222 lines
7.3 KiB
Diff
222 lines
7.3 KiB
Diff
diff --git "a/\346\257\224\350\265\233\345\244\207\350\265\233\350\247\204\345\210\222.md" "b/\346\257\224\350\265\233\345\244\207\350\265\233\350\247\204\345\210\222.md"
|
||
index bcb48fd..440a12d 100644
|
||
--- "a/\346\257\224\350\265\233\345\244\207\350\265\233\350\247\204\345\210\222.md"
|
||
+++ "b/\346\257\224\350\265\233\345\244\207\350\265\233\350\247\204\345\210\222.md"
|
||
@@ -50,7 +50,7 @@
|
||
| `prompt_service.py` | ✅ 已完成 | Prompt 模板管理 |
|
||
| `text_analysis_service.py` | ✅ 已完成 | 文本分析 |
|
||
| `chart_generator_service.py` | ✅ 已完成 | 图表生成服务 |
|
||
-| `template_fill_service.py` | ❌ 未完成 | 模板填写服务 |
|
||
+| `template_fill_service.py` | ✅ 已完成 | 模板填写服务，支持直接读取源文档进行填表 |
|
||
|
||
### 2.2 API 接口 (`backend/app/api/endpoints/`)
|
||
|
||
@@ -61,7 +61,7 @@
|
||
| `ai_analyze.py` | `/api/v1/analyze/*` | ✅ AI 分析（Excel、Markdown、流式） |
|
||
| `rag.py` | `/api/v1/rag/*` | ⚠️ RAG 检索（当前返回空） |
|
||
| `tasks.py` | `/api/v1/tasks/*` | ✅ 异步任务状态查询 |
|
||
-| `templates.py` | `/api/v1/templates/*` | ✅ 模板管理 |
|
||
+| `templates.py` | `/api/v1/templates/*` | ✅ 模板管理 (含 Word 导出) |
|
||
| `visualization.py` | `/api/v1/visualization/*` | ✅ 可视化图表 |
|
||
| `health.py` | `/api/v1/health` | ✅ 健康检查 |
|
||
|
||
@@ -78,8 +78,8 @@
|
||
|------|----------|------|
|
||
| Excel (.xlsx/.xls) | ✅ 已完成 | pandas + XML 回退解析 |
|
||
| Markdown (.md) | ✅ 已完成 | 正则 + AI 分章节 |
|
||
-| Word (.docx) | ❌ 未完成 | 尚未实现 |
|
||
-| Text (.txt) | ❌ 未完成 | 尚未实现 |
|
||
+| Word (.docx) | ✅ 已完成 | python-docx 解析，支持表格提取和字段识别 |
|
||
+| Text (.txt) | ✅ 已完成 | chardet 编码检测，支持文本清洗和结构化提取 |
|
||
|
||
---
|
||
|
||
@@ -87,7 +87,7 @@
|
||
|
||
### 3.1 模板填写模块（最优先）
|
||
|
||
-**这是比赛的核心评测功能，必须完成。**
|
||
+**当前状态**：✅ 已完成
|
||
|
||
```
|
||
用户上传模板表格(Word/Excel)
|
||
@@ -103,30 +103,34 @@ AI 根据字段提示词从源数据中提取信息
|
||
返回填写完成的表格
|
||
```
|
||
|
||
-**需要实现**：
|
||
-- [ ] `template_fill_service.py` - 模板填写核心服务
|
||
-- [ ] Word 模板解析 (`docx_parser.py` 需新建)
|
||
-- [ ] Text 模板解析 (`txt_parser.py` 需新建)
|
||
-- [ ] 模板字段识别与提示词提取
|
||
-- [ ] 多文档数据聚合与冲突处理
|
||
-- [ ] 结果导出为 Word/Excel
|
||
+**已完成实现**：
|
||
+- [x] `template_fill_service.py` - 模板填写核心服务
|
||
+- [x] Word 模板解析 (`docx_parser.py` - parse_tables_for_template, extract_template_fields_from_docx)
|
||
+- [x] Text 模板解析 (`txt_parser.py` - 已完成)
|
||
+- [x] 模板字段识别与提示词提取
|
||
+- [x] 多文档数据聚合与冲突处理
|
||
+- [x] 结果导出为 Word/Excel
|
||
|
||
### 3.2 Word 文档解析
|
||
|
||
-**当前状态**：仅有框架，尚未实现具体解析逻辑
|
||
+**当前状态**：✅ 已完成
|
||
|
||
-**需要实现**：
|
||
-- [ ] `docx_parser.py` - Word 文档解析器
|
||
-- [ ] 提取段落文本
|
||
-- [ ] 提取表格内容
|
||
-- [ ] 提取关键信息（标题、列表等）
|
||
+**已实现功能**：
|
||
+- [x] `docx_parser.py` - Word 文档解析器
|
||
+- [x] 提取段落文本
|
||
+- [x] 提取表格内容
|
||
+- [x] 提取关键信息（标题、列表等）
|
||
+- [x] 表格模板字段提取 (`parse_tables_for_template`, `extract_template_fields_from_docx`)
|
||
+- [x] 字段类型推断 (`_infer_field_type_from_hint`)
|
||
|
||
### 3.3 Text 文档解析
|
||
|
||
-**需要实现**：
|
||
-- [ ] `txt_parser.py` - 文本文件解析器
|
||
-- [ ] 编码自动检测
|
||
-- [ ] 文本清洗
|
||
+**当前状态**：✅ 已完成
|
||
+
|
||
+**已实现功能**：
|
||
+- [x] `txt_parser.py` - 文本文件解析器
|
||
+- [x] 编码自动检测 (chardet)
|
||
+- [x] 文本清洗
|
||
|
||
### 3.4 文档模板匹配（已有框架）
|
||
|
||
@@ -215,5 +219,122 @@ docs/test/
|
||
|
||
---
|
||
|
||
-*文档版本: v1.0*
|
||
-*最后更新: 2026-04-08*
|
||
\ No newline at end of file
|
||
+*文档版本: v1.1*
|
||
+*最后更新: 2026-04-08*
|
||
+
|
||
+---
|
||
+
|
||
+## 八、技术实现细节
|
||
+
|
||
+### 8.1 模板填表流程（已实现）
|
||
+
|
||
+#### 流程图
|
||
+```
|
||
+┌─────────────┐ ┌─────────────┐ ┌─────────────┐
|
||
+│ 上传模板 │ ──► │ 选择数据源 │ ──► │ AI 智能填表 │
|
||
+└─────────────┘ └─────────────┘ └─────────────┘
|
||
+ │
|
||
+ ▼
|
||
+ ┌─────────────┐
|
||
+ │ 导出结果 │
|
||
+ └─────────────┘
|
||
+```
|
||
+
|
||
+#### 核心组件
|
||
+
|
||
+| 组件 | 文件 | 说明 |
|
||
+|------|------|------|
|
||
+| 模板上传 | `templates.py` `/templates/upload` | 接收模板文件，提取字段 |
|
||
+| 字段提取 | `template_fill_service.py` | 从 Word/Excel 表格提取字段定义 |
|
||
+| 文档解析 | `docx_parser.py`, `xlsx_parser.py`, `txt_parser.py` | 解析源文档内容 |
|
||
+| 智能填表 | `template_fill_service.py` `fill_template()` | 使用 LLM 从源文档提取信息 |
|
||
+| 结果导出 | `templates.py` `/templates/export` | 导出为 Excel 或 Word |
|
||
+
|
||
+### 8.2 源文档加载方式
|
||
+
|
||
+模板填表服务支持两种方式加载源文档：
|
||
+
|
||
+1. **通过 MongoDB 文档 ID**：`source_doc_ids`
|
||
+ - 文档已上传并存入 MongoDB
|
||
+ - 服务直接查询 MongoDB 获取文档内容
|
||
+
|
||
+2. **通过文件路径**：`source_file_paths`
|
||
+ - 直接读取本地文件
|
||
+ - 使用对应的解析器解析内容
|
||
+
|
||
+### 8.3 Word 表格模板解析
|
||
+
|
||
+比赛评分表格通常是 Word 格式，`docx_parser.py` 提供了专门的解析方法：
|
||
+
|
||
+```python
|
||
+# 提取表格模板字段
|
||
+fields = docx_parser.extract_template_fields_from_docx(file_path)
|
||
+
|
||
+# 返回格式
|
||
+# [
|
||
+# {
|
||
+# "cell": "T0R1", # 表格0，行1
|
||
+# "name": "字段名",
|
||
+# "hint": "提示词",
|
||
+# "field_type": "text/number/date",
|
||
+# "required": True
|
||
+# },
|
||
+# ...
|
||
+# ]
|
||
+```
|
||
+
|
||
+### 8.4 字段类型推断
|
||
+
|
||
+系统支持从提示词自动推断字段类型：
|
||
+
|
||
+| 关键词 | 推断类型 | 示例 |
|
||
+|--------|----------|------|
|
||
+| 年、月、日、日期、时间、出生 | date | 出生日期 |
|
||
+| 数量、金额、比率、%、率、合计 | number | 增长比率 |
|
||
+| 其他 | text | 姓名、地址 |
|
||
+
|
||
+### 8.5 API 接口
|
||
+
|
||
+#### POST `/api/v1/templates/fill`
|
||
+
|
||
+填写请求：
|
||
+```json
|
||
+{
|
||
+ "template_id": "模板ID",
|
||
+ "template_fields": [
|
||
+ {"cell": "A1", "name": "姓名", "field_type": "text", "required": true, "hint": "提取人员姓名"}
|
||
+ ],
|
||
+ "source_doc_ids": ["mongodb_doc_id_1", "mongodb_doc_id_2"],
|
||
+ "source_file_paths": [],
|
||
+ "user_hint": "请从合同文档中提取"
|
||
+}
|
||
+```
|
||
+
|
||
+响应：
|
||
+```json
|
||
+{
|
||
+ "success": true,
|
||
+ "filled_data": {"姓名": "张三"},
|
||
+ "fill_details": [
|
||
+ {
|
||
+ "field": "姓名",
|
||
+ "cell": "A1",
|
||
+ "value": "张三",
|
||
+ "source": "来自：合同文档.docx",
|
||
+ "confidence": 0.95
|
||
+ }
|
||
+ ],
|
||
+ "source_doc_count": 2
|
||
+}
|
||
+```
|
||
+
|
||
+#### POST `/api/v1/templates/export`
|
||
+
|
||
+导出请求：
|
||
+```json
|
||
+{
|
||
+ "template_id": "模板ID",
|
||
+ "filled_data": {"姓名": "张三", "金额": "10000"},
|
||
+ "format": "xlsx" // 或 "docx"
|
||
+}
|
||
+```
|
||
\ No newline at end of file
|