616 lines
27 KiB
Python
616 lines
27 KiB
Python
"""
|
||
AI服务 - 封装大模型调用
|
||
仅支持华为大模型
|
||
"""
|
||
import os
|
||
import re
|
||
import time
|
||
import requests
|
||
import json
|
||
from typing import Dict, List, Optional
|
||
|
||
|
||
class AIService:
|
||
"""AI服务类"""
|
||
|
||
def __init__(self):
|
||
# 华为大模型配置（必需）
|
||
self.huawei_api_endpoint = os.getenv('HUAWEI_API_ENDPOINT', 'http://10.100.31.26:3001/v1/chat/completions')
|
||
self.huawei_api_key = os.getenv('HUAWEI_API_KEY', 'sk-PoeiV3qwyTIRqcVc84E8E24cD2904872859a87922e0d9186')
|
||
self.huawei_model = os.getenv('HUAWEI_MODEL', 'DeepSeek-R1-Distill-Llama-70B')
|
||
|
||
# API超时配置（秒）
|
||
# 开启思考模式时，响应时间会显著增加，需要更长的超时时间
|
||
# 可以通过环境变量 HUAWEI_API_TIMEOUT 自定义，默认180秒（3分钟）
|
||
self.api_timeout = int(os.getenv('HUAWEI_API_TIMEOUT', '180'))
|
||
|
||
# API最大token数配置
|
||
# 开启思考模式时，模型可能生成更长的响应，需要更多的token
|
||
# 可以通过环境变量 HUAWEI_API_MAX_TOKENS 自定义，默认12000
|
||
self.api_max_tokens = int(os.getenv('HUAWEI_API_MAX_TOKENS', '12000'))
|
||
|
||
# 确定使用的AI服务
|
||
self.ai_provider = self._determine_ai_provider()
|
||
|
||
def _determine_ai_provider(self) -> str:
|
||
"""确定使用的AI服务提供商（仅支持华为大模型）"""
|
||
if self.huawei_api_endpoint and self.huawei_api_key:
|
||
return 'huawei'
|
||
else:
|
||
return 'none'
|
||
|
||
def extract_fields(self, prompt: str, output_fields: List[Dict]) -> Optional[Dict]:
|
||
"""
|
||
从提示词中提取结构化字段
|
||
|
||
Args:
|
||
prompt: AI提示词
|
||
output_fields: 输出字段列表
|
||
|
||
Returns:
|
||
提取的字段字典，格式: {field_code: field_value}
|
||
"""
|
||
if self.ai_provider == 'none':
|
||
raise Exception("未配置华为大模型服务，请设置 HUAWEI_API_KEY 和 HUAWEI_API_ENDPOINT")
|
||
|
||
if self.ai_provider == 'huawei':
|
||
return self._extract_with_huawei(prompt, output_fields)
|
||
else:
|
||
raise Exception(f"未知的AI服务提供商: {self.ai_provider}")
|
||
|
||
def _extract_with_siliconflow(self, prompt: str, output_fields: List[Dict]) -> Optional[Dict]:
|
||
"""
|
||
使用硅基流动API提取字段（已不再使用，仅保留用于参考）
|
||
系统仅支持华为大模型，不再支持自动回退
|
||
"""
|
||
try:
|
||
payload = {
|
||
"model": self.siliconflow_model,
|
||
"messages": [
|
||
{
|
||
"role": "system",
|
||
"content": "你是一个专业的数据提取助手，能够从文本中准确提取结构化信息。请严格按照JSON格式返回结果。"
|
||
},
|
||
{
|
||
"role": "user",
|
||
"content": prompt
|
||
}
|
||
],
|
||
"temperature": 0.3,
|
||
"max_tokens": 2000
|
||
}
|
||
|
||
headers = {
|
||
"Authorization": f"Bearer {self.siliconflow_api_key}",
|
||
"Content-Type": "application/json"
|
||
}
|
||
|
||
response = requests.post(
|
||
self.siliconflow_url,
|
||
json=payload,
|
||
headers=headers,
|
||
timeout=30
|
||
)
|
||
|
||
if response.status_code != 200:
|
||
raise Exception(f"API调用失败: {response.status_code} - {response.text}")
|
||
|
||
result = response.json()
|
||
|
||
# 提取AI返回的内容
|
||
if 'choices' in result and len(result['choices']) > 0:
|
||
content = result['choices'][0]['message']['content']
|
||
|
||
# 尝试解析JSON
|
||
try:
|
||
# 如果返回的是代码块，提取JSON部分
|
||
if '```json' in content:
|
||
json_start = content.find('```json') + 7
|
||
json_end = content.find('```', json_start)
|
||
content = content[json_start:json_end].strip()
|
||
elif '```' in content:
|
||
json_start = content.find('```') + 3
|
||
json_end = content.find('```', json_start)
|
||
content = content[json_start:json_end].strip()
|
||
|
||
extracted_data = json.loads(content)
|
||
return extracted_data
|
||
except json.JSONDecodeError:
|
||
# 如果不是JSON，尝试从文本中提取
|
||
return self._parse_text_response(content, output_fields)
|
||
else:
|
||
raise Exception("API返回格式异常")
|
||
|
||
except requests.exceptions.Timeout:
|
||
raise Exception("AI服务调用超时")
|
||
except Exception as e:
|
||
raise Exception(f"AI服务调用失败: {str(e)}")
|
||
|
||
def _extract_with_huawei(self, prompt: str, output_fields: List[Dict]) -> Optional[Dict]:
|
||
"""
|
||
使用华为大模型API提取字段（带重试机制）
|
||
至少重试3次，总共最多尝试4次
|
||
"""
|
||
max_retries = 3 # 最多重试3次，总共4次尝试
|
||
retry_delay = 2 # 重试延迟（秒），每次重试延迟递增（从2秒开始）
|
||
|
||
last_exception = None
|
||
|
||
for attempt in range(max_retries + 1): # 0, 1, 2, 3 (总共4次)
|
||
try:
|
||
if attempt > 0:
|
||
# 重试前等待，延迟时间递增（2秒、4秒、6秒）
|
||
wait_time = retry_delay * attempt
|
||
print(f"[AI服务] 第 {attempt} 次重试，等待 {wait_time} 秒后重试...")
|
||
time.sleep(wait_time)
|
||
|
||
print(f"[AI服务] 正在调用华为大模型API (尝试 {attempt + 1}/{max_retries + 1})...")
|
||
result = self._call_huawei_api_once(prompt, output_fields)
|
||
|
||
if result is not None:
|
||
if attempt > 0:
|
||
print(f"[AI服务] 重试成功！")
|
||
return result
|
||
|
||
except requests.exceptions.Timeout as e:
|
||
last_exception = e
|
||
error_msg = f"AI服务调用超时 (尝试 {attempt + 1}/{max_retries + 1})"
|
||
print(f"[AI服务] {error_msg}")
|
||
if attempt < max_retries:
|
||
continue
|
||
else:
|
||
raise Exception(f"{error_msg}: {str(e)}")
|
||
|
||
except requests.exceptions.ConnectionError as e:
|
||
last_exception = e
|
||
error_msg = f"连接错误 (尝试 {attempt + 1}/{max_retries + 1})"
|
||
print(f"[AI服务] {error_msg}: {str(e)}")
|
||
if attempt < max_retries:
|
||
continue
|
||
else:
|
||
raise Exception(f"{error_msg}: {str(e)}")
|
||
|
||
except requests.exceptions.RequestException as e:
|
||
last_exception = e
|
||
error_msg = f"请求异常 (尝试 {attempt + 1}/{max_retries + 1})"
|
||
print(f"[AI服务] {error_msg}: {str(e)}")
|
||
if attempt < max_retries:
|
||
continue
|
||
else:
|
||
raise Exception(f"{error_msg}: {str(e)}")
|
||
|
||
except Exception as e:
|
||
last_exception = e
|
||
error_msg = f"AI服务调用失败 (尝试 {attempt + 1}/{max_retries + 1})"
|
||
print(f"[AI服务] {error_msg}: {str(e)}")
|
||
# 对于其他类型的错误，也进行重试
|
||
if attempt < max_retries:
|
||
continue
|
||
else:
|
||
raise Exception(f"{error_msg}: {str(e)}")
|
||
|
||
# 如果所有重试都失败了
|
||
if last_exception:
|
||
raise Exception(f"AI服务调用失败，已重试 {max_retries} 次: {str(last_exception)}")
|
||
else:
|
||
raise Exception(f"AI服务调用失败，已重试 {max_retries} 次")
|
||
|
||
def _call_huawei_api_once(self, prompt: str, output_fields: List[Dict]) -> Optional[Dict]:
|
||
"""
|
||
单次调用华为大模型API（不包含重试逻辑）
|
||
"""
|
||
payload = {
|
||
"model": self.huawei_model,
|
||
"messages": [
|
||
{
|
||
"role": "system",
|
||
"content": "你是一个专业的数据提取助手。请仔细分析用户提供的输入文本，提取所有相关信息，并严格按照指定的JSON格式返回结果。只返回JSON对象，不要包含任何其他文字说明、思考过程或markdown代码块标记。"
|
||
},
|
||
{
|
||
"role": "user",
|
||
"content": prompt
|
||
}
|
||
],
|
||
"stream": False,
|
||
"presence_penalty": 1.03,
|
||
"frequency_penalty": 1.0,
|
||
"repetition_penalty": 1.0,
|
||
"temperature": 0.3,
|
||
"top_p": 0.95,
|
||
"top_k": 1,
|
||
"seed": 1,
|
||
"max_tokens": self.api_max_tokens,
|
||
"n": 1,
|
||
"enable_thinking": True
|
||
}
|
||
|
||
headers = {
|
||
"Authorization": f"Bearer {self.huawei_api_key}",
|
||
"Content-Type": "application/json"
|
||
}
|
||
|
||
# 根据是否开启思考模式动态调整超时时间
|
||
# 开启思考模式时，模型需要更多时间进行推理，超时时间需要更长
|
||
enable_thinking = payload.get('enable_thinking', False)
|
||
if enable_thinking:
|
||
# 思考模式：使用配置的超时时间（默认180秒）
|
||
timeout = self.api_timeout
|
||
print(f"[AI服务] 思考模式已开启，使用超时时间: {timeout}秒")
|
||
else:
|
||
# 非思考模式：使用较短的超时时间
|
||
timeout = min(self.api_timeout, 120) # 最多120秒
|
||
print(f"[AI服务] 思考模式未开启，使用超时时间: {timeout}秒")
|
||
|
||
response = requests.post(
|
||
self.huawei_api_endpoint,
|
||
json=payload,
|
||
headers=headers,
|
||
timeout=timeout
|
||
)
|
||
|
||
if response.status_code != 200:
|
||
raise Exception(f"API调用失败: {response.status_code} - {response.text}")
|
||
|
||
result = response.json()
|
||
|
||
# 提取AI返回的内容
|
||
if 'choices' in result and len(result['choices']) > 0:
|
||
raw_content = result['choices'][0]['message']['content']
|
||
|
||
# 调试：打印原始返回内容（前500字符）
|
||
print(f"[AI服务] API返回的原始内容（前500字符）: {raw_content[:500]}")
|
||
|
||
# 处理思考过程标签（支持多种可能的标签格式）
|
||
content = raw_content
|
||
|
||
# 处理 </think> 标签（DeepSeek-R1常用格式）
|
||
if '</think>' in content:
|
||
parts = content.split('</think>')
|
||
if len(parts) > 1:
|
||
content = parts[-1].strip()
|
||
print(f"[AI服务] 检测到 </think> 标签，提取标签后的内容")
|
||
|
||
# 处理 </think> 标签
|
||
elif '</think>' in content:
|
||
parts = content.split('</think>')
|
||
if len(parts) > 1:
|
||
content = parts[-1].strip()
|
||
print(f"[AI服务] 检测到 </think> 标签，提取标签后的内容")
|
||
|
||
# 处理 <reasoning>...</reasoning> 标签
|
||
elif '<reasoning>' in content and '</reasoning>' in content:
|
||
reasoning_start = content.find('</reasoning>')
|
||
if reasoning_start != -1:
|
||
content = content[reasoning_start + 11:].strip()
|
||
print(f"[AI服务] 检测到 <reasoning> 标签，提取标签后的内容")
|
||
|
||
# 清理后的内容（前500字符）
|
||
print(f"[AI服务] 清理后的内容（前500字符）: {content[:500]}")
|
||
|
||
# 尝试解析JSON
|
||
extracted_data = self._extract_json_from_text(content)
|
||
if extracted_data:
|
||
print(f"[AI服务] JSON解析成功，提取到 {len(extracted_data)} 个字段")
|
||
print(f"[AI服务] 原始字段名: {list(extracted_data.keys())}")
|
||
# 规范化字段名并映射到正确的字段编码
|
||
normalized_data = self._normalize_field_names(extracted_data, output_fields)
|
||
print(f"[AI服务] 规范化后的字段名: {list(normalized_data.keys())}")
|
||
return normalized_data
|
||
|
||
# 如果无法提取JSON，记录错误
|
||
print(f"[AI服务] 警告：无法从内容中提取JSON，尝试备用解析方法")
|
||
print(f"[AI服务] 完整内容: {content}")
|
||
|
||
# 尝试从文本中提取
|
||
parsed_data = self._parse_text_response(content, output_fields)
|
||
if parsed_data and any(v for v in parsed_data.values() if v): # 至少有一个非空字段
|
||
print(f"[AI服务] 使用备用方法解析成功，提取到 {len(parsed_data)} 个字段")
|
||
return parsed_data
|
||
|
||
# 如果所有方法都失败，抛出异常
|
||
raise Exception(f"无法从API返回内容中提取JSON数据。原始内容长度: {len(raw_content)}, 清理后内容长度: {len(content)}。请检查API返回的内容格式是否正确。")
|
||
else:
|
||
raise Exception("API返回格式异常：未找到choices字段或choices为空")
|
||
|
||
def _extract_json_from_text(self, text: str) -> Optional[Dict]:
|
||
"""
|
||
从文本中提取JSON对象
|
||
支持多种格式：
|
||
1. 纯JSON对象
|
||
2. 包裹在 ```json 代码块中的JSON
|
||
3. 包裹在 ``` 代码块中的JSON
|
||
4. 文本中包含的JSON对象
|
||
"""
|
||
# 方法1: 尝试提取代码块中的JSON
|
||
if '```json' in text:
|
||
json_start = text.find('```json') + 7
|
||
json_end = text.find('```', json_start)
|
||
if json_end != -1:
|
||
json_str = text[json_start:json_end].strip()
|
||
# 尝试清理和修复JSON
|
||
json_str = self._clean_json_string(json_str)
|
||
try:
|
||
return json.loads(json_str)
|
||
except json.JSONDecodeError as e:
|
||
print(f"[AI服务] JSON解析失败（代码块）: {e}")
|
||
# 尝试修复后再次解析
|
||
json_str = self._fix_json_string(json_str)
|
||
try:
|
||
return json.loads(json_str)
|
||
except json.JSONDecodeError:
|
||
pass
|
||
|
||
if '```' in text:
|
||
json_start = text.find('```') + 3
|
||
json_end = text.find('```', json_start)
|
||
if json_end != -1:
|
||
json_str = text[json_start:json_end].strip()
|
||
# 尝试清理和修复JSON
|
||
json_str = self._clean_json_string(json_str)
|
||
try:
|
||
return json.loads(json_str)
|
||
except json.JSONDecodeError as e:
|
||
print(f"[AI服务] JSON解析失败（代码块）: {e}")
|
||
# 尝试修复后再次解析
|
||
json_str = self._fix_json_string(json_str)
|
||
try:
|
||
return json.loads(json_str)
|
||
except json.JSONDecodeError:
|
||
pass
|
||
|
||
# 方法2: 尝试直接解析整个文本
|
||
cleaned_text = self._clean_json_string(text.strip())
|
||
try:
|
||
return json.loads(cleaned_text)
|
||
except json.JSONDecodeError as e:
|
||
print(f"[AI服务] JSON解析失败（直接解析）: {e}")
|
||
# 尝试修复后再次解析
|
||
fixed_text = self._fix_json_string(cleaned_text)
|
||
try:
|
||
return json.loads(fixed_text)
|
||
except json.JSONDecodeError:
|
||
pass
|
||
|
||
# 方法3: 尝试查找文本中的JSON对象（以 { 开始，以 } 结束）
|
||
# 使用正则表达式找到最外层的JSON对象
|
||
json_pattern = r'\{[^{}]*(?:\{[^{}]*\}[^{}]*)*\}'
|
||
matches = re.finditer(json_pattern, text, re.DOTALL)
|
||
|
||
for match in matches:
|
||
json_str = match.group(0)
|
||
try:
|
||
data = json.loads(json_str)
|
||
# 验证是否包含预期的字段（至少有一个输出字段的key）
|
||
if isinstance(data, dict) and len(data) > 0:
|
||
return data
|
||
except json.JSONDecodeError:
|
||
continue
|
||
|
||
# 方法4: 尝试查找嵌套的JSON对象（更复杂的匹配）
|
||
# 找到第一个 { 和最后一个匹配的 }
|
||
start_idx = text.find('{')
|
||
if start_idx != -1:
|
||
brace_count = 0
|
||
end_idx = start_idx
|
||
for i in range(start_idx, len(text)):
|
||
if text[i] == '{':
|
||
brace_count += 1
|
||
elif text[i] == '}':
|
||
brace_count -= 1
|
||
if brace_count == 0:
|
||
end_idx = i
|
||
break
|
||
|
||
if end_idx > start_idx:
|
||
json_str = text[start_idx:end_idx + 1]
|
||
try:
|
||
return json.loads(json_str)
|
||
except json.JSONDecodeError:
|
||
pass
|
||
|
||
return None
|
||
|
||
def _clean_json_string(self, json_str: str) -> str:
|
||
"""
|
||
清理JSON字符串，移除常见的格式问题
|
||
"""
|
||
# 移除前导/尾随空白
|
||
json_str = json_str.strip()
|
||
|
||
# 移除可能的BOM标记
|
||
if json_str.startswith('\ufeff'):
|
||
json_str = json_str[1:]
|
||
|
||
# 移除可能的XML/HTML标签残留
|
||
json_str = re.sub(r'<[^>]+>', '', json_str)
|
||
|
||
return json_str
|
||
|
||
def _fix_json_string(self, json_str: str) -> str:
|
||
"""
|
||
尝试修复常见的JSON格式错误
|
||
"""
|
||
# 移除末尾的逗号（在 } 或 ] 之前）
|
||
json_str = re.sub(r',\s*}', '}', json_str)
|
||
json_str = re.sub(r',\s*]', ']', json_str)
|
||
|
||
# 修复字段名中的错误（如 .target_gender -> target_gender）
|
||
json_str = re.sub(r'["\']\.([^"\']+)["\']\s*:', r'"\1":', json_str)
|
||
|
||
# 修复字段名中的空格（如 "target name" -> "target_name"）
|
||
json_str = re.sub(r'["\']([^"\']+)\s+([^"\']+)["\']\s*:', r'"\1_\2":', json_str)
|
||
|
||
# 尝试修复未加引号的字段名
|
||
json_str = re.sub(r'(\w+)\s*:', r'"\1":', json_str)
|
||
|
||
return json_str
|
||
|
||
def _normalize_field_names(self, extracted_data: Dict, output_fields: List[Dict]) -> Dict:
|
||
"""
|
||
规范化字段名，将模型返回的各种字段名格式映射到正确的字段编码
|
||
|
||
Args:
|
||
extracted_data: 模型返回的原始数据字典
|
||
output_fields: 输出字段列表，包含正确的字段编码
|
||
|
||
Returns:
|
||
规范化后的字段字典，使用正确的字段编码作为key
|
||
"""
|
||
# 创建字段编码到字段信息的映射
|
||
field_code_map = {field['field_code']: field for field in output_fields}
|
||
|
||
# 创建字段名到字段编码的映射（支持多种变体）
|
||
name_to_code_map = {}
|
||
for field in output_fields:
|
||
field_code = field['field_code']
|
||
field_name = field.get('name', '')
|
||
|
||
# 添加标准字段编码
|
||
name_to_code_map[field_code] = field_code
|
||
|
||
# 添加字段名（如果有）
|
||
if field_name:
|
||
name_to_code_map[field_name] = field_code
|
||
|
||
# 处理驼峰命名变体（如 politicalStatus -> target_political_status）
|
||
# 将 target_political_status 转换为可能的驼峰形式
|
||
if '_' in field_code:
|
||
parts = field_code.split('_')
|
||
# 生成驼峰形式：targetPoliticalStatus
|
||
camel_case = parts[0] + ''.join(word.capitalize() for word in parts[1:])
|
||
name_to_code_map[camel_case] = field_code
|
||
# 生成首字母大写的驼峰形式：TargetPoliticalStatus
|
||
pascal_case = ''.join(word.capitalize() for word in parts)
|
||
name_to_code_map[pascal_case] = field_code
|
||
|
||
# 处理去掉前缀的变体（如 name -> target_name）
|
||
if field_code.startswith('target_'):
|
||
short_name = field_code.replace('target_', '')
|
||
name_to_code_map[short_name] = field_code
|
||
# 驼峰形式：name -> target_name
|
||
camel_short = short_name.split('_')[0] + ''.join(word.capitalize() for word in short_name.split('_')[1:]) if '_' in short_name else short_name
|
||
name_to_code_map[camel_short] = field_code
|
||
|
||
# 添加常见的Schema.org格式字段名映射
|
||
schema_mapping = {
|
||
'name': 'target_name',
|
||
'gender': 'target_gender',
|
||
'dateOfBirth': 'target_date_of_birth',
|
||
'date_of_birth': 'target_date_of_birth',
|
||
'politicalStatus': 'target_political_status',
|
||
'political_status': 'target_political_status',
|
||
'organizationAndPosition': 'target_organization_and_position',
|
||
'organization_and_position': 'target_organization_and_position',
|
||
'organization': 'target_organization',
|
||
'position': 'target_position',
|
||
'educationLevel': 'target_education_level',
|
||
'education_level': 'target_education_level',
|
||
'professionalRank': 'target_professional_rank',
|
||
'professional_rank': 'target_professional_rank',
|
||
'clueSource': 'clue_source',
|
||
'clue_source': 'clue_source',
|
||
'issueDescription': 'target_issue_description',
|
||
'issue_description': 'target_issue_description',
|
||
'description': 'target_issue_description', # description可能是问题描述
|
||
'age': 'target_age',
|
||
}
|
||
# 添加Schema.org格式的映射（仅当字段编码存在时）
|
||
for schema_key, code in schema_mapping.items():
|
||
if code in field_code_map:
|
||
name_to_code_map[schema_key] = code
|
||
|
||
# 规范化数据
|
||
normalized_data = {}
|
||
|
||
for key, value in extracted_data.items():
|
||
# 跳过特殊字段（如 @context）
|
||
if key.startswith('@'):
|
||
continue
|
||
|
||
# 处理嵌套对象（如 description: {violationOfFamilyPlanningPolicies: "..."}）
|
||
if isinstance(value, dict):
|
||
# 尝试从嵌套对象中提取值
|
||
# 通常嵌套对象中只有一个值，取第一个非空值
|
||
nested_values = [v for v in value.values() if v and isinstance(v, str)]
|
||
if nested_values:
|
||
value = nested_values[0]
|
||
else:
|
||
# 如果嵌套对象中没有字符串值，尝试转换为字符串
|
||
value = str(value) if value else ''
|
||
|
||
# 清理字段名：去掉前导点、空格等
|
||
cleaned_key = key.strip().lstrip('.')
|
||
|
||
# 尝试直接匹配
|
||
if cleaned_key in name_to_code_map:
|
||
correct_code = name_to_code_map[cleaned_key]
|
||
normalized_data[correct_code] = value
|
||
continue
|
||
|
||
# 尝试不区分大小写匹配
|
||
for name, code in name_to_code_map.items():
|
||
if cleaned_key.lower() == name.lower():
|
||
normalized_data[code] = value
|
||
break
|
||
else:
|
||
# 如果找不到匹配，尝试模糊匹配
|
||
# 检查是否包含字段编码的关键部分
|
||
matched = False
|
||
for field_code in field_code_map.keys():
|
||
# 如果清理后的key包含字段编码的关键部分，或者字段编码包含key的关键部分
|
||
key_parts = cleaned_key.lower().replace('_', '').replace('-', '')
|
||
code_parts = field_code.lower().replace('_', '').replace('-', '')
|
||
|
||
# 检查相似度（简单匹配）
|
||
if key_parts in code_parts or code_parts in key_parts:
|
||
normalized_data[field_code] = value
|
||
matched = True
|
||
print(f"[AI服务] 模糊匹配: '{cleaned_key}' -> '{field_code}'")
|
||
break
|
||
|
||
if not matched:
|
||
# 如果仍然找不到匹配，保留原字段名（可能模型返回了意外的字段）
|
||
print(f"[AI服务] 警告：无法匹配字段名 '{cleaned_key}'，保留原字段名")
|
||
normalized_data[cleaned_key] = value
|
||
|
||
# 确保所有输出字段都有对应的值（即使为空字符串）
|
||
for field_code in field_code_map.keys():
|
||
if field_code not in normalized_data:
|
||
normalized_data[field_code] = ''
|
||
|
||
return normalized_data
|
||
|
||
def _parse_text_response(self, text: str, output_fields: List[Dict]) -> Dict:
|
||
"""
|
||
从文本响应中解析字段值（备用方案）
|
||
"""
|
||
result = {}
|
||
for field in output_fields:
|
||
field_code = field['field_code']
|
||
field_name = field['name']
|
||
|
||
# 尝试在文本中查找字段值
|
||
# 这里使用简单的关键词匹配，实际可以更复杂
|
||
if field_name in text:
|
||
# 提取字段值（简单实现）
|
||
start_idx = text.find(field_name)
|
||
if start_idx != -1:
|
||
# 查找冒号后的内容
|
||
colon_idx = text.find(':', start_idx)
|
||
if colon_idx != -1:
|
||
value_start = colon_idx + 1
|
||
value_end = text.find('\n', value_start)
|
||
if value_end == -1:
|
||
value_end = len(text)
|
||
value = text[value_start:value_end].strip()
|
||
result[field_code] = value
|
||
else:
|
||
result[field_code] = ''
|
||
else:
|
||
result[field_code] = ''
|
||
else:
|
||
result[field_code] = ''
|
||
|
||
return result
|
||
|