data_extract/src/jy/util/article.go

package util

import (
	"regexp"
)

type Job struct {
	SourceMid          string                            //数据源的MongoId
	Category           string                            //类别
	CategorySecond     string                            //二级分类
	Category_Old       string                            //类别
	CategorySecond_Old string                            //二级分类
	Content            string                            //正文
	ContentClean       string                            //清洗后的正文
	Title              string                            //标题
	SpiderCode         string                            //爬虫代码
	Site               string                            //站点
	Domain             string                            //网站域名
	Href               string                            //原文链接
	City               string                            //城市
	Province           string                            //省份
	Jsondata           *map[string]interface{}           //
	Data               *map[string]interface{}           //数据库源数据
	Block              []*Block                          //分块
	Result             map[string][]*ExtField            //结果
	BuyerAddr          string                            //采购单位地址
	BlockPackage       map[string]*BlockPackage          //块中的分包
	Winnerorder        []map[string]interface{}          //中标候选人排序
	PackageInfo        map[string]map[string]interface{} //分包信息
	RuleBlock          *RuleBlock                        //分块规则
	BlockClassify      *BlockClassify                    //块分类
	BrandData          [][]map[string]string             //品牌抽取
	PriceNumberData    [][]map[string]interface{}        //单价和个数抽取
	HasTable           int                               //有table
	HasKey             int                               //是否匹配到table中的标题
	HasBrand           int                               //有品牌
	HasGoods           int                               //有商品
	IsFile             bool                              //有附件
	FullAreaScore      map[string]float64                //全称province得分
	FullCityScore      map[string]float64                //全称city得分
	FullDistrictScore  map[string]float64                //全称district得分
	SimAreaScore       map[string]float64                //简称province得分
	SimCityScore       map[string]float64                //简称city得分
	SimDistrictScore   map[string]float64                //简称district得分
	Dataging           int
	IsClearnMoney      string //站点清理金额
	IsUnRulesTab       bool   //是否为不规则表格
}

type ExtField struct {
	BlockTag    map[string]string //块标签
	BlockTitle  string            //块标题
	Field       string            //属性
	Code        string            //匹配标签（字符串、正则）、正则或lua代码
	RuleText    string            //内容
	Type        string            //kv(细类:colon1,colon2,space,table)、正则(regexp)
	MatchType   string            //匹配类型：1：标签库类型(tag_string,tag_regexp)，2：全文正则regcontent
	ExtFrom     string            //抽取来源(title,detail)
	SourceValue interface{}       //抽取结果--未清理
	Value       interface{}       //抽取结果
	Score       float64           //得分
	ScoreItem   []*ScoreItem      //打分项
	Weight      int               //权重值
	ValRepeat   int               //结果值重复次数，打分参考
	IsTrue      bool              //针对金额0是否有效的值，其他字段不参考
}

// 打分项
type ScoreItem struct {
	Des       string      //分数说明
	Code      string      //匹配标签（字符串、正则）、正则或lua代码
	RuleText  string      //内容
	ScoreFrom string      //打分来源
	Value     interface{} //抽取结果
	Score     float64     //得分结果
}

// 分块规则
type RuleBlock struct {
	BlockRegs []*regexp.Regexp
	TitleRegs []*regexp.Regexp
	Classify  *BlockClassify
}

// 块
type Block struct {
	Tags              []Tags                   //对块做的标签，可以作为数据抽取的依据
	Title             string                   //块标题
	Titles            []string                 //拆分以后多个块标题
	NotClassifyTitles []string                 //没有分出类的标题
	Index             int                      //块索引
	Text              string                   //块内容
	Start             int                      //开始索引
	End               int                      //结束索引
	ColonKV           *JobKv                   //冒号kv (分出的对应的KV值)
	TableKV           *JobKv                   //table kv (分出的对应的KV值)
	SpaceKV           *JobKv                   //空格 kv (分出的对应的KV值)
	BPackage          *BlockPackage            //分包信息
	Tag               map[string]bool          //块标签
	Block             []*Block                 //子块
	Classify          map[string]bool          //块分类
	Winnerorder       []map[string]interface{} //块中，中标候选人排序
}

// 块
type TmpBlock struct {
	Tags        []Tags                   //对块做的标签，可以作为数据抽取的依据
	Title       string                   //块标题
	Titles      []string                 //拆分以后多个块标题
	Index       int                      //块索引
	Text        string                   //块内容
	Start       int                      //开始索引
	End         int                      //结束索引
	ColonKV     string                   //冒号kv (分出的对应的KV值)
	TableKV     string                   //table kv (分出的对应的KV值)
	SpaceKV     string                   //空格 kv (分出的对应的KV值)
	BPackage    string                   //分包信息
	Tag         map[string]bool          //块标签
	Block       []*TmpBlock              //子块
	Category    string                   //块分类
	Winnerorder []map[string]interface{} //块中，中标候选人排序
}

// 分包和标签
type BlockAndTag struct {
	Tag   map[string]bool //块标签
	Block interface{}     //块内容
}

// 段落
type Segment struct {
	Index int    //段落索引
	Text  string //段落内容
}

// 包
type BlockPackage struct {
	Origin          string                   //包的原始值
	Name            string                   //标段（包）名称
	Text            string                   //包文 (包对应的正文)
	Budget          float64                  //标段（包）预算
	IsTrueBudget    bool                     //标段（包）预算0是否有效
	Winner          string                   //标段（包）中标单位
	WinnerTel       string                   //中标单位联系电话
	WinnerPerson    string                   //中标联系人
	Bidamount       float64                  //标段（包）中标价
	Agencyfee       float64                  //包服务费
	IsTrueAgencyfee bool                     //
	IsTrueBidamount bool                     //标段（包）中标价 0是否有效
	Index           string                   //序号 (转换后编号，只有数字或字母)
	Type            string                   //类型 (匹配后面的标段、包之类的词)
	ColonKV         *JobKv                   //冒号kv (分出的对应的KV值)
	TableKV         *JobKv                   //table kv (分出的对应的KV值)
	SpaceKV         *JobKv                   //空格 kv (分出的对应的KV值)
	BidStatus       string                   //成交状态
	WinnerOrder     []map[string]interface{} //中标人排序
	Accuracy        bool                     //包里面抽取字段的准确性，如果能打上块标签的话，就不用中标候选人中的值覆盖包里面的值
}

// 联系人
type ContactFormat struct {
	Direction int
	IndexMap  map[int]string
	MatchMap  map[string]map[string]bool
	WeightMap map[string]map[string]interface{}
}

// kv
type Kv struct {
	Key      string
	Value    string
	Line     string
	PrevLine string
	NextLine string
	Title    string
}

// 最终放到job上的kv
type JobKv struct {
	Kvs    []*Kv             //有序的冒号kv
	Kvs_2  []*Kv             //有序的冒号kv
	KvTags map[string][]*Tag //带权重的kv
}

func NewJobKv() *JobKv {
	return &JobKv{
		Kvs:    []*Kv{},
		Kvs_2:  []*Kv{},
		KvTags: map[string][]*Tag{},
	}
}

type NameCode struct {
	Name string
	Code string
}