#!/usr/bin/env python3 # -*- coding: utf-8 -*- """ 订单信息解析脚本：支持编号列表格式和自然语言格式 """ import re def parse_structured_order(text: str) -> dict: """ 解析编号列表格式的订单信息 """ result = {} # 基本信息提取 m = re.search(r'姓名[：:]\s*(.+?)[；;\n]', text) result['sales_name'] = m.group(1).strip() if m else '' m = re.search(r'任职[：:]\s*(.+?)[；;\n]', text) result['sales_title'] = m.group(1).strip() if m else '' m = re.search(r'合同签约公司中文名称[：:]\s*(.+?)[；;\n]', text) result['buyer_cn'] = m.group(1).strip() if m else '' m = re.search(r'合同签约公司英文名称[：:]\s*(.+?)(?:\n|$)', text) result['buyer_en'] = m.group(1).strip() if m else '' m = re.search(r'合同签约公司中文地址[：:]\s*(.+?)[；;\n]', text) result['address_cn'] = m.group(1).strip() if m else '' m = re.search(r'合同签约公司英文地址[：:]\s*(.+?)(?:\n|$)', text) result['address_en'] = m.group(1).strip() if m else '' m = re.search(r'合同联系电话[：:]\s*([\d+\-]+)', text) result['tel'] = m.group(1).strip() if m else '' m = re.search(r'国内出发港口[：:]\s*(.+?)[；;\n]', text) result['departure_port'] = m.group(1).strip() if m else '' m = re.search(r'目的地国家[：:]\s*(.+?)(?:\n|$)', text) result['destination_country'] = m.group(1).strip() if m else '' m = re.search(r'目的地港口[：:]\s*(.+?)(?:\n|$)', text) result['destination_port'] = m.group(1).strip() if m else '' m = re.search(r'结算方式[：:]\s*(FCA|FOB|EXW|CIF)', text, re.IGNORECASE) result['trade_term'] = m.group(1).upper() if m else 'FCA' # 车型列表解析 - 使用行扫描方式 vehicles = [] lines = text.split('\n') i = 0 while i < len(lines): line = lines[i].strip() # 匹配车型起始行: （数字）... 型号：XXX m = re.match(r'[（(](\d+)[)）]\s*(.+?)\s*型号[：:]\s*(\w+)', line) if m: seq = m.group(1) name_part = m.group(2).strip() model_code = m.group(3).strip() # 解析车型名称（中英文分离） name_cn, name_en = split_name_cn_en(name_part) # 下一行提取排放、发动机代码、数量、颜色 engine_code = '' emission = '' quantity = 1 color = '' if i + 1 < len(lines): next_line = lines[i + 1].strip() # 模式: 排放标准 代码：XXX X台颜色 m2 = re.search(r'(.+?)\s+代码[：:]\s*(\w+)\s+(\d+)台(\w+)', next_line) if m2: emission = m2.group(1).strip() engine_code = m2.group(2).strip() quantity = int(m2.group(3)) color = m2.group(4).strip() i += 1 # 跳过已处理的下一行 vehicles.append({ 'seq': seq, 'name_cn': name_cn, 'name_en': name_en, 'model_code': model_code, 'emission': emission, 'engine_code': engine_code, 'quantity': quantity, 'color': color, 'unit_price_usd': None, 'config_desc': '', }) i += 1 result['vehicles'] = vehicles return result def split_name_cn_en(name_part: str) -> tuple: """ 将车型描述分割为中文名和英文名 例如: '荣光新双排货车 N350 Double Cab Pickup，-' -> ('荣光新双排货车', 'N350 Double Cab Pickup') '五菱荣光新卡双后轮 2.0L 5MT 单排' -> ('五菱荣光新卡双后轮 2.0L 5MT 单排', '') """ # 移除末尾的标点符号 name_part = re.sub(r'[，,、\-]+$', '', name_part).strip() # 查找中英文分界点（连续英文字母序列） # 策略：找到最后一个中文字符之后的主要英文部分 # 更简单的策略：如果包含明显的中英分界（中文字符后接大段英文） # 匹配模式: 中文部分 + 空格 + 英文部分（英文部分以字母/数字开头，包含字母、数字和空格） m = re.match(r'([\u4e00-\u9fff][\u4e00-\u9fff\s\d.]+?)\s+([A-Za-z0-9][A-Za-z0-9\s\(\)]+)$', name_part) if m: return m.group(1).strip(), m.group(2).strip() # 如果没有明显的英文部分，全部作为中文名 if re.search(r'[\u4e00-\u9fff]', name_part): return name_part, '' # 如果没有中文，全部作为英文名 return '', name_part def parse_natural_language(text: str) -> dict: """ 使用正则从自然语言中提取关键字段 """ result = {} # 买方公司名称 m = re.search(r'(?:买方|买方公司|签约公司|客户)[是|:：]\s*([^，,；;。\n]+)', text) if m: name = m.group(1).strip() if re.search(r'[\u4e00-\u9fff]', name): result['buyer_cn'] = name result['buyer_en'] = '' else: result['buyer_en'] = name result['buyer_cn'] = '' if not result.get('buyer_en'): m = re.search(r'英文名称[是|:：]\s*([^，,；;。\n]+)', text) if m: result['buyer_en'] = m.group(1).strip() if not result.get('buyer_cn'): m = re.search(r'中文名称[是|:：]\s*([^，,；;。\n]+)', text) if m: result['buyer_cn'] = m.group(1).strip() # 地址 m = re.search(r'(?:地址|ADD)[是|:：]\s*([^，,；;。\n]+)', text) if m: addr = m.group(1).strip() if re.search(r'[\u4e00-\u9fff]', addr): result['address_cn'] = addr result['address_en'] = '' else: result['address_en'] = addr result['address_cn'] = '' # 电话 m = re.search(r'(?:电话|Tel|联系电话)[是|:：]\s*([\d+\-]+)', text) if m: result['tel'] = m.group(1).strip() # 贸易条款 m = re.search(r'(?:贸易条款|结算方式|Incoterm)[是|:：]?\s*(FCA|FOB|EXW|CIF)', text, re.IGNORECASE) result['trade_term'] = m.group(1).upper() if m else 'FCA' # 出发港口 m = re.search(r'(?:出发港|出发港口|起运港)[是|:：]\s*([^，,；;。\n]+)', text) result['departure_port'] = m.group(1).strip() if m else '' # 目的地国家 m = re.search(r'(?:目的地国家|目的国|出口到|发往)[是|:：]?\s*([^，,；;。\n]+)', text) result['destination_country'] = m.group(1).strip() if m else '' # 车型解析 vehicles = [] # 模式1: ... 型号：XXX ... 代码：XXX ... X台 pattern = r'(?:车型[\d]*[：:、.．]?\s*)?(.+?)\s+(?:型号[：:]\s*)?(LZW\w+).*?(?:代码[：:]\s*)?(\w+).*?(\d+)台' matches = re.findall(pattern, text, re.DOTALL) for m in matches: name_part = m[0].strip() name_cn, name_en = split_name_cn_en(name_part) vehicles.append({ 'name_cn': name_cn, 'name_en': name_en, 'model_code': m[1].strip(), 'emission': '', 'engine_code': m[2].strip(), 'quantity': int(m[3]), 'color': '', 'unit_price_usd': None, 'config_desc': '', }) if not vehicles: pattern2 = r'(LZW\w+)\s+(?:发动机代码[：:]\s*)?(\w+).*?(\d+)台' matches = re.findall(pattern2, text) for m in matches: vehicles.append({ 'name_cn': '', 'name_en': '', 'model_code': m[0].strip(), 'emission': '', 'engine_code': m[1].strip(), 'quantity': int(m[2]), 'color': '', 'unit_price_usd': None, 'config_desc': '', }) result['vehicles'] = vehicles return result def parse_order_info(text: str) -> dict: """ 主解析函数：自动判断格式并解析 """ text = text.strip() # 判断是否为结构化编号列表格式 is_structured = bool(re.search(r'^\d+[.．]\s*(姓名|任职|意向车型|合同签约公司)', text, re.MULTILINE)) if is_structured: result = parse_structured_order(text) else: result = parse_natural_language(text) # 填充默认值 if not result.get('trade_term'): result['trade_term'] = 'FCA' if not result.get('departure_port'): result['departure_port'] = 'Guangzhou nansha Port' return result if __name__ == '__main__': import json import sys sys.stdout.reconfigure(encoding='utf-8') with open('../assets/订单合同信息案例.txt', encoding='utf-8') as f: test_text = f.read() result = parse_order_info(test_text) print(json.dumps(result, ensure_ascii=False, indent=2))