# -*- coding: utf-8 -*-
"""
针对指定网址的重新提取测试
分析业绩要求未提取到的原因
"""
import logging
from processors.content_fetcher import ContentFetcher
from processors.deepseek import DeepSeekProcessor
from config import REGION_CONFIGS

# 配置日志
logging.basicConfig(
    level=logging.INFO,
    format='%(asctime)s - %(levelname)s - %(message)s'
)
logger = logging.getLogger(__name__)

# 测试网址
TARGET_URL = "https://ggzy.zj.gov.cn/jyxxgk/002001/002001011/20260212/d2f95295-6cb0-40c9-8023-cdbbf7e660ae.html"

def test_reextract():
    """重新提取指定网址的信息"""
    logger.info(f"开始测试重新提取: {TARGET_URL}")
    
    # 1. 获取内容
    fetcher = ContentFetcher(temp_dir="temp_files")
    content = fetcher.get_full_content(TARGET_URL)
    
    if not content:
        logger.error("无法获取网页内容")
        return
    
    logger.info(f"获取到内容长度: {len(content)} 字符")
    
    # 2. 提取字段
    processor = DeepSeekProcessor()
    
    # 获取浙江招标文件公示的配置
    config_key = "zhejiang:招标文件公示"
    if config_key not in REGION_CONFIGS:
        logger.error(f"未找到配置: {config_key}")
        return
    
    ai_fields = REGION_CONFIGS[config_key]["ai_fields"]
    logger.info(f"需要提取的字段: {ai_fields}")
    
    # 3. 执行提取
    extracted = processor.extract_fields(content, ai_fields, "浙江")
    
    # 4. 分析结果
    logger.info("\n提取结果:")
    for field, value in extracted.items():
        logger.info(f"  {field}: {value}")
    
    # 特别关注业绩要求
    if "业绩要求" in extracted:
        performance_req = extracted["业绩要求"]
        logger.info(f"\n业绩要求提取结果: {performance_req}")
        
        if performance_req == "文档未提及":
            logger.warning("业绩要求未提取到，开始分析原因...")
            
            # 分析内容中是否包含业绩相关关键词
            performance_keywords = ["业绩要求", "业绩条件", "投标人业绩", "类似项目", "工程经验"]
            found_keywords = []
            
            for keyword in performance_keywords:
                if keyword in content:
                    found_keywords.append(keyword)
                    # 找到关键词上下文
                    start_idx = max(0, content.find(keyword) - 200)
                    end_idx = min(len(content), content.find(keyword) + 800)
                    context = content[start_idx:end_idx]
                    logger.info(f"\n找到关键词 '{keyword}' 的上下文:")
                    logger.info(f"{context[:500]}...")
            
            if found_keywords:
                logger.info(f"\n在内容中找到相关关键词: {found_keywords}")
                logger.info("可能的问题: 关键词存在但提取逻辑未正确识别")
            else:
                logger.info("\n在内容中未找到业绩相关关键词")
                logger.info("可能的问题: 内容中确实没有业绩要求信息")
        else:
            logger.info("业绩要求提取成功")
    else:
        logger.error("提取结果中没有业绩要求字段")
    
    # 5. 分析内容预处理
    logger.info("\n分析内容预处理...")
    prepared_content = processor._prepare_content(content, ai_fields)
    logger.info(f"预处理后内容长度: {len(prepared_content)} 字符")
    
    # 检查预处理后是否包含业绩相关内容
    performance_keywords = ["业绩要求", "业绩条件", "投标人业绩"]
    found_in_prepared = []
    
    for keyword in performance_keywords:
        if keyword in prepared_content:
            found_in_prepared.append(keyword)
    
    if found_in_prepared:
        logger.info(f"预处理后内容中包含业绩相关关键词: {found_in_prepared}")
    else:
        logger.warning("预处理后内容中不包含业绩相关关键词")
        logger.warning("可能的问题: 内容预处理时未包含业绩相关部分")

if __name__ == "__main__":
    test_reextract()