From 8aa7875a528143eaed6223a56b011bd7e7c734ed Mon Sep 17 00:00:00 2001
From: zy123 <646228430@qq.com>
Date: Thu, 9 Jan 2025 17:24:02 +0800
Subject: [PATCH] =?UTF-8?q?=E6=88=AA=E5=8F=96pdf=E5=B7=A5=E7=A8=8B/?=
 =?UTF-8?q?=E8=B4=A7=E7=89=A9=E5=B0=9D=E8=AF=95=E5=90=88=E5=B9=B6?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 flask_app/general/判断是否是招标文件.py       |  2 +-
 flask_app/general/截取pdf通用函数.py          |  8 ++--
 flask_app/static/提示词/基本信息工程标.txt    |  5 ++-
 flask_app/static/提示词/基本信息货物标.txt    |  5 ++-
 .../static/提示词/小解析基本信息工程标.txt    |  5 ++-
 .../static/提示词/小解析基本信息货物标.txt    |  5 ++-
 flask_app/test_case/test_正则表达式2.py       | 37 ++++++++++---------
 flask_app/工程标/截取pdf工程标版.py           | 14 +++----
 flask_app/货物标/截取pdf货物标版.py           |  4 +-
 9 files changed, 49 insertions(+), 36 deletions(-)

diff --git a/flask_app/general/判断是否是招标文件.py b/flask_app/general/判断是否是招标文件.py
index c1b90d1..5184faf 100644
--- a/flask_app/general/判断是否是招标文件.py
+++ b/flask_app/general/判断是否是招标文件.py
@@ -18,7 +18,7 @@ def judge_zbfile(file_path):
     若有未涵盖的类型，但其内容明确表达了项目需求、采购或招标信息，且包含指导投标人参与的关键要素，则可视为招标文件。
     请基于上述内容判断文件是否属于招标文件。
         """
-        file_id = upload_file(pdf_path)
+        file_id = upload_file(file_path)
         model_res = qianwen_long(file_id, user_query)
         print(f"判断是否属于招标文件：{model_res}")
         if '否' in model_res:
diff --git a/flask_app/general/截取pdf通用函数.py b/flask_app/general/截取pdf通用函数.py
index 29ec264..4e4aa5b 100644
--- a/flask_app/general/截取pdf通用函数.py
+++ b/flask_app/general/截取pdf通用函数.py
@@ -373,7 +373,7 @@ def extract_pages_tobidders_notice(pdf_path, begin_pattern, begin_page, common_h
                             # 定义基础的 mid_pattern
                             base_mid_pattern = r'^\s*(?:[（(]\s*[一二12]?\s*[)）]\s*[、．.]*|' \
                                                r'[一二12][、．.]+|[、．.]+)\s*(说\s*明|总\s*则|名\s*词\s*解\s*释)' \
-                                               r'|(?<!见\s*)(?<!与\s*)(?<!"\s*)(?<!“\s*)(?<!”\s*)(?:投标人?|磋商|谈判|供应商|应答人)\s*须知正文\s*$'
+                                               r'|(?<!见\s*)(?<!与\s*)(?<!"\s*)(?<!“\s*)(?<!”\s*)(?:投标人?|磋商|谈判|供应商|应答人).*须知正文\s*$'
 
                             # 合并基础模式和额外模式
                             if additional_mid_pattern:
@@ -440,8 +440,8 @@ def extract_pages_tobidders_notice(pdf_path, begin_pattern, begin_page, common_h
         else:
             # 定义新的 begin_pattern 和 end_pattern
             new_begin_pattern = regex.compile(
-                r'.*(?:投标人|磋商|谈判|供应商|应答人)须知\s*$|'
-                r'(?:一\s*、\s*)?(?:投标人?|磋商|谈判|供应商|应答人)须知前附表',
+                r'.*(?:投标人|磋商|谈判|供应商|应答人|比选申请人).*须知\s*$|'
+                r'(?:一\s*、\s*)?(?:投标人?|磋商|谈判|供应商|应答人|比选申请人).*须知前附表',
                 regex.MULTILINE
             )
             new_end_pattern = regex.compile(
@@ -458,7 +458,7 @@ def extract_pages_tobidders_notice(pdf_path, begin_pattern, begin_page, common_h
 def extract_pages_twice_tobidders_notice(pdf_document, common_header, begin_page):
     output_suffix = "tobidders_notice"
     begin_pattern = regex.compile(
-        r'^第[一二三四五六七八九十百千]+(?:章|部分).*(?:(?:投标人?|磋商|谈判|供应商|应答人)须知)+',
+        r'^第[一二三四五六七八九十百千]+(?:章|部分).*(?:(?:投标人?|磋商|谈判|供应商|应答人|比选申请人).*须知)+',
         regex.MULTILINE
     )
     end_pattern = regex.compile(
diff --git a/flask_app/static/提示词/基本信息工程标.txt b/flask_app/static/提示词/基本信息工程标.txt
index 7837073..595006b 100644
--- a/flask_app/static/提示词/基本信息工程标.txt
+++ b/flask_app/static/提示词/基本信息工程标.txt
@@ -2,7 +2,10 @@
 
 2.该招标文件的项目概况（或工程概况）是？项目基本情况是？请按json格式给我提供信息，键名分别为'项目概况','项目基本情况'，若存在嵌套信息，嵌套内容键名以文件中对应字段命名，若存在未知信息，在对应的键值中填'未知'。
 
-3.该招标文件的招标控制价（或投标限价或项目预算金额）是？请按json格式给我提供信息，键名为'招标控制价'，键值为具体金额，与原文保持一致，特别注意若原文中存在单位'万'，不要省略；若存在未知信息，在对应的键值中填'未知'。
+3.该招标文件的招标控制价（或投标限价或项目预算金额）是？请按json格式给我提供信息，键名为'招标控制价'，键值为具体金额，与原文保持一致，特别注意若原文中存在单位'万'，不要省略；若存在未知信息，在对应的键值中填'未知'。示例输出如下，仅供格式参考：
+{
+    "招标控制价":"48万元"
+}
 
 4.投标文件（或响应文件）递交截止时间是？递交地点（或方式）是？请按json格式给我提供信息，键名分别是'投标文件递交截止日期','投标文件递交地点'（或'投标文件递交方式'）,键值为原文中相关内容的表述,若存在未知信息，在对应的键值中填'未知',示例输出如下,仅供格式参考:
 {
diff --git a/flask_app/static/提示词/基本信息货物标.txt b/flask_app/static/提示词/基本信息货物标.txt
index 54e7ef7..92f4005 100644
--- a/flask_app/static/提示词/基本信息货物标.txt
+++ b/flask_app/static/提示词/基本信息货物标.txt
@@ -2,7 +2,10 @@
 
 2.该招标文件的项目概况是？项目基本情况是？请按json格式给我提供信息，键名分别为'项目概况','项目基本情况'，若存在嵌套信息，嵌套内容键名以文件中对应字段命名，而嵌套键值必须与原文保持一致，若存在未知信息，在对应的键值中填'未知'。
 
-3.该招标文件的招标控制价（或投标限价或项目预算金额）是？请按json格式给我提供信息，键名为'招标控制价'，键值为具体金额，与原文保持一致，特别注意若原文中存在单位'万'，不要省略；若存在未知信息，在对应的键值中填'未知'。
+3.该招标文件的招标控制价（或投标限价或项目预算金额）是？请按json格式给我提供信息，键名为'招标控制价'，键值为具体金额，与原文保持一致，特别注意若原文中存在单位'万'，不要省略；若存在未知信息，在对应的键值中填'未知'。示例输出如下，仅供格式参考：
+{
+    "招标控制价":"48万元"
+}
 
 4.投标文件（或响应文件）递交截止时间是？递交地点（或方式）是？请按json格式给我提供信息，键名分别是'投标文件递交截止日期','投标文件递交地点'（或'投标文件递交方式'）,键值为原文中相关内容的表述,若存在未知信息，在对应的键值中填'未知',示例输出如下,仅供格式参考:
 {
diff --git a/flask_app/static/提示词/小解析基本信息工程标.txt b/flask_app/static/提示词/小解析基本信息工程标.txt
index 9f16e3b..ecaacb7 100644
--- a/flask_app/static/提示词/小解析基本信息工程标.txt
+++ b/flask_app/static/提示词/小解析基本信息工程标.txt
@@ -2,7 +2,10 @@
 
 2.该招标文件的项目概况（或工程概况）是？项目基本情况是？请按json格式给我提供信息，键名分别为'项目概况','项目基本情况'，若存在嵌套信息，嵌套内容键名以文件中对应字段命名，若存在未知信息，在对应的键值中填'未知'。
 
-3.该招标文件的招标控制价（或投标限价或项目预算金额）是？请按json格式给我提供信息，键名为'招标控制价'，键值为具体金额，与原文保持一致，特别注意若原文中存在单位'万'，不要省略；若存在未知信息，在对应的键值中填'未知'。
+3.该招标文件的招标控制价（或投标限价或项目预算金额）是？请按json格式给我提供信息，键名为'招标控制价'，键值为具体金额，与原文保持一致，特别注意若原文中存在单位'万'，不要省略；若存在未知信息，在对应的键值中填'未知'。示例输出如下，仅供格式参考：
+{
+    "招标控制价":"48万元"
+}
 
 4.投标文件递交截止日期是？请按json格式给我提供信息，键名是'投标文件递交截止日期',若原文未提及明确日期时间，请返回原文对应的内容，若存在未知信息，在对应的键值中填'未知'。示例输出格式如下:
 {
diff --git a/flask_app/static/提示词/小解析基本信息货物标.txt b/flask_app/static/提示词/小解析基本信息货物标.txt
index 155ed2f..765ca24 100644
--- a/flask_app/static/提示词/小解析基本信息货物标.txt
+++ b/flask_app/static/提示词/小解析基本信息货物标.txt
@@ -2,7 +2,10 @@
 
 2.该招标文件的项目概况是？项目基本情况是？请按json格式给我提供信息，键名分别为'项目概况','项目基本情况'，若存在嵌套信息，嵌套内容键名以文件中对应字段命名，而嵌套键值必须与原文保持一致，若存在未知信息，在对应的键值中填'未知'。
 
-3.该招标文件的招标控制价（或投标限价或项目预算金额）是？请按json格式给我提供信息，键名为'招标控制价'，键值为具体金额，与原文保持一致，特别注意若原文中存在单位'万'，不要省略；若存在未知信息，在对应的键值中填'未知'。
+3.该招标文件的招标控制价（或投标限价或项目预算金额）是？请按json格式给我提供信息，键名为'招标控制价'，键值为具体金额，与原文保持一致，特别注意若原文中存在单位'万'，不要省略；若存在未知信息，在对应的键值中填'未知'。示例输出如下，仅供格式参考：
+{
+    "招标控制价":"48万元"
+}
 
 4.投标文件（或响应文件）递交截止时间是？请按json格式给我提供信息，键名是'投标文件递交截止日期',若原文未提及明确日期时间，请返回原文对应的内容，若存在未知信息，在对应的键值中填'未知'。示例输出格式如下:
 {
diff --git a/flask_app/test_case/test_正则表达式2.py b/flask_app/test_case/test_正则表达式2.py
index 7418595..b3de9db 100644
--- a/flask_app/test_case/test_正则表达式2.py
+++ b/flask_app/test_case/test_正则表达式2.py
@@ -1,20 +1,23 @@
-import re
+import regex
 
-cleaned_text = """第三章 评标办法 （综合评分法）  
-一、评标原则  
-1.评标将本着公平、公正、科学、择优的原则进行。  
-2.依法评标、严格保密。  
-...
-8.投标文件 含有招标人不能接受的附加条件的；  
-"""
+# 新的正则表达式
+begin_pattern = regex.compile(
+    r'^第[一二三四五六七八九十百千]+(?:章|部分).*(?:投标人?|磋商|谈判|供应商|应答人|比选申请人).*须知+|'
+    r'(?<!见\s*)(?<!与\s*)(?<!"\s*)(?<!"\s*)(?<!"\s*)(?:投标人?|磋商|谈判|供应商|应答人|比选申请人).*须知前附表\s*$',
+    regex.MULTILINE
+)
 
-end_pattern = '^(?:第[一二三四五六七八九十百千]+(?:章|部分)\s*[\u4e00-\u9fff]+|评标办法前附表|附录(?:一)?[：:]|附件(?:一)?[：:]|附表(?:一)?[：:]'
-matches = list(re.finditer(end_pattern, cleaned_text, re.MULTILINE))
+# 测试文本
+test_texts = [
+    "第一章 投标人 须知",  # 匹配
+    "第九章 磋商 123 须知",  # 匹配
+    "第十章 谈判一些内容须知",  # 匹配
+    "第二章 投标人123abc须知前附表",  # 匹配
+    "第一部分 供应商\n须知",  # 不匹配，因为有换行
+    "第八章 其他内容须知"  # 不匹配
+]
 
-if matches:
-    end_index = matches[-1].start()
-    cleaned_text = cleaned_text[:end_index]
-    print("匹配成功，截断后文本：")
-    print(cleaned_text)
-else:
-    print("未匹配到内容。")
+# 测试匹配
+for idx, text in enumerate(test_texts):
+    match = begin_pattern.search(text)
+    print(f"Test case {idx + 1}: {'Matched' if match else 'Not Matched'}")
diff --git a/flask_app/工程标/截取pdf工程标版.py b/flask_app/工程标/截取pdf工程标版.py
index a354335..ab4771c 100644
--- a/flask_app/工程标/截取pdf工程标版.py
+++ b/flask_app/工程标/截取pdf工程标版.py
@@ -68,7 +68,7 @@ def extract_pages_tobidders_notice(pdf_path, output_folder, begin_pattern, begin
                         # 定义基础的 mid_pattern
                         base_mid_pattern = r'^\s*(?:[（(]\s*[一二12]?\s*[)）]\s*[、．.]*|' \
                                            r'[一二12][、．.]+|[、．.]+)\s*(说\s*明|总\s*则|名\s*词\s*解\s*释)' \
-                                           r'|(?<!见\s*)(?<!与\s*)(?<!"\s*)(?<!“\s*)(?<!”\s*)(?:投标人?|磋商|谈判|供应商|应答人)\s*须知正文\s*$'
+                                           r'|(?<!见\s*)(?<!与\s*)(?<!"\s*)(?<!“\s*)(?<!”\s*)(?:投标人?|磋商|谈判|供应商|应答人|比选申请人).*须知正文\s*$'
                         # 合并基础模式和额外模式
                         if additional_mid_pattern:
                             combined_mid_pattern = regex.compile(
@@ -179,9 +179,7 @@ def extract_pages_twice(pdf_path, output_folder, output_suffix, common_header, l
             )
             # 定义结束匹配模式 - 章节标题、评标附表、投标人须知等
             end_pattern_chapter = regex.compile(
-                r'第[一二三四五六七八九]+(?:章|部分)\s*[\u4e00-\u9fff、()（）]+\s*$|'
-                r'\s*评标(?:办法|方法)前附表\s*$|'
-                r'投标人须知',
+                r'第[一二三四五六七八九]+(?:章|部分)\s*[\u4e00-\u9fff、()（）]+\s*$|',
                 regex.MULTILINE
             )
             start_page = None
@@ -316,8 +314,8 @@ def truncate_pdf_main_engineering(input_path, output_folder, selection, logger,
                     pattern_pairs = [
                         (
                             regex.compile(
-                                r'^第[一二三四五六七八九十百千]+(?:章|部分).*(?:投标人?|磋商|谈判|供应商|应答人)须知+|'
-                                r'(?<!见\s*)(?<!与\s*)(?<!"\s*)(?<!"\s*)(?<!"\s*)(?:投标人?|磋商|谈判|供应商|应答人)须知前附表\s*$',
+                                r'^第[一二三四五六七八九十百千]+(?:章|部分).*(?:投标人?|磋商|谈判|供应商|应答人|比选申请人).*须知+|'
+                                r'(?<!见\s*)(?<!与\s*)(?<!"\s*)(?<!"\s*)(?<!"\s*)(?:投标人?|磋商|谈判|供应商|应答人|比选申请人).*须知前附表\s*$',
                                 regex.MULTILINE
                             ),
                             regex.compile(
@@ -327,8 +325,8 @@ def truncate_pdf_main_engineering(input_path, output_folder, selection, logger,
                         ),
                         (
                             regex.compile(
-                                r'.*(?<!见\s*)(?<!与\s*)(?<!"\s*)(?<!“\s*)(?<!”\s*)(?:投标人?|磋商|谈判|供应商|应答人)须知\s*$|'
-                                r'(?<!见\s*)(?<!与\s*)(?<!"\s*)(?<!“\s*)(?<!”\s*)(?:投标人?|磋商|谈判|供应商|应答人)须知前附表\s*$',
+                                r'.*(?<!见\s*)(?<!与\s*)(?<!"\s*)(?<!“\s*)(?<!”\s*)(?:投标人?|磋商|谈判|供应商|应答人|比选申请人).*须知\s*$|'
+                                r'(?<!见\s*)(?<!与\s*)(?<!"\s*)(?<!“\s*)(?<!”\s*)(?:投标人?|磋商|谈判|供应商|应答人|比选申请人).*须知前附表\s*$',
                                 regex.MULTILINE
                             ),
                             regex.compile(
diff --git a/flask_app/货物标/截取pdf货物标版.py b/flask_app/货物标/截取pdf货物标版.py
index 70297d6..95c2d67 100644
--- a/flask_app/货物标/截取pdf货物标版.py
+++ b/flask_app/货物标/截取pdf货物标版.py
@@ -267,8 +267,8 @@ def truncate_pdf_main_goods(input_path, output_folder, selection,logger, output_
                     local_output_suffix = "qualification1"
                 elif selection == 4:
                     begin_pattern = regex.compile(
-                        r'^第[一二三四五六七八九十百千]+(?:章|部分).*(?:投标人?|磋商|谈判|供应商|应答人)须知+|'
-                        r'(?<!见\s*)(?<!与\s*)(?<!"\s*)(?<!"\s*)(?<!"\s*)(?:投标人?|磋商|谈判|供应商|应答人)须知前附表\s*$',
+                        r'^第[一二三四五六七八九十百千]+(?:章|部分).*(?:投标人?|磋商|谈判|供应商|应答人|比选申请人).*须知+|'
+                        r'(?<!见\s*)(?<!与\s*)(?<!"\s*)(?<!"\s*)(?<!"\s*)(?:投标人?|磋商|谈判|供应商|应答人|比选申请人).*须知前附表\s*$',
                         regex.MULTILINE
                     )
                     end_pattern = None