vent_agent_3/parser/gas_identification_parser.py

# parsers/gas_identification_parser.py

from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate
from typing import List, Dict, Any
import json

from config.settings import LLM_MODEL, LLM_API_KEY, LLM_BASE_URL, LLM_TIMEOUT
from parser.base_parser import BaseParser


class GasIdentificationParser(BaseParser):
    def __init__(self):
        super().__init__()
        self.llm = ChatOpenAI(
            model=LLM_MODEL,
            api_key=LLM_API_KEY,
            base_url=LLM_BASE_URL,
            timeout=LLM_TIMEOUT
        )

    def parse(self, file_path: str) -> Dict[str, Any]:
        """
        ✅ 优化点：
        1. 只加载一次PDF
        2. 只调用一次大模型
        3. 一次性返回所有结构
        """
        # 1. 加载并清洗文本（只做一次）
        documents = self.load_pdf(file_path)
        full_text = "\n".join([doc.page_content for doc in documents])
        prompt = ChatPromptTemplate.from_messages([
            ("system", '''
                你是专业的**煤矿瓦斯等级鉴定报告解析专家**。
                请从PDF/文档内容中**一次性精准提取所有数据**，严格输出标准JSON，**禁止任何多余文字、解释、前言、后语**。
                需要提取的字段如下：
                === 报告主表信息 ===
                - mine_name：矿井名称
                - n_year：鉴定年度（数字，如2024）
                - report_month：鉴定报告所属月份（格式：yyyy-MM）
                - mine_abs_ch4：矿井绝对瓦斯涌出量（m³/min）
                - mine_rel_ch4：矿井相对瓦斯涌出量（m³/t）
                - return_max_abs_ch4：采面最大绝对瓦斯涌出量（m³/min）
                - return_max_rel_ch4：采面最大相对瓦斯涌出量（m³/t）
                - dig_max_abs_ch4：掘进最大绝对瓦斯涌出量（m³/min）
                - dig_max_rel_ch4：掘进最大相对瓦斯涌出量（m³/t）
                - mine_abs_co2：矿井绝对CO₂涌出量（m³/min）
                - mine_rel_co2：矿井相对CO₂涌出量（m³/t）
                - return_max_abs_co2：采面最大绝对CO₂涌出量（m³/min）
                - return_max_rel_co2：采面最大相对CO₂涌出量（m³/t）
                - dig_max_abs_co2：掘进面最大绝对CO₂涌出量（m³/min）
                - dig_max_rel_co2：掘进面最大相对CO₂涌出量（m³/t）
                - coal_and_gas_outburst：煤与瓦斯突出情况
                - gas_blow_out：瓦斯喷出情况
                - iden_month_product_state：鉴定月矿井生产状况
                - last_year_gas_level：上年度瓦斯等级
                - gas_level：本年度瓦斯等级
                - report_date：编制日期（yyyy-MM-dd）
                - iden_date：鉴定日期（yyyy-MM-dd）
                - iden_unit：鉴定单位
                === 各用风地点明细表（数组，可多条） ===
                - face_name：工作面/巷道/硐室名称
                - face_type：地点类型：采煤/掘进/回风巷/硐室
                - avg_abs_gas：月平均绝对瓦斯涌出量 m³/min
                - max_abs_gas：月最大绝对瓦斯涌出量
                - avg_abs_co2：月平均绝对CO₂涌出量
                - max_abs_co2：月最大绝对CO₂涌出量
                - gas_uneven_coeff：瓦斯涌出不均衡系数
                - co2_uneven_coeff：CO₂涌出不均衡系数
                - daily_production：日产量 t/d
                - remark：备注
                ==============================================
                输出JSON格式（严格遵守，不可修改）：
                {{
                    "main_info": {{
                        "mine_name": "",
                        "n_year": 0,
                        "report_month": "",
                        "mine_abs_ch4": 0.00,
                        "mine_rel_ch4": 0.00,
                        "return_max_abs_ch4": 0.00,
                        "return_max_rel_ch4": 0.00,
                        "dig_max_abs_ch4": 0.00,
                        "dig_max_rel_ch4": 0.00,
                        "mine_abs_co2": 0.00,
                        "mine_rel_co2": 0.00,
                        "return_max_abs_co2": 0.00,
                        "return_max_rel_co2": 0.00,
                        "dig_max_abs_co2": 0.00,
                        "dig_max_rel_co2": 0.00,
                        "coal_and_gas_outburst": 0.00,
                        "gas_blow_out": "",
                        "iden_month_product_state": "",
                        "last_year_gas_level": "",
                        "gas_level": "",
                        "report_date": "2025-01-01",
                        "iden_date": "2025-01-01",
                        "iden_unit": ""
                    }},
                    "detail_list": [
                        {{
                            "face_name": "",
                            "face_type": "",
                            "avg_abs_gas": 0.0000,
                            "max_abs_gas": 0.0000,
                            "avg_rel_gas": 0.0000,
                            "avg_abs_co2": 0.0000,
                            "max_abs_co2": 0.0000,
                            "gas_uneven_coeff": 0.0000,
                            "co2_uneven_coeff": 0.0000,
                            "daily_production": 0.00,
                            "remark": ""
                        }}
                    ]
                }}

                解析规则：
                1. 找不到的字段：字符串用""，数字用0/0.00/0.0000，禁止null
                2. report_month 格式必须为 yyyy-MM
                3. 日期必须为 yyyy-MM-dd
                4. 文档中出现多个工作面/巷道/硐室，detail_list 输出多条
                5. 只输出JSON，无任何其他内容,不要写markdown语法
                6. 仔细从瓦斯等级鉴定基础数据计算表中寻找月上中下旬的的瓦斯/二氧化碳涌出总量，并计算三旬平均作为月平均绝对涌出量，找出最大值作为月最大绝对涌出量，计算最大值与月平均值的比值作为不均衡系数
            '''),
            ("human", "请解析以下瓦斯等级鉴定报告内容：\n{text}")
        ])
        chain = prompt | self.llm
        response = chain.invoke({"text": full_text})
        return json.loads(response.content)

if __name__ == '__main__':
    parser = GasIdentificationParser()
    result = parser.parse("C:\\Users\ky\Desktop\配风计划研判\布尔台\附件5：布尔台煤矿2024-2025年度瓦斯等级鉴定报告.pdf")
    print(json.dumps(result, ensure_ascii=False, indent=2))