2.7 添加注释

README.md

@@ -125,6 +125,32 @@ get_deviation.py、偏离表数据解析main.py用了process_functions_in_parall
 
 三级是*截取pdf通用函数.py*
 
+如何判断截取位置是否正确？根据output文件夹中的切分情况（打开各个文件查看是否切分准确，目前的逻辑主要是按大章切分，即'招标公告'章节）
+
+
+
+**如果切分不准确，如何定位正则表达式？**
+
+首先判断当前是工程标解析还是货物标解析，即zb_type=1还是2
+
+如果是2，那么是货物标解析，那么就是*截取pdf_main.py*调用*截取pdf货物标版*.py，如下图，selection=1代表截取'招标公告'，那么如果招标公告没有切准，就在这块修改。这里可以发现get_notice是通用函数，即*截取pdf通用函数.py*中的get_notice函数，那么继续往内部跳转。
+
+若开头没截准，就改begin_pattern，末尾没截准，就改end_pattern
+
+![1](md_files/18.png)
+
+![1](md_files/19.png)
+
+另外：在*截取pdf货物标版*.py中，还有extract_pages_twice函数，即第一次没有切分到之后，会运行该函数，这边又有一套begin_pattern和end_pattern，即二次提取
+
+
+
+**如何测试？**
+
+![1](md_files/20.png)
+
+输入pdf_path，和你要切分的序号，selection=1代表切公告，依次类推，可以看切出来的效果如何。
+
 
 
 **无效标和废标公共代码**

flask_app/routes/工程标解析main.py

@@ -41,7 +41,7 @@ def preprocess_files(output_folder, file_path, file_type,logger):
         return None
     # 调用截取PDF多次
     truncate_files = truncate_pdf_multiple(pdf_path, output_folder,logger,'engineering')
-    print("切割出的文件："+str(truncate_files))
+    # print("切割出的文件："+str(truncate_files))
 
     # 处理各个部分
     notice_path=truncate_files[0]     #招标公告

flask_app/routes/货物标解析main.py

@@ -33,7 +33,8 @@ def preprocess_files(output_folder, file_path, file_type,logger):
         return None
 
     # 调用截取PDF多次
-    truncate_files = truncate_pdf_multiple(pdf_path, output_folder,logger,'goods')  # index: 0->商务技术服务要求 1->评标办法 2->资格审查 3->投标人须知前附表 4->投标人须知正文
+    truncate_files = truncate_pdf_multiple(pdf_path, output_folder,logger,'goods')
+
     # 处理各个部分
     invalid_path = truncate_files[6] if truncate_files[6] != "" else pdf_path    #无效标（投标文件格式\合同条款之前的内容）
 

flask_app/工程标/截取pdf工程标版.py

@@ -256,7 +256,7 @@ if __name__ == "__main__":
     # pdf_path = r"C:\Users\Administrator\Desktop\招标文件\招标02.pdf"
     # input_path=r"C:\Users\Administrator\Desktop\招标文件\招标test文件夹\zbtest8.pdf"
     output_folder = r"C:\Users\Administrator\Desktop\新建文件夹 (3)\新建文件夹"
-    selection = 4  # 例如：1 - 招标公告, 2 - 评标办法, 3 -资格审查条件 4-投标人须知前附表+正文 5-无效标
+    selection = 4   # 例如：1 - 公告 notice , 2 - 评标办法 evaluation_method, 3 - 资格审查后缀有qualification1或qualification2（与评标办法一致）  4.投标人须知前附表part1 投标人须知正文part2  5-invalid
     generated_files = truncate_pdf_main_engineering(pdf_path, output_folder, selection, logger)
     print(generated_files)
     # print("生成的文件:", generated_files)

flask_app/货物标/截取pdf货物标版.py

@@ -324,6 +324,6 @@ if __name__ == "__main__":
     # pdf_path=r"C:\Users\Administrator\Desktop\文件解析问题\文件解析问题\1414cb9c-7bf4-401c-8761-2acde151b9c2\ztbfile.pdf"
     output_folder = r"C:\Users\Administrator\Desktop\货物标\zbfiles\output6"
     # output_folder = r"C:\Users\Administrator\Desktop\new招标文件\output2"
-    selection = 6  # 例如：1 - 公告, 2 - 评标办法, 3 - 资格审查后缀有qualification1或qualification2（与评标办法一致）  4.投标人须知前附表part1 投标人须知正文part2   5-采购需求 6-invalid_path
+    selection = 6  # 例如：1 - 公告 notice , 2 - 评标办法 evaluation_method, 3 - 资格审查后缀有qualification1或qualification2（与评标办法一致）  4.投标人须知前附表part1 投标人须知正文part2   5-采购需求 procurement  6-invalid
     generated_files = truncate_pdf_main_goods(pdf_path, output_folder, selection,logger)
     print(generated_files)