.json') extracted_info_path=os.path.join(output_folder, 'extracted_result.json')

51
flask_app/main/基础信息整合快速版.py
View File

@ -3,7 +3,7 @@ import json
import time import time
import concurrent.futures import concurrent.futures
from flask_app.general.json_utils import clean_json_string, rename_outer_key from flask_app.general.json_utils import clean_json_string, rename_outer_key
from flask_app.general.通用功能函数 import judge_consortium_bidding from flask_app.general.通用功能函数 import judge_consortium_bidding, process_judge_questions
from flask_app.main.投标人须知正文提取指定内容 import extract_from_notice from flask_app.main.投标人须知正文提取指定内容 import extract_from_notice
from flask_app.main.判断是否分包等 import read_questions_from_judge, merge_json_to_list from flask_app.main.判断是否分包等 import read_questions_from_judge, merge_json_to_list
from flask_app.general.多线程提问 import read_questions_from_file, multi_threading from flask_app.general.多线程提问 import read_questions_from_file, multi_threading
@ -123,25 +123,6 @@ def update_baseinfo_lists(baseinfo_list1, baseinfo_list2):
return updated_list return updated_list
def process_judge_questions(judge_file_path, chosen_numbers, tobidders_notice_table, baseinfo_list1):
judge_questions = read_questions_from_judge(judge_file_path, chosen_numbers)
judge_consortium = judge_consortium_bidding(baseinfo_list1)
if judge_consortium:
judge_consortium_question = (
"该招标文件对于联合体投标的要求是怎样的，请按json格式给我提供信息，"
"外层键名为'联合体投标要求'，其中有一个嵌套键值对为：\"是否接受联合体投标\":\"是\""
)
judge_questions.append(judge_consortium_question)
file_id3 = upload_file(tobidders_notice_table)
res2 = multi_threading(judge_questions, "", file_id3, 2)
if not res2:
print("基础信息整合： multi_threading error!")
else:
for question, response in res2:
baseinfo_list1.append(clean_json_string(response))
def process_baseinfo_list(baseinfo_list, tobidders_notice): def process_baseinfo_list(baseinfo_list, tobidders_notice):
questions_list = [] questions_list = []
for item in baseinfo_list: for item in baseinfo_list:
@ -177,55 +158,37 @@ def combine_basic_info(invalid_path,merged_baseinfo_path, tobidders_notice_table
""" """
baseinfo_prompt_file_path = 'flask_app/static/提示词/基本信息工程标qianwen-long.txt' baseinfo_prompt_file_path = 'flask_app/static/提示词/基本信息工程标qianwen-long.txt'
# baseinfo_prompt_file_path = 'D:\\flask_project\\flask_app\\static\\提示词\\基本信息工程标qianwen-long.txt'
file_id1 = upload_file(merged_baseinfo_path) file_id1 = upload_file(merged_baseinfo_path)
questions = read_questions_from_file(baseinfo_prompt_file_path) questions = read_questions_from_file(baseinfo_prompt_file_path)
# 判断是否分包、是否需要递交投标保证金等
more_query = "请你根据招标文件信息，回答以下问题：是否组织踏勘现场？是否召开投标预备会？是否允许偏离？是否退还投标文件？是否允许分包? 是否需要递交投标保证金？是否需要提交履约保证金（履约担保）？是否有招标代理服务费？请按json格式给我提供信息，键名分别为'是否组织踏勘现场','是否召开投标预备会','是否允许偏离','是否退还投标文件',是否允许分包','是否递交投标保证金','是否提交履约保证金','是否有招标代理服务费',键值仅限于'是','否','未知',若存在矛盾信息，请回答'未知'。" more_query = "请你根据招标文件信息，回答以下问题：是否组织踏勘现场？是否召开投标预备会？是否允许偏离？是否退还投标文件？是否允许分包? 是否需要递交投标保证金？是否需要提交履约保证金（履约担保）？是否有招标代理服务费？请按json格式给我提供信息，键名分别为'是否组织踏勘现场','是否召开投标预备会','是否允许偏离','是否退还投标文件',是否允许分包','是否递交投标保证金','是否提交履约保证金','是否有招标代理服务费',键值仅限于'是','否','未知',若存在矛盾信息，请回答'未知'。"
questions.append(more_query) questions.append(more_query)
baseinfo_results = multi_threading(questions, "", file_id1, 2) baseinfo_results = multi_threading(questions, "", file_id1, 2)
# 清理 JSON 字符串
baseinfo_list1 = [clean_json_string(res) for _, res in baseinfo_results] if baseinfo_results else [] baseinfo_list1 = [clean_json_string(res) for _, res in baseinfo_results] if baseinfo_results else []
chosen_numbers, merged = merge_json_to_list(baseinfo_list1.pop()) chosen_numbers, merged = merge_json_to_list(baseinfo_list1.pop())
baseinfo_list1_copy = copy.deepcopy(baseinfo_list1) baseinfo_list1_copy = copy.deepcopy(baseinfo_list1)
baseinfo_list1.append(merged) baseinfo_list1.append(merged)
judge_file_path = 'flask_app/static/提示词/是否相关问题qianwen-long.txt' judge_file_path = 'flask_app/static/提示词/是否相关问题qianwen-long.txt'
# judge_file_path = 'D:\\flask_project\\flask_app\\static\\提示词\\是否相关问题qianwen-long.txt'
with concurrent.futures.ThreadPoolExecutor(max_workers=2) as executor: with concurrent.futures.ThreadPoolExecutor(max_workers=3) as executor:
# 提交两个任务 # 提交两个任务
future1 = executor.submit(process_judge_questions, judge_file_path, chosen_numbers, tobidders_notice_table, future1 = executor.submit(process_judge_questions, judge_file_path, chosen_numbers, tobidders_notice_table, baseinfo_list1)
baseinfo_list1)
future2 = executor.submit(process_baseinfo_list, baseinfo_list1_copy, tobidders_notice) future2 = executor.submit(process_baseinfo_list, baseinfo_list1_copy, tobidders_notice)
future3 = executor.submit(extract_from_notice, invalid_path, clause_path, 3) # 新增的多线程任务
# 等待两个任务完成并获取结果 # 等待两个任务完成并获取结果
future1.result() # process_judge_questions 直接修改 baseinfo_list1，不需要返回值 future1.result() # process_judge_questions 直接修改 baseinfo_list1，不需要返回值
baseinfo_list2 = future2.result() baseinfo_list2 = future2.result()
rebidding_situation = future3.result() # 获取提取失败的情况
# 如果需要，合并或处理 baseinfo_list1 和 baseinfo_list2
updated_list = update_baseinfo_lists(baseinfo_list1, baseinfo_list2) updated_list = update_baseinfo_lists(baseinfo_list1, baseinfo_list2)
rebidding_situation = extract_from_notice(clause_path, 3) #提取失败的情况
if rebidding_situation:
update_json = rename_outer_key(rebidding_situation, "重新招标、不再招标和终止招标") update_json = rename_outer_key(rebidding_situation, "重新招标、不再招标和终止招标")
else:
user_query="""
该招标文件中重新招标、不再招标、终止招标的情况分别是什么？请以json格式返回给我结果，键名分别为'重新招标'，'不再招标'，'终止招标'，键值应该完全与原文内容保持一致，不得擅自总结删减，如果原文中未提及相关内容，在键值中填'未知'。示例输出如下：
{
"重新招标":"有下列情形之一的，招标人将重新招标：（1）投标截止时间止，投标人少于3个的；（2）经评标委员会评审后否决所有投标的；",
"不再招标":"重新招标后投标人仍少于3个或者所有投标被否决的，属于必须审批或核准的工程建设项目，经原审批或核准部门批准后不再进行招标。",
"终止招标":"未知"
}
"""
file_id=upload_file(invalid_path)
res=clean_json_string(qianwen_long(file_id,user_query))
update_json=rename_outer_key(res,"重新招标、不再招标和终止招标")
updated_list.append(update_json) updated_list.append(update_json)
aggregated_baseinfo = aggregate_basic_info_engineering(updated_list) aggregated_baseinfo = aggregate_basic_info_engineering(updated_list)
return {"基础信息": aggregated_baseinfo} return {"基础信息": aggregated_baseinfo}
# TODO:先不带投标人须知正文，如果是未知，再直接问正文， # TODO:先不带投标人须知正文，如果是未知，再直接问正文，
if __name__ == "__main__": if __name__ == "__main__":
start_time = time.time() start_time = time.time()

94
flask_app/main/工程标解析main.py
View File

@ -3,6 +3,8 @@ import json
import logging import logging
import time import time
from concurrent.futures import ThreadPoolExecutor from concurrent.futures import ThreadPoolExecutor
from flask_app.general.投标人须知正文提取指定内容 import get_requirements_with_gpt
from flask_app.main.截取pdf import truncate_pdf_multiple from flask_app.main.截取pdf import truncate_pdf_multiple
from flask_app.main.table_content_extraction import extract_tables_main from flask_app.main.table_content_extraction import extract_tables_main
from flask_app.main.投标人须知正文条款提取成json文件 import convert_clause_to_json from flask_app.main.投标人须知正文条款提取成json文件 import convert_clause_to_json
@ -31,7 +33,7 @@ executor = ThreadPoolExecutor()
def preprocess_files(output_folder, downloaded_file_path, file_type,unique_id): def preprocess_files(output_folder, downloaded_file_path, file_type,unique_id):
logger.info("starting 文件预处理...") logger.info("starting 文件预处理...")
logger.info("output_folder..." + output_folder) logger.info("output_folder..." + output_folder)
start_time=time.time()
# 根据文件类型处理文件路径 # 根据文件类型处理文件路径
if file_type == 1: # docx if file_type == 1: # docx
docx_path = downloaded_file_path docx_path = downloaded_file_path
@ -67,8 +69,8 @@ def preprocess_files(output_folder, downloaded_file_path, file_type,unique_id):
merged_baseinfo_path=truncate_files[-1] merged_baseinfo_path=truncate_files[-1]
clause_path = convert_clause_to_json(tobidders_notice, output_folder) # 投标人须知正文条款pdf->json clause_path = convert_clause_to_json(tobidders_notice, output_folder) # 投标人须知正文条款pdf->json
end_time=time.time()
logger.info("文件预处理done") logger.info(f"文件预处理 done，耗时：{end_time - start_time:.2f} 秒")
# 返回包含预处理后文件路径的字典 # 返回包含预处理后文件路径的字典
return { return {
@ -106,8 +108,9 @@ def post_processing(data,includes):
return result return result
# 基本信息 # 基本信息
def fetch_project_basic_info(invalid_path,merged_baseinfo_path, tobidders_notice_table, tobidders_notice, clause_path): # 投标人须知前附表 def fetch_project_basic_info(invalid_path, merged_baseinfo_path, tobidders_notice_table, tobidders_notice, clause_path):
logger.info("starting 基础信息...") logger.info("starting 基础信息...")
start_time = time.time()
if not merged_baseinfo_path: if not merged_baseinfo_path:
merged_baseinfo_path = invalid_path merged_baseinfo_path = invalid_path
if not tobidders_notice_table: if not tobidders_notice_table:
@ -115,38 +118,36 @@ def fetch_project_basic_info(invalid_path,merged_baseinfo_path, tobidders_notice
if not tobidders_notice: if not tobidders_notice:
tobidders_notice = invalid_path tobidders_notice = invalid_path
basic_res = combine_basic_info(invalid_path, merged_baseinfo_path, tobidders_notice_table, tobidders_notice, clause_path) basic_res = combine_basic_info(invalid_path, merged_baseinfo_path, tobidders_notice_table, tobidders_notice, clause_path)
logger.info("基础信息done") end_time = time.time()
logger.info(f"基础信息 done，耗时：{end_time - start_time:.2f} 秒")
return basic_res return basic_res
# 形式、响应、资格评审 # 形式、响应、资格评审
def fetch_qualification_review(evaluation_method, qualification, output_folder, truncate0_jsonpath, clause_path, invalid_path, merged_baseinfo_path): def fetch_qualification_review(evaluation_method, qualification, output_folder, truncate0_jsonpath, clause_path, invalid_path, merged_baseinfo_path):
logger.info("starting 资格审查...") logger.info("starting 资格审查...")
start_time = time.time()
if not evaluation_method: if not evaluation_method:
evaluation_method = invalid_path evaluation_method = invalid_path
if not merged_baseinfo_path: if not merged_baseinfo_path:
merged_baseinfo_path = invalid_path merged_baseinfo_path = invalid_path
review_standards_res = combine_review_standards(evaluation_method, qualification,output_folder, truncate0_jsonpath, review_standards_res = combine_review_standards(evaluation_method, qualification, output_folder, truncate0_jsonpath, clause_path, invalid_path, merged_baseinfo_path)
clause_path,invalid_path,merged_baseinfo_path) end_time = time.time()
logger.info("资格审查done") logger.info(f"资格审查 done，耗时：{end_time - start_time:.2f} 秒")
return review_standards_res return review_standards_res
# 评分细则 流式 # 评分细则 流式
def fetch_evaluation_standards(invalid_path,evaluation_method): # 评标办法前附表 def fetch_evaluation_standards(invalid_path, evaluation_method):
logger.info("starting 商务标和技术标...") logger.info("starting 商务标和技术标...")
start_time = time.time()
if not evaluation_method: if not evaluation_method:
evaluation_method = invalid_path evaluation_method = invalid_path
# 获取评标办法前附表的字典结果
evaluation_standards_res = combine_evaluation_standards(evaluation_method) evaluation_standards_res = combine_evaluation_standards(evaluation_method)
# 获取技术标和商务标
technical_standards = {"技术评分": evaluation_standards_res.get("技术评分", {})} technical_standards = {"技术评分": evaluation_standards_res.get("技术评分", {})}
commercial_standards = {"商务评分": evaluation_standards_res.get("商务评分", {})} commercial_standards = {"商务评分": evaluation_standards_res.get("商务评分", {})}
end_time = time.time()
logger.info("商务标和技术标 done") logger.info(f"商务标和技术标 done，耗时：{end_time - start_time:.2f} 秒")
# 返回将 "技术标" 和 "商务标" 包含在新的键中
return { return {
"technical_standards": technical_standards, "technical_standards": technical_standards,
"commercial_standards": commercial_standards "commercial_standards": commercial_standards
@ -155,67 +156,32 @@ def fetch_evaluation_standards(invalid_path,evaluation_method): # 评标办法
# 无效、废标项解析 # 无效、废标项解析
def fetch_invalid_requirements(invalid_docpath, output_folder, truncate0_jsonpath, clause_path, qualification): def fetch_invalid_requirements(invalid_docpath, output_folder, truncate0_jsonpath, clause_path, qualification):
# 废标项要求：千问
logger.info("starting 无效标与废标...") logger.info("starting 无效标与废标...")
start_time = time.time()
find_invalid_res = combine_find_invalid(invalid_docpath, output_folder, truncate0_jsonpath, clause_path, qualification) find_invalid_res = combine_find_invalid(invalid_docpath, output_folder, truncate0_jsonpath, clause_path, qualification)
logger.info("无效标与废标done...") end_time = time.time()
logger.info(f"无效标与废标 done，耗时：{end_time - start_time:.2f} 秒")
return find_invalid_res return find_invalid_res
# 投标文件要求 # 投标文件要求
def fetch_bidding_documents_requirements(invalid_path, clause_path): def fetch_bidding_documents_requirements(invalid_path, clause_path):
logger.info("starting 投标文件要求...") logger.info("starting 投标文件要求...")
fetch_bidding_documents_requirements_json = extract_from_notice(clause_path, 1) start_time = time.time()
if not fetch_bidding_documents_requirements_json: selection = 1
file_id=upload_file(invalid_path) fetch_bidding_documents_requirements_json = extract_from_notice(invalid_path, clause_path, selection)
user_query=""" end_time = time.time()
该招标文件中对投标文件的要求是什么？你需要从'编写要求'、'格式要求'、'承诺书要求'、'递交要求'四个角度来回答，其中'格式'可以从投标文件格式要求、标记要求、装订要求、文件数量要求角度说明，'递交要求'可以从投标地点、投标文件交标方式、投标文件的修改与撤回角度说明，请以json格式返回给我结果，外层键名分别为'编写要求'，'格式'，'承诺书要求'，'递交要求'，你可以用嵌套键值对组织回答，嵌套键名为你对相关子要求的总结，而嵌套键名应该完全与原文内容保持一致，不得擅自总结删减，如果原文中未提及相关内容，在键值中填'未知'。输出格式示例如下： logger.info(f"投标文件要求 done，耗时：{end_time - start_time:.2f} 秒")
{
"编写要求":"投标函的编写要求xxx；法定代表人身份证明要求xx",
"格式要求":{
"投标文件格式要求":"投标文件格式要求",
"标记要求":"投标文件标记要求",
"装订要求":"投标文件装订要求",
"文件数量":"投标文件文件数量要求"
},
"承诺书要求":"未知",
"递交要求":{
"投标地点":"使用加密其投标文件的CA数字证书（企业锁）登录“电子交易系统”，进入“开标大厅”选择所投标段进行签到，并实时在线关注招标人的操作情况。",
"投标文件交标方式":"线上开标",
"投标文件的修改与撤回":"在投标人须知前附表规定的投标有效期内，投标人不得要求撤销或修改其投标文件。出现特殊情况需要延长投标有效期的，招标人以书面形式通知所有投标人延长投标有效期。投标人同意延长的，应相应延长其投标保证金的有效期，但不得要求或被允许修改或撤销其投标文件；投标人拒绝延长的，其投标失效，但投标人有权收回其投标保证金。"
}
}
"""
res=qianwen_long(file_id, user_query)
fetch_bidding_documents_requirements_json=clean_json_string(res)
logger.info("投标文件要求done...")
return {"投标文件要求": fetch_bidding_documents_requirements_json} return {"投标文件要求": fetch_bidding_documents_requirements_json}
# 开评定标流程 # 开评定标流程
def fetch_bid_opening(invalid_path, clause_path): def fetch_bid_opening(invalid_path, clause_path):
logger.info("starting 开评定标流程...") logger.info("starting 开评定标流程...")
fetch_bid_opening_json = extract_from_notice(clause_path, 2) start_time = time.time()
if not fetch_bid_opening_json: selection = 2
user_query = """ fetch_bid_opening_json = extract_from_notice(invalid_path, clause_path, selection)
该招标文件中开评定标要求是什么？你需要从'开标'、'开标异议'、'评标'、'定标'四个角度回答，其中'评标'可以从特殊情况的处置、评标办法及流程、评标委员会的组建角度来说明，'定标'可以从定标流程、履约能力的审查角度来说明，请以json格式返回给我结果，外层键名分别为'开标'、'开标异议'、'评标'、'定标'，你可以用嵌套键值对组织回答，嵌套键名为你对相关子要求的总结，而嵌套键名应该完全与原文内容保持一致，不得擅自总结删减，如果原文中未提及相关内容，在键值中填'未知'。输出格式示例如下： end_time = time.time()
{ logger.info(f"开评定标流程 done，耗时：{end_time - start_time:.2f} 秒")
"开标":"招标文件关于项目开标的要求",
"开标异议":"招标文件中关于开标异议的项",
"评标":{
"特殊情况的处置":"因“电子交易系统”系统故障导致无法投标的，交易中心及时通知招标人，招标人视情况决定是否顺延投标截止时间。因投标人自身原因导致无法完成投标的，由投标人自行承担后果。"
"评标办法及流程":"评标流程",
"评标委员会的组建":"评标由招标人依法组建的评标委员会负责。评标委员会由招标人或其委托的招标代理机构熟悉相关业务的代表，以及有关技术、经济等方面的专家组成。"
}
"定标":{
"定标流程":"定标流程",
"履约能力的审查":"履约能力的审查"
}
}
"""
file_id = upload_file(invalid_path)
res = clean_json_string(qianwen_long(file_id, user_query))
fetch_bid_opening_json=clean_json_string(res)
logger.info("开评定标流程done...")
return {"开评定标流程": fetch_bid_opening_json} return {"开评定标流程": fetch_bid_opening_json}
#分段返回 #分段返回

105
flask_app/main/投标人须知正文提取指定内容.py
View File

@ -1,32 +1,56 @@
# script1.py
import json import json
import re import re
from common import ( from flask_app.general.投标人须知正文提取指定内容 import process_nested_data, transform_json, get_requirements_with_gpt
compare_headings,
preprocess_data,
transform_json,
post_process,
process_nested_data,
)
# 对于每个target_value元素，如果有完美匹配json_data中的键，那就加入这个完美匹配的键名，否则，把全部模糊匹配到的键名都加入 # 对于每个target_value元素，如果有完美匹配json_data中的键，那就加入这个完美匹配的键名，否则，把全部模糊匹配到的键名都加入
def find_keys_by_value(target_value, json_data): def find_keys_by_value(target_value, json_data):
matched_keys = [k for k, v in json_data.items() if v == target_value] # 首先检查 JSON 中的每个键值对，如果值完全等于目标值，则将这些键收集起来。 matched_keys = [k for k, v in json_data.items() if v == target_value] # 首先检查 JSON 中的每个键值对，如果值完全等于目标值，则将这些键收集起来。
if not matched_keys: if not matched_keys:
matched_keys = [ matched_keys = [k for k, v in json_data.items() if
k isinstance(v, str) and v.startswith(target_value)] # 如果没有找到完全匹配的键，它会检查字符串类型的值是否以目标值开头，并收集这些键。
for k, v in json_data.items() return matched_keys # eg:[3.1,3.1.1,3.1.2,3.2...]
if isinstance(v, str) and v.startswith(target_value)
] # 如果没有找到完全匹配的键，它会检查字符串类型的值是否以目标值开头，并收集这些键。
return matched_keys # 例如：[3.1,3.1.1,3.1.2,3.2...]
# 定义查找以特定前缀开始的键的函数，例如：若 match_keys 中有 3.1，那么以 3.1 为前缀的键都会被找出来，如 3.1.1、3.1.2...
# 定义查找以特定前缀开始的键的函数，eg:若match_keys中有3.1，那么以3.1为前缀的键都会被找出来，如3.1.1 3.1.2...
def find_keys_with_prefix(key_prefix, json_data): def find_keys_with_prefix(key_prefix, json_data):
subheadings = [k for k in json_data if k.startswith(key_prefix)] subheadings = [k for k in json_data if k.startswith(key_prefix)]
return subheadings return subheadings
# 从完整的 JSON 文件中读取所需数据，例如：投标、评标
# 从完整的json文件中读取所需数据，eg:投标、评标
# def extract_json(data, target_values):
# results = {}
#
# # 遍历所有目标值
# for target_value in target_values:
# # 找到所有与目标值匹配的键
# matched_keys = find_keys_by_value(target_value, data)
#
# for key in matched_keys:
# # 查找所有以该键为前缀的子键，限制只提取直接子项
# key_and_subheadings = find_keys_with_prefix(key, data)
#
# for subkey in key_and_subheadings:
# # 如果子键有多级结构（比如 '7.2.1'），并且是直接子项
# if "." in subkey:
# parent_key = subkey.rsplit('.', 1)[0]
# top_level_key = parent_key.split('.')[0] + '.'
#
# # 确保顶级键不会重复添加
# if top_level_key not in results:
# results[top_level_key] = data[top_level_key]
#
# # 添加或更新父级键
# if parent_key not in results:
# if parent_key in data:
# results[parent_key] = data[parent_key]
#
# # 添加当前子键和它的值
# if subkey in data:
# results[subkey] = data[subkey]
#
# return results
def extract_json(data, target_values): def extract_json(data, target_values):
results = {} results = {}
for target_value in target_values: for target_value in target_values:
@ -35,8 +59,8 @@ def extract_json(data, target_values):
key_and_subheadings = find_keys_with_prefix(key, data) key_and_subheadings = find_keys_with_prefix(key, data)
for subkey in key_and_subheadings: for subkey in key_and_subheadings:
if "." in subkey: if "." in subkey:
parent_key = subkey.rsplit(".", 1)[0] parent_key = subkey.rsplit('.', 1)[0]
top_level_key = parent_key.split(".")[0] + "." top_level_key = parent_key.split('.')[0] + '.'
# 特别处理定标相关的顶级键，确保不会重复添加其他键 # 特别处理定标相关的顶级键，确保不会重复添加其他键
if top_level_key not in results: if top_level_key not in results:
results[top_level_key] = target_value results[top_level_key] = target_value
@ -48,8 +72,35 @@ def extract_json(data, target_values):
results[subkey] = data[subkey] results[subkey] = data[subkey]
return results return results
# 读取 JSON 数据，提取内容，转换结构，并返回结果 def sort_clean_data_keys(data):
def extract_from_notice(clause_path, type): # 预处理：删除键名中的空格
def preprocess_key(key):
return re.sub(r'\s+', '', key)
# 将键转换成由整数构成的元组，作为排序依据
def key_func(key):
return tuple(int(part) for part in re.split(r'\D+', key) if part)
# 创建一个新的字典，键名经过预处理
preprocessed_data = {preprocess_key(key): value for key, value in data.items()}
# 对预处理后的字典键进行排序
sorted_keys = sorted(preprocessed_data.keys(), key=key_func)
# 创建一个新的字典，按照排序后的键添加键值对
sorted_data = {key: preprocessed_data[key] for key in sorted_keys}
return sorted_data
"""
递归处理嵌套的数据结构（字典和列表）。
对最内层的字符串值应用 post_process 函数。
post_process 函数尝试将长字符串按特定模式分割成块，每块至少包含50个中英文字符。
如果字典中所有值都是 ""、"/" 或空列表，则返回'键'的列表。
"""
# 读取JSON数据，提取内容，转换结构，并打印结果
def extract_from_notice(invalid_path,clause_path, type):
if type == 1: if type == 1:
target_values = ["投标","投标文件","响应文件"] target_values = ["投标","投标文件","响应文件"]
elif type == 2: elif type == 2:
@ -60,20 +111,20 @@ def extract_from_notice(clause_path, type):
target_values = ["评标"] # 测试 target_values = ["评标"] # 测试
else: else:
raise ValueError( raise ValueError(
"Invalid type specified. Use 1 for '投标文件, 投标' or 2 for '开标, 评标, 定标' or 3 for '重新招标'" "Invalid type specified. Use 1 for '投标文件, 投标' or 2 for '开标, 评标, 定标'or 3 for '重新招标'")
) with open(clause_path, 'r', encoding='utf-8') as file:
with open(clause_path, "r", encoding="utf-8") as file:
data = json.load(file) data = json.load(file)
extracted_data = extract_json(data, target_values) # 读取 JSON extracted_data = extract_json(data, target_values) # 读取json
# print(json.dumps(extracted_data,ensure_ascii=False,indent=4)) # print(json.dumps(extracted_data,ensure_ascii=False,indent=4))
sorted_data = preprocess_data(extracted_data) # 对输入的字典 data 的键进行预处理和排序 sorted_data = sort_clean_data_keys(extracted_data) # 对输入的字典 data 的键进行预处理和排序
transformed_data = transform_json(sorted_data) transformed_data = transform_json(sorted_data)
# print(json.dumps(transformed_data,ensure_ascii=False,indent=4)) # print(json.dumps(transformed_data,ensure_ascii=False,indent=4))
final_result = process_nested_data(transformed_data) final_result = process_nested_data(transformed_data)
if not final_result:
final_result = get_requirements_with_gpt(invalid_path, type)
return final_result return final_result
if __name__ == "__main__": if __name__ == "__main__":
# 测试代码
# file_path = 'C:\\Users\\Administrator\\Desktop\\fsdownload\\3bffaa84-2434-4bd0-a8ee-5c234ccd7fa0\\clause1.json' # file_path = 'C:\\Users\\Administrator\\Desktop\\fsdownload\\3bffaa84-2434-4bd0-a8ee-5c234ccd7fa0\\clause1.json'
file_path="C:\\Users\\Administrator\\Desktop\\招标文件\\special_output\\clause1.json" file_path="C:\\Users\\Administrator\\Desktop\\招标文件\\special_output\\clause1.json"
try: try:

55
flask_app/货物标/基础信息解析main.py
View File

@ -2,12 +2,13 @@
import json import json
import threading import threading
import time import time
import concurrent.futures
from flask_app.general.json_utils import clean_json_string from flask_app.general.json_utils import clean_json_string
from flask_app.general.通用功能函数 import judge_consortium_bidding from flask_app.general.通用功能函数 import judge_consortium_bidding, process_judge_questions
from flask_app.general.多线程提问 import read_questions_from_file, multi_threading from flask_app.general.多线程提问 import read_questions_from_file, multi_threading
from flask_app.general.通义千问long import upload_file from flask_app.general.通义千问long import upload_file
from flask_app.main.判断是否分包等 import merge_json_to_list, read_questions_from_judge from flask_app.main.判断是否分包等 import merge_json_to_list, read_questions_from_judge
from flask_app.货物标.投标人须知正文提取指定内容货物标版 import extract_from_notice
from flask_app.货物标.提取采购需求main import fetch_procurement_reqs from flask_app.货物标.提取采购需求main import fetch_procurement_reqs
@ -35,6 +36,7 @@ def aggregate_basic_info_goods(baseinfo_list):
], ],
"保证金相关": ["质量保证金"], "保证金相关": ["质量保证金"],
"其他信息": [ "其他信息": [
"重新招标、不再招标和终止招标",
"投标费用承担", "投标费用承担",
"招标代理服务费", "招标代理服务费",
"是否退还投标文件" "是否退还投标文件"
@ -110,7 +112,7 @@ def dynamic_key_handling(key_groups, detected_keys):
if key not in group: if key not in group:
group.append(key) group.append(key)
def get_base_info(baseinfo_file_path): def get_base_info(baseinfo_file_path,clause_path):
file_id = upload_file(baseinfo_file_path) file_id = upload_file(baseinfo_file_path)
baseinfo_file_path='flask_app/static/提示词/基本信息货物标.txt' baseinfo_file_path='flask_app/static/提示词/基本信息货物标.txt'
# baseinfo_file_path = 'D:\\flask_project\\flask_app\\static\\提示词\\基本信息货物标.txt' # baseinfo_file_path = 'D:\\flask_project\\flask_app\\static\\提示词\\基本信息货物标.txt'
@ -121,35 +123,44 @@ def get_base_info(baseinfo_file_path):
baseinfo_list = [clean_json_string(res) for _, res in baseinfo_results] if baseinfo_results else [] baseinfo_list = [clean_json_string(res) for _, res in baseinfo_results] if baseinfo_results else []
chosen_numbers, merged = merge_json_to_list(baseinfo_list.pop()) chosen_numbers, merged = merge_json_to_list(baseinfo_list.pop())
baseinfo_list.append(merged) baseinfo_list.append(merged)
judge_file_path = 'flask_app/static/提示词/是否相关问题货物标.txt' judge_file_path = 'flask_app/static/提示词/是否相关问题货物标.txt'
# judge_file_path = 'D:\\flask_project\\flask_app\\static\\提示词\\是否相关问题货物标.txt' with concurrent.futures.ThreadPoolExecutor(max_workers=3) as executor:
judge_questions = read_questions_from_judge(judge_file_path, chosen_numbers) # 提交两个任务
# print(judge_questions) future1 = executor.submit(process_judge_questions, judge_file_path, chosen_numbers, baseinfo_file_path,
judge_consortium = judge_consortium_bidding(baseinfo_list) # 通过招标公告判断是否接受联合体投标 baseinfo_list)
future2 = executor.submit(extract_from_notice, baseinfo_file_path, clause_path, 3) # 新增的多线程任务
if judge_consortium: # 等待两个任务完成并获取结果
judge_consortium_question = ( future1.result() # process_judge_questions 直接修改 baseinfo_list，不需要返回值
"该招标文件对于联合体投标的要求是怎样的，请按json格式给我提供信息，" rebidding_situation = future2.result() # 获取提取失败的情况
"外层键名为'联合体投标要求'，其中有一个嵌套键值对为：\"是否接受联合体投标\":\"是\"" baseinfo_list.append(rebidding_situation)
) # # judge_file_path = 'D:\\flask_project\\flask_app\\static\\提示词\\是否相关问题货物标.txt'
judge_questions.append(judge_consortium_question) # judge_questions = read_questions_from_judge(judge_file_path, chosen_numbers)
res2 = multi_threading(judge_questions, "", file_id, 2) # 调用千问-long # # print(judge_questions)
if not res2: # judge_consortium = judge_consortium_bidding(baseinfo_list) # 通过招标公告判断是否接受联合体投标
print("基础信息整合： multi_threading error!") #
else: # if judge_consortium:
for question, response in res2: # judge_consortium_question = (
baseinfo_list.append(clean_json_string(response)) # "该招标文件对于联合体投标的要求是怎样的，请按json格式给我提供信息，"
# "外层键名为'联合体投标要求'，其中有一个嵌套键值对为：\"是否接受联合体投标\":\"是\""
# )
# judge_questions.append(judge_consortium_question)
# res2 = multi_threading(judge_questions, "", file_id, 2) # 调用千问-long
# if not res2:
# print("基础信息整合： multi_threading error!")
# else:
# for question, response in res2:
# baseinfo_list.append(clean_json_string(response))
return baseinfo_list return baseinfo_list
def combine_basic_info(baseinfo_file_path, procurement_file_path): def combine_basic_info(baseinfo_file_path, procurement_file_path,clause_path):
baseinfo_list = [] baseinfo_list = []
temp_list = [] temp_list = []
procurement_reqs = {} procurement_reqs = {}
# 定义一个线程函数来获取基础信息 # 定义一个线程函数来获取基础信息
def get_base_info_thread(): def get_base_info_thread():
nonlocal temp_list nonlocal temp_list
temp_list = get_base_info(baseinfo_file_path) temp_list = get_base_info(baseinfo_file_path,clause_path)
# 定义一个线程函数来获取采购需求 # 定义一个线程函数来获取采购需求
def fetch_procurement_reqs_thread(): def fetch_procurement_reqs_thread():
nonlocal procurement_reqs nonlocal procurement_reqs

183
flask_app/货物标/投标人须知正文提取指定内容货物标版.py
View File

@ -2,6 +2,8 @@ import json
import re import re
from functools import cmp_to_key from functools import cmp_to_key
from flask_app.general.投标人须知正文提取指定内容 import process_nested_data, transform_json, get_requirements_with_gpt
#提取两个大标题之间的内容 #提取两个大标题之间的内容
def extract_between_sections(data, target_values): def extract_between_sections(data, target_values):
@ -51,160 +53,6 @@ def process_with_outer_key(data):
return processed_data return processed_data
def compare_headings(a, b):
a_nums = [int(num) for num in a[0].rstrip('.').split('.') if num.isdigit()]
b_nums = [int(num) for num in b[0].rstrip('.').split('.') if num.isdigit()]
return (a_nums > b_nums) - (a_nums < b_nums)
def preprocess_data(data):
"""
预处理数据，自动添加缺失的父层级键，并按数字顺序排序。
"""
keys_to_add = set()
for key in data.keys():
parts = key.split('.')
if len(parts) > 1:
parent_key = parts[0] + '.'
if parent_key not in data:
keys_to_add.add(parent_key)
# 添加缺失的父层级键
for parent_key in keys_to_add:
data[parent_key] = parent_key.rstrip('.')
# 对键进行排序
sorted_data = dict(sorted(data.items(), key=cmp_to_key(compare_headings)))
return sorted_data
# 转换结构化的JSON数据
#No parent found at level 1 for key '24.2'. Check the data structure.
def transform_json(data):
result = {}
temp = {0: result} # 初始化根字典
data=preprocess_data(data)
# print(json.dumps(data,ensure_ascii=False,indent=4))
# 首先,创建一个临时字典用于检查是否存在三级标题
has_subkey = {}
for key in data.keys():
parts = key.split('.')
if len(parts) > 2 and parts[1]:
parent_key = parts[0] + '.' + parts[1]
has_subkey[parent_key] = True
for key, value in data.items():
match = re.match(r'(\d+)(?:\.(\d+))?(?:\.(\d+))?', key)
if match:
levels = [int(l) for l in match.groups() if l is not None]
if (len(levels) - 1) in temp:
parent = temp[len(levels) - 1]
else:
print(f"No parent found at level {len(levels) - 1} for key '{key}'. Check the data structure.")
continue
if len(levels) == 1: # 一级标题
# 新增逻辑：判断值中是否有 ':' 或 '：'，并进行拆分
# 优先按 '\n' 拆分
if '\n' in value:
new_key, *new_value = value.split('\n', 1)
new_key = new_key.strip()
new_value = new_value[0].strip() if new_value else ""
# 如果没有 '\n'，再检查 ':' 或 '：'，并进行拆分
elif ':' in value or '：' in value:
delimiter = ':' if ':' in value else '：'
new_key, new_value = value.split(delimiter, 1)
new_key = new_key.strip()
new_value = new_value.strip()
else:
new_key = value.strip()
new_value = ""
parent[new_key] = {}
if new_value:
parent[new_key][new_key] = new_value # 使用 new_key 作为键名，而不是固定的 "content"
temp[len(levels)] = parent[new_key]
elif len(levels) == 2: # 二级标题
new_key, *new_value = value.split('\n', 1)
new_key = new_key.strip()
new_value = new_value[0].strip() if new_value else ""
if f"{levels[0]}.{levels[1]}" in has_subkey:
parent[new_key] = [new_value] if new_value else []
else:
parent[new_key] = new_value
temp[len(levels)] = parent[new_key]
else: # 三级标题
if isinstance(parent, dict):
parent_key = list(parent.keys())[-1]
if isinstance(parent[parent_key], list):
parent[parent_key].append(value)
elif parent[parent_key]:
parent[parent_key] = [parent[parent_key], value]
else:
parent[parent_key] = [value]
elif isinstance(parent, list):
parent.append(value)
def remove_single_item_lists(node):
if isinstance(node, dict):
for key in list(node.keys()):
node[key] = remove_single_item_lists(node[key])
if isinstance(node[key], list) and len(node[key]) == 1:
node[key] = node[key][0]
return node
return remove_single_item_lists(result)
#主要是处理键值中若存在若干序号且每个序号块的内容>=50字符的时候，用列表表示。
def post_process(value):
# 如果传入的是非字符串值，直接返回原值
if not isinstance(value, str):
return value
# 定义可能的分割模式及其正则表达式
patterns = [
(r'\d+、', r'(?=\d+、)'), # 匹配 '1、'
(r'[（(]\d+[）)]', r'(?=[（(]\d+[）)])'), # 匹配 '(1)' 或 '（1）'
(r'\d+\.', r'(?=\d+\.)'), # 匹配 '1.'
(r'[一二三四五六七八九十]、', r'(?=[一二三四五六七八九十]、)'), # 匹配 '一、'、'二、' 等
(r'[一二三四五六七八九十]\.', r'(?=[一二三四五六七八九十]\.)') # 匹配 '一.'、'二.' 等
]
# 初始化用于保存最早匹配到的模式及其位置
first_match = None
first_match_position = len(value) # 初始值设为文本长度，确保任何匹配都会更新它
# 遍历所有模式，找到第一个出现的位置
for search_pattern, split_pattern_candidate in patterns:
match = re.search(search_pattern, value)
if match:
# 如果这个匹配的位置比当前记录的更靠前，更新匹配信息
if match.start() < first_match_position:
first_match = split_pattern_candidate
first_match_position = match.start()
# 如果找到了最早出现的匹配模式，使用它来分割文本
if first_match:
blocks = re.split(first_match, value)
else:
# 如果没有匹配的模式，保留原文本
blocks = [value]
processed_blocks = []
for block in blocks:
if not block:
continue
# 计算中英文字符总数，如果大于50，则加入列表
if block and len(re.findall(r'[\u4e00-\u9fff\w]', block)) >= 50:
processed_blocks.append(block.strip())
else:
# 如果发现有块长度小于50，返回原数据
return value
# 如果所有的块都符合条件，返回分割后的列表
return processed_blocks
""" """
递归处理嵌套的数据结构（字典和列表）。 递归处理嵌套的数据结构（字典和列表）。
@ -212,34 +60,11 @@ def post_process(value):
post_process 函数尝试将长字符串按特定模式分割成块，每块至少包含50个中英文字符。 post_process 函数尝试将长字符串按特定模式分割成块，每块至少包含50个中英文字符。
如果字典中所有值都是 ""、"/" 或空列表，则返回'键'的列表。 如果字典中所有值都是 ""、"/" 或空列表，则返回'键'的列表。
""" """
def process_nested_data(data):
# 先检查是否所有值都是 ""、"/" 或空列表
if isinstance(data, dict) and all(v == "" or v == "/" or (isinstance(v, list) and not v) for v in data.values()):
return list(data.keys())
# 递归遍历字典，处理最内层的字符串
if isinstance(data, dict):
# 如果当前项是字典，继续递归遍历其键值对
result = {}
for key, value in data.items():
processed_value = process_nested_data(value)
# 如果处理后的值是只有一个元素的列表，就直接使用该元素
if isinstance(processed_value, list) and len(processed_value) == 1:
result[key] = processed_value[0]
else:
result[key] = processed_value
return result
elif isinstance(data, list):
# 如果是列表，直接返回列表，保持原样
return data
else:
# 到达最内层，处理非字典和非列表的元素（字符串）
return post_process(data)
# 读取JSON数据，提取内容，转换结构，并打印结果 # 读取JSON数据，提取内容，转换结构，并打印结果
def extract_from_notice(clause_path, type): def extract_from_notice(invalid_path,clause_path, type):
""" """
从公告中提取特定类型的内容。 从公告中提取特定类型的内容。
Args: Args:
clause_path (str): 包含条款的JSON文件路径。 clause_path (str): 包含条款的JSON文件路径。
type (int): 提取的类型。 type (int): 提取的类型。
@ -280,6 +105,8 @@ def extract_from_notice(clause_path, type):
extracted_data = extract_between_sections(data, target_values) # 读取json，截取大标题之间的内容 extracted_data = extract_between_sections(data, target_values) # 读取json，截取大标题之间的内容
transformed_data = process_with_outer_key(extracted_data) transformed_data = process_with_outer_key(extracted_data)
final_result = process_nested_data(transformed_data) final_result = process_nested_data(transformed_data)
if not final_result:
final_result = get_requirements_with_gpt(invalid_path, type) #万一没用正则匹配到，那就调用大模型
return final_result return final_result
except Exception as e: except Exception as e:

47
flask_app/货物标/货物标解析main.py
View File

@ -30,6 +30,7 @@ executor = ThreadPoolExecutor()
def preprocess_files(output_folder, file_path, file_type): def preprocess_files(output_folder, file_path, file_type):
logger.info("starting 文件预处理...") logger.info("starting 文件预处理...")
start_time = time.time()
logger.info("output_folder..." + output_folder) logger.info("output_folder..." + output_folder)
# 根据文件类型处理文件路径 # 根据文件类型处理文件路径
@ -63,7 +64,8 @@ def preprocess_files(output_folder, file_path, file_type):
merged_baseinfo_path = truncate_files[6] # 合并封面+招标公告+投标人须知前附表+须知正文 merged_baseinfo_path = truncate_files[6] # 合并封面+招标公告+投标人须知前附表+须知正文
clause_path = convert_clause_to_json(tobidders_notice_path, output_folder) # 投标人须知正文条款pdf->json clause_path = convert_clause_to_json(tobidders_notice_path, output_folder) # 投标人须知正文条款pdf->json
logger.info("文件预处理done") end_time = time.time()
logger.info(f"文件预处理 done，耗时：{end_time - start_time:.2f} 秒")
# 提前返回，不等待 future_knowledge 完成，返回包含 Future 对象 # 提前返回，不等待 future_knowledge 完成，返回包含 Future 对象
return { return {
@ -79,60 +81,66 @@ def preprocess_files(output_folder, file_path, file_type):
'merged_baseinfo_path': merged_baseinfo_path 'merged_baseinfo_path': merged_baseinfo_path
} }
def fetch_project_basic_info(invalid_path,merged_baseinfo_path, procurement_file_path): # 投标人须知前附表 def fetch_project_basic_info(invalid_path, merged_baseinfo_path, procurement_file_path, clause_path):
logger.info("starting 基础信息...") logger.info("starting 基础信息...")
start_time = time.time()
if not merged_baseinfo_path: if not merged_baseinfo_path:
merged_baseinfo_path = invalid_path merged_baseinfo_path = invalid_path
basic_res = combine_basic_info(merged_baseinfo_path, procurement_file_path) basic_res = combine_basic_info(merged_baseinfo_path, procurement_file_path, clause_path)
base_info, good_list = post_process_baseinfo(basic_res) base_info, good_list = post_process_baseinfo(basic_res)
logger.info("基础信息done") end_time = time.time()
logger.info(f"基础信息 done，耗时：{end_time - start_time:.2f} 秒")
return base_info, good_list return base_info, good_list
def fetch_qualification_review(invalid_path,output_folder, qualification_path, notice_path): # 资格审查 def fetch_qualification_review(invalid_path, output_folder, qualification_path, notice_path):
logger.info("starting 资格审查...") logger.info("starting 资格审查...")
start_time = time.time()
review_standards_res = combine_qualification_review(invalid_path, output_folder, qualification_path, notice_path) review_standards_res = combine_qualification_review(invalid_path, output_folder, qualification_path, notice_path)
logger.info("资格审查done") end_time = time.time()
logger.info(f"资格审查 done，耗时：{end_time - start_time:.2f} 秒")
return review_standards_res return review_standards_res
def fetch_evaluation_standards(invalid_path,evaluation_method_path): # 评标细则 def fetch_evaluation_standards(invalid_path, evaluation_method_path):
logger.info("starting 商务评分和技术评分...") logger.info("starting 商务评分和技术评分...")
# 获取评标办法前附表的字典结果 start_time = time.time()
if not evaluation_method_path: if not evaluation_method_path:
evaluation_method_path = invalid_path evaluation_method_path = invalid_path
evaluation_standards_res = combine_evaluation_standards(evaluation_method_path) evaluation_standards_res = combine_evaluation_standards(evaluation_method_path)
# 获取技术标和商务标
technical_standards = {"技术评分": evaluation_standards_res.get("技术评分", {})} technical_standards = {"技术评分": evaluation_standards_res.get("技术评分", {})}
commercial_standards = {"商务评分": evaluation_standards_res.get("商务评分", {})} commercial_standards = {"商务评分": evaluation_standards_res.get("商务评分", {})}
logger.info("商务评分和技术评分done") end_time = time.time()
logger.info(f"商务评分和技术评分 done，耗时：{end_time - start_time:.2f} 秒")
# 返回将 "技术标" 和 "商务标" 包含在新的键中
return { return {
"technical_standards": technical_standards, "technical_standards": technical_standards,
"commercial_standards": commercial_standards "commercial_standards": commercial_standards
} }
def fetch_invalid_requirements(invalid_docpath, output_folder): def fetch_invalid_requirements(invalid_docpath, output_folder):
# 废标项要求：千问
logger.info("starting 无效标与废标...") logger.info("starting 无效标与废标...")
start_time = time.time()
find_invalid_res = combine_find_invalid(invalid_docpath, output_folder) find_invalid_res = combine_find_invalid(invalid_docpath, output_folder)
logger.info("无效标与废标done...") end_time = time.time()
logger.info(f"无效标与废标 done，耗时：{end_time - start_time:.2f} 秒")
return find_invalid_res return find_invalid_res
# 投标文件要求
def fetch_bidding_documents_requirements(clause_path): def fetch_bidding_documents_requirements(clause_path):
logger.info("starting 投标文件要求...") logger.info("starting 投标文件要求...")
start_time = time.time()
fetch_bidding_documents_requirements_json = extract_from_notice(clause_path, 1) fetch_bidding_documents_requirements_json = extract_from_notice(clause_path, 1)
logger.info("投标文件要求done...") end_time = time.time()
logger.info(f"投标文件要求 done，耗时：{end_time - start_time:.2f} 秒")
return {"投标文件要求": fetch_bidding_documents_requirements_json} return {"投标文件要求": fetch_bidding_documents_requirements_json}
# 开评定标流程 # 开评定标流程
def fetch_bid_opening(clause_path): def fetch_bid_opening(clause_path):
logger.info("starting 开评定标流程...") logger.info("starting 开评定标流程...")
start_time = time.time()
fetch_bid_opening_json = extract_from_notice(clause_path, 2) fetch_bid_opening_json = extract_from_notice(clause_path, 2)
logger.info("开评定标流程done...") end_time = time.time()
logger.info(f"开评定标流程 done，耗时：{end_time - start_time:.2f} 秒")
return {"开评定标流程": fetch_bid_opening_json} return {"开评定标流程": fetch_bid_opening_json}
@ -175,7 +183,6 @@ def post_process_baseinfo(base_info):
def goods_bid_main(output_folder, file_path, file_type, unique_id): def goods_bid_main(output_folder, file_path, file_type, unique_id):
global logger global logger
logger = get_global_logger(unique_id) logger = get_global_logger(unique_id)
# 预处理文件，获取处理后的数据 # 预处理文件，获取处理后的数据
processed_data = preprocess_files(output_folder, file_path, file_type) processed_data = preprocess_files(output_folder, file_path, file_type)
if not processed_data: if not processed_data:
@ -184,7 +191,7 @@ def goods_bid_main(output_folder, file_path, file_type, unique_id):
with concurrent.futures.ThreadPoolExecutor() as executor: with concurrent.futures.ThreadPoolExecutor() as executor:
# 立即启动不依赖 knowledge_name 和 index 的任务 # 立即启动不依赖 knowledge_name 和 index 的任务
futures = { futures = {
'evaluation_standards': executor.submit(fetch_evaluation_standards, 'evaluation_standards': executor.submit(fetch_evaluation_standards,processed_data['invalid_path'],
processed_data['evaluation_method_path']), processed_data['evaluation_method_path']),
'invalid_requirements': executor.submit(fetch_invalid_requirements, processed_data['invalid_docpath'], 'invalid_requirements': executor.submit(fetch_invalid_requirements, processed_data['invalid_docpath'],
output_folder), output_folder),
@ -192,7 +199,7 @@ def goods_bid_main(output_folder, file_path, file_type, unique_id):
processed_data['clause_path']), processed_data['clause_path']),
'opening_bid': executor.submit(fetch_bid_opening, processed_data['clause_path']), 'opening_bid': executor.submit(fetch_bid_opening, processed_data['clause_path']),
'base_info': executor.submit(fetch_project_basic_info, processed_data['invalid_path'],processed_data['merged_baseinfo_path'], 'base_info': executor.submit(fetch_project_basic_info, processed_data['invalid_path'],processed_data['merged_baseinfo_path'],
processed_data['procurement_path']), processed_data['procurement_path'],processed_data['clause_path']),
'qualification_review': executor.submit(fetch_qualification_review, processed_data['invalid_path'],output_folder, 'qualification_review': executor.submit(fetch_qualification_review, processed_data['invalid_path'],output_folder,
processed_data['qualification_path'], processed_data['qualification_path'],
processed_data['notice_path']), processed_data['notice_path']),

4
flask_app/货物标/资格审查main.py
View File

@ -412,6 +412,6 @@ if __name__ == "__main__":
qualification_path = "" qualification_path = ""
notice_path = "C:\\Users\\Administrator\\Desktop\\货物标\\output5\\094定稿-湖北工业大学轻武器模拟射击设备采购项目招标文件_notice.pdf" notice_path = "C:\\Users\\Administrator\\Desktop\\货物标\\output5\\094定稿-湖北工业大学轻武器模拟射击设备采购项目招标文件_notice.pdf"
# knowledge_name = "6.2视频会议docx" # knowledge_name = "6.2视频会议docx"
# merged_baseinfo_path = "C:\\Users\\Administrator\\Desktop\\货物标\\zboutpub\\merged_baseinfo.pdf" invalid_path = "C:\\Users\\Administrator\\Desktop\\fsdownload\\3395fc1b-432d-407d-a872-fc35e8475aef\\ztbfile_invalid.pdf"
res = combine_qualification_review(output_folder, qualification_path, notice_path, merged_baseinfo_path) res = combine_qualification_review(invalid_path,output_folder, qualification_path, notice_path)
print(json.dumps(res, ensure_ascii=False, indent=4)) print(json.dumps(res, ensure_ascii=False, indent=4))