1.10

flask_app/general/投标人须知正文提取指定内容.py

@@ -5,8 +5,9 @@ from flask_app.general.json_utils import clean_json_string
 from flask_app.general.model_continue_query import process_continue_answers
 from flask_app.general.通义千问long import upload_file, qianwen_long_stream
 
-#提取两个大标题之间的内容
+
-def extract_between_sections(data, target_values):
+# 提取两个大标题之间的内容
+def extract_between_sections(data, target_values, flag=False):
     target_found = False
     extracted_data = {}
     current_section_title = ""
@@ -17,7 +18,7 @@ def extract_between_sections(data, target_values):
     # 遍历所有键值对
     for key, value in data.items():
         # 只匹配形如 "一": "竞争性磋商响应文件" 的章节标题
-        if section_pattern.match(key):           #匹配到大标题...
+        if section_pattern.match(key):  # 匹配到大标题...
             if target_found:
                 # 如果已经找到了符合的章节，并且遇到了另一个章节
                 # 保存当前块并重置
@@ -27,9 +28,10 @@ def extract_between_sections(data, target_values):
                 target_found = False
 
             # 检查当前标题是否包含 target_values 中的任意关键词
-            if any(tv in value for tv in target_values) and not file_pattern.search(value):
+            if any(tv in value for tv in target_values):
-                target_found = True  # 找到了目标章节，开始捕获后续内容
+                if (flag and not file_pattern.search(value)) or not flag:
-                current_section_title = value  # 保存章节标题内容
+                    target_found = True  # 找到了目标章节，开始捕获后续内容
+                    current_section_title = value  # 保存章节标题内容
 
         elif target_found:  # 匹配到普通序号...
             current_block[key] = value
@@ -40,7 +42,8 @@ def extract_between_sections(data, target_values):
 
     return extracted_data
 
-#生成无结构的数据货物标
+
+# 生成无结构的数据货物标
 def postprocess_formatted1(section_content):
     # print(json.dumps(section_content, ensure_ascii=False, indent=4))
     """
@@ -77,7 +80,8 @@ def postprocess_formatted1(section_content):
 
     return concatenated
 
-#-----------以下为直接从序号中提取，无大标题的相关函数----------
+
+# -----------以下为直接从序号中提取，无大标题的相关函数----------
 
 # 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):
@@ -92,6 +96,8 @@ def find_keys_by_value(target_value, json_data):
 def find_keys_with_prefix(key_prefix, json_data):
     subheadings = [k for k in json_data if k.startswith(key_prefix)]
     return subheadings
+
+
 def extract_json(data, target_values):
     results = {}
     for target_value in target_values:
@@ -113,7 +119,8 @@ def extract_json(data, target_values):
                 results[subkey] = data[subkey]
     return results
 
-#生成无结构的数据工程标,对提取出的若干键值对，生成外键为target_value，值为列表的新键值对
+
+# 生成无结构的数据工程标,对提取出的若干键值对，生成外键为target_value，值为列表的新键值对
 def postprocess_formatted2(data, target_values):
     """
     从输入字典中提取目标值对应的章节，并为每个子章节添加缩进。
@@ -183,6 +190,7 @@ def postprocess_formatted2(data, target_values):
 
     return result
 
+
 def get_requirements_with_gpt(merged_baseinfo_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。
@@ -216,7 +224,7 @@ def get_requirements_with_gpt(merged_baseinfo_path, selection):
         #          }
         #         }
         # """,
-        1:"""请根据提供的招标文件内容，提取其中有关投标文件的要求、内容，并以 JSON 格式返回结果。
+        1: """请根据提供的招标文件内容，提取其中有关投标文件的要求、内容，并以 JSON 格式返回结果。
     格式要求：
         - 外层键名应为文中提到的有关投标文件相关要求、内容的大项概览性标题。
         - 对于每个大项下的具体要求内容，有以下两种组织方式：
@@ -234,7 +242,7 @@ def get_requirements_with_gpt(merged_baseinfo_path, selection):
     禁止内容：
         - 确保所有输出内容均基于提供的实际招标文件内容，不使用任何预设的示例作为回答。
         - 预设的示例中的外层键名仅供格式参考，以文中实际内容为主。
-            
+
     示例格式（**不要**在回答中包含此内容，仅供参考）：
     {
         "投标的语言":"投标人提交的投标文件以及投标人与集中采购机构或采购人就有关投标的所有来往函电均应使用中文。",
@@ -271,7 +279,7 @@ def get_requirements_with_gpt(merged_baseinfo_path, selection):
         #         }
         #     }
         # """,
-        2:"""该招标文件中有关开标、评标、定标、中标要求、内容(或磋商流程内容)是什么？请以 JSON 格式返回结果。
+        2: """该招标文件中有关开标、评标、定标、中标要求、内容(或磋商流程内容)是什么？请以 JSON 格式返回结果。
     格式要求：
         - 外层键名应为文中提到的有关开标、评标、定标、中标要求或磋商流程内容的大项概览性标题。
         - 对于每个大项下的子要求，使用嵌套的键值对进行组织。
@@ -283,7 +291,7 @@ def get_requirements_with_gpt(merged_baseinfo_path, selection):
     禁止内容：
         - 确保所有输出内容均基于提供的实际招标文件内容，不使用任何预设的示例作为回答。
         - 预设的示例中的外层键名仅供格式参考，以文中实际内容为主。
-        
+
     示例格式（**不要**在回答中包含此内容，仅供参考）：
     {
         "开标": {
@@ -324,11 +332,11 @@ def get_requirements_with_gpt(merged_baseinfo_path, selection):
     # 调用大模型并处理响应
     try:
         questions_to_continue = []
-        qianwen_res = qianwen_long_stream(file_id, user_query,2,1,True)
+        qianwen_res = qianwen_long_stream(file_id, user_query, 2, 1, True)
         message = qianwen_res[0]
         parsed = clean_json_string(message)
         total_tokens = qianwen_res[1]
-        if not parsed and total_tokens >5900:
+        if not parsed and total_tokens > 5900:
             questions_to_continue.append((user_query, message))
             if questions_to_continue:
                 continued_results = process_continue_answers(questions_to_continue, 3, file_id)
@@ -338,6 +346,7 @@ def get_requirements_with_gpt(merged_baseinfo_path, selection):
     except Exception as e:
         return {"error": "调用大模型失败"}
 
+
 # 读取JSON数据，提取内容，转换结构，并打印结果
 def extract_from_notice(merged_baseinfo_path, clause_path, type):
     """
@@ -361,12 +370,12 @@ def extract_from_notice(merged_baseinfo_path, clause_path, type):
     # 映射 type 到 target_values
     type_target_map = {
         1: ["投标", "投标文件", "响应文件"],
-        2: ["开标", "评标", "定标", "评审", "成交", "合同", "磋商","谈判","中标", "程序", "步骤"],
+        2: ["开标", "评标", "定标", "评审", "成交", "合同", "磋商", "谈判", "中标", "程序", "步骤"],
         3: ["重新招标、不再招标和终止招标", "重新招标", "重新采购", "不再招标", "不再采购", "终止招标", "终止采购"],
         4: ["评标"]  # 测试
     }
-
     # 获取对应 type 的 target_values
+    flag = (type == 2)
     target_values = type_target_map.get(type)
     if not target_values:
         print(f"Error: Invalid type specified: {type}. Use 1, 2, 3, or 4.")
@@ -378,7 +387,7 @@ def extract_from_notice(merged_baseinfo_path, clause_path, type):
                 data = json.load(file)
             if len(data) >= 60:
                 # 尝试使用大章节筛选
-                extracted_data = extract_between_sections(data, target_values)
+                extracted_data = extract_between_sections(data, target_values, flag)
                 if extracted_data:
                     # 后处理并返回结果
                     extracted_data_concatenated = {
@@ -402,12 +411,13 @@ def extract_from_notice(merged_baseinfo_path, clause_path, type):
         print(f"Error occurred while processing clause_path '{clause_path}': {e}")
         return DEFAULT_RESULT
 
+
 if __name__ == "__main__":
     # file_path = 'C:\\Users\\Administrator\\Desktop\\fsdownload\\3bffaa84-2434-4bd0-a8ee-5c234ccd7fa0\\clause1.json'
-    merged_baseinfo_path=r"C:\Users\Administrator\Desktop\fsdownload\ec7d5328-9c57-450f-baf4-2e5a6f90ed1d\tmp\merged_baseinfo_path_more.pdf"
+    merged_baseinfo_path = r"C:\Users\Administrator\Desktop\fsdownload\b29de31a-297e-42cf-b9ba-6859e530a472\ztbfile_merged_baseinfo.pdf"
-    clause_path=r"C:\Users\Administrator\Desktop\fsdownload\ec7d5328-9c57-450f-baf4-2e5a6f90ed1d\tmp\clause1.json"
+    clause_path = r"C:\Users\Administrator\Desktop\fsdownload\b29de31a-297e-42cf-b9ba-6859e530a472\clause1.json"
     try:
-        res = extract_from_notice(merged_baseinfo_path,clause_path, 2)  # 可以改变此处的 type 参数测试不同的场景
+        res = extract_from_notice(merged_baseinfo_path, clause_path, 1)  # 可以改变此处的 type 参数测试不同的场景
         res2 = json.dumps(res, ensure_ascii=False, indent=4)
         print(res2)
     except ValueError as e: