modules/document_analysis/services/item_extractor.py

# -*- coding: utf-8 -*-
"""
خدمة استخراج البنود من المستندات

هذا الملف يحتوي على الفئة المسؤولة عن استخراج البنود والجداول من المستندات.
"""

import os
import logging

class ItemExtractor:
    """فئة استخراج البنود من المستندات"""
    
    def __init__(self, config=None):
        """
        تهيئة مستخرج البنود
        
        المعلمات:
            config (dict): إعدادات مستخرج البنود
        """
        self.config = config or {}
        self.logger = logging.getLogger(__name__)
    
    def extract(self, file_path):
        """
        استخراج البنود من ملف
        
        المعلمات:
            file_path (str): مسار الملف
            
        العوائد:
            list: قائمة البنود المستخرجة
        """
        self.logger.info(f"جاري استخراج البنود من الملف: {file_path}")
        
        try:
            # في البيئة الحقيقية، استخدم تحليل متقدم للمستند
            # محاكاة الاستخراج للعرض
            file_name = os.path.basename(file_path)
            
            # تحديد نوع الملف
            _, ext = os.path.splitext(file_path)
            ext = ext.lower()
            
            if ext == '.pdf':
                return self._extract_items_from_pdf(file_path)
            elif ext in ('.doc', '.docx'):
                return self._extract_items_from_docx(file_path)
            else:
                return [{"بند": "نوع الملف غير مدعوم", "قيمة": 0}]
        except Exception as e:
            self.logger.error(f"خطأ في استخراج البنود: {str(e)}")
            return [{"بند": "حدث خطأ أثناء الاستخراج", "قيمة": 0, "خطأ": str(e)}]
    
    def _extract_items_from_pdf(self, file_path):
        """
        استخراج البنود من ملف PDF
        
        المعلمات:
            file_path (str): مسار ملف PDF
            
        العوائد:
            list: قائمة البنود المستخرجة
        """
        # في البيئة الحقيقية، استخدم تحليل متقدم للمستند
        # محاكاة الاستخراج للعرض
        return [
            {"بند": "أعمال الخرسانة", "وحدة": "م3", "كمية": 250, "سعر الوحدة": 1200, "الإجمالي": 300000},
            {"بند": "أعمال التشطيبات", "وحدة": "م2", "كمية": 1500, "سعر الوحدة": 350, "الإجمالي": 525000},
            {"بند": "أعمال الكهرباء", "وحدة": "نقطة", "كمية": 120, "سعر الوحدة": 200, "الإجمالي": 24000},
            {"بند": "أعمال السباكة", "وحدة": "نقطة", "كمية": 75, "سعر الوحدة": 300, "الإجمالي": 22500},
            {"بند": "أعمال الألمنيوم", "وحدة": "م2", "كمية": 85, "سعر الوحدة": 1500, "الإجمالي": 127500}
        ]
    
    def _extract_items_from_docx(self, file_path):
        """
        استخراج البنود من ملف Word
        
        المعلمات:
            file_path (str): مسار ملف Word
            
        العوائد:
            list: قائمة البنود المستخرجة
        """
        # في البيئة الحقيقية، استخدم تحليل متقدم للمستند
        # محاكاة الاستخراج للعرض
        return [
            {"بند": "استشارات هندسية", "وحدة": "ساعة", "كمية": 120, "سعر الوحدة": 500, "الإجمالي": 60000},
            {"بند": "تصميم معماري", "وحدة": "م2", "كمية": 1800, "سعر الوحدة": 100, "الإجمالي": 180000},
            {"بند": "تصميم إنشائي", "وحدة": "م2", "كمية": 1800, "سعر الوحدة": 80, "الإجمالي": 144000},
            {"بند": "تصميم كهربائي", "وحدة": "م2", "كمية": 1800, "سعر الوحدة": 40, "الإجمالي": 72000},
            {"بند": "تصميم ميكانيكي", "وحدة": "م2", "كمية": 1800, "سعر الوحدة": 40, "الإجمالي": 72000}
        ]
    
    def extract_tables(self, document):
        """
        استخراج الجداول من مستند
        
        المعلمات:
            document (dict): المستند المحلل
            
        العوائد:
            list: قائمة الجداول المستخرجة
        """
        self.logger.info("جاري استخراج الجداول من المستند")
        
        try:
            # في البيئة الحقيقية، استخدم تحليل متقدم للمستند
            # محاكاة الاستخراج للعرض
            return [
                {
                    "عنوان": "جدول البنود والتكاليف",
                    "بيانات": [
                        {"بند": "أعمال الخرسانة", "وحدة": "م3", "كمية": 250, "سعر الوحدة": 1200, "الإجمالي": 300000},
                        {"بند": "أعمال التشطيبات", "وحدة": "م2", "كمية": 1500, "سعر الوحدة": 350, "الإجمالي": 525000},
                        {"بند": "أعمال الكهرباء", "وحدة": "نقطة", "كمية": 120, "سعر الوحدة": 200, "الإجمالي": 24000},
                        {"بند": "أعمال السباكة", "وحدة": "نقطة", "كمية": 75, "سعر الوحدة": 300, "الإجمالي": 22500},
                        {"بند": "أعمال الألمنيوم", "وحدة": "م2", "كمية": 85, "سعر الوحدة": 1500, "الإجمالي": 127500}
                    ]
                },
                {
                    "عنوان": "جدول المعلومات العامة",
                    "بيانات": [
                        {"اسم المشروع": "مبنى سكني", "المالك": "شركة الإسكان", "الموقع": "الرياض", "المساحة": "2500 م2"},
                        {"اسم المشروع": "مبنى تجاري", "المالك": "شركة التطوير", "الموقع": "جدة", "المساحة": "3500 م2"}
                    ]
                }
            ]
        except Exception as e:
            self.logger.error(f"خطأ في استخراج الجداول: {str(e)}")
            return [{"عنوان": "حدث خطأ أثناء الاستخراج", "بيانات": []}]