import json import re 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, \ extract_sections, concatenate_keys_values, extract_between_sections # 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): 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: matched_keys = [k for k, v in json_data.items() 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 # eg:[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，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): subheadings = [k for k in json_data if k.startswith(key_prefix)] return subheadings #将 top_level_key 的值设为 target_value。 def extract_json(data, target_values): results = {} for target_value in target_values: matched_keys = find_keys_by_value(target_value, data) for key in matched_keys: key_and_subheadings = find_keys_with_prefix(key, data) for subkey in key_and_subheadings: if "." in subkey: parent_key = subkey.rsplit('.', 1)[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 if top_level_key not in results: results[top_level_key] = target_value # 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] # 添加当前键 results[subkey] = data[subkey] return results def sort_clean_data_keys(data): # 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(merged_baseinfo_path, clause_path, type): """ 从公告中提取特定类型的内容。 Args: merged_baseinfo_path (str): 合并后的基础信息路径。 clause_path (str): 包含条款的JSON文件路径。 type (int): 提取的类型。 1 - ["投标", "投标文件", "响应文件"] 2 - ["开标", "评标", "定标", "评审", "成交", "合同", "磋商程序", "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 Returns: dict 或 str: 提取并处理后的数据，或在 `clause_path` 为空或发生错误时返回空字符串 `""`。 """ # 定义默认的返回结果 DEFAULT_RESULT = "" # 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", "磋商程序", "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 target_values = type_target_map.get(type) if not target_values: print(f"Error: Invalid type specified: {type}. Use 1, 2, 3, or 4.") return DEFAULT_RESULT try: # 检查 clause_path 是否为空或仅包含空白字符 if clause_path and clause_path.strip(): with open(clause_path, 'r', encoding='utf-8') as file: data = json.load(file) # 先尝试使用大章节筛选 extracted_data = extract_between_sections(data, target_values) if not extracted_data: # 如果大章节筛选失败，尝试使用另一种筛选方法 extracted_data = extract_json(data, target_values) if not extracted_data: # 如果所有筛选方法均失败，调用回退函数 final_result = get_requirements_with_gpt(merged_baseinfo_path, type) return final_result else: # 后处理，生成键名 final_result = extract_sections(extracted_data, target_values) return final_result else: # 合并键值对，启用结构化 extracted_data_concatenated = { section: concatenate_keys_values(content) for section, content in extracted_data.items() } return extracted_data_concatenated else: # 如果 clause_path 为空，直接调用回退函数 final_result = get_requirements_with_gpt(merged_baseinfo_path, type) return final_result except Exception as e: print(f"Error occurred while processing clause_path '{clause_path}': {e}") return DEFAULT_RESULT # print(json.dumps(res, ensure_ascii=False, indent=4)) # 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) # print(json.dumps(transformed_data,ensure_ascii=False,indent=4)) # final_result = process_nested_data(transformed_data) # return final_result if __name__ == "__main__": # file_path = 'C:\\Users\\Administrator\\Desktop\\fsdownload\\3bffaa84-2434-4bd0-a8ee-5c234ccd7fa0\\clause1.json' merged_baseinfo_path=r"D:\flask_project\flask_app\static\output\output1\05339b83-50bf-4405-905c-38625928840e\merged_baseinfo_path_more.pdf" clause_path=r"D:\flask_project\flask_app\static\output\output1\05339b83-50bf-4405-905c-38625928840e\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 res2 = json.dumps(res, ensure_ascii=False, indent=4) print(res2) except ValueError as e: print(e)