File size: 19,898 Bytes
b4f2238
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
"""当事人文本解析器。"""

from __future__ import annotations

import re
from typing import Any

# 关键字列表,用于智能分割无换行文本
_FIELD_KEYWORDS: list[str] = [
    "名称",
    "企业名称",
    "公司名称",
    "单位名称",
    "姓名",
    "类型",
    "当事人",
    "法定代表人",
    "法人代表",
    "负责人",
    "统一社会信用代码",
    "社会信用代码",
    "信用代码",
    "身份证号码",
    "身份证号",
    "身份证",
    "证件号码",
    "地址",
    "注册地址",
    "经营地址",
    "联系地址",
    "住址",
    "住所地",
    "住所",
    "联系电话",
    "电话",
    "联系方式",
    "手机",
]


# 角色标签模式(用于分割多当事人文本)
# 统一支持:
# - 带序号:被告一 / 被告1 / 甲方二
# - 带括号注释:原告(反诉被告)
# - 带冒号或仅空格分隔:原告:张三 / 原告 张三
_ROLE_LABELS: tuple[str, ...] = (
    "再审被申请人",
    "再审申请人",
    "申请再审人",
    "被申请复议人",
    "申请复议人",
    "原审被告",
    "原审原告",
    "被申请执行人",
    "申请执行人",
    "被上诉人",
    "被申请人",
    "被执行人",
    "被答辩人",
    "申请人",
    "上诉人",
    "答辩人",
    "第三人",
    "委托方",
    "受托方",
    "委托人",
    "当事人",
    "原告",
    "被告",
    "甲方",
    "乙方",
    "丙方",
    "丁方",
)
_ROLE_LABELS_ALT = "|".join(re.escape(label) for label in _ROLE_LABELS)
_ROLE_SPLIT_STRS: list[str] = [
    rf"(?:{re.escape(label)})\s*(?:[一二三四五六七八九十\d]+)?\s*(?:([^)]*)|\([^)]*\))?\s*(?:[::]\s*|\s+)"
    for label in _ROLE_LABELS
]

_ROLE_SPLIT_PATTERNS: list[re.Pattern[str]] = [re.compile(p, re.IGNORECASE) for p in _ROLE_SPLIT_STRS]

# 角色标签 + 名称捕获模式(用于提取名称)
_ROLE_NAME_PATTERNS: list[re.Pattern[str]] = [re.compile(rf"{p}([^\n]+)", re.IGNORECASE) for p in _ROLE_SPLIT_STRS]


_ETHNICITY_PATTERN = re.compile(
    r"[,,]\s*(?:男|女|汉族|回族|满族|蒙古族|维吾尔族|藏族|壮族|朝鲜族|苗族|瑶族|"
    r"土家族|布依族|侗族|白族|哈尼族|哈萨克族|黎族|傣族|畲族|傈僳族|仡佬族|东乡族|"
    r"高山族|拉祜族|水族|佤族|纳西族|羌族|土族|仫佬族|锡伯族|柯尔克孜族|达斡尔族|"
    r"景颇族|毛南族|撒拉族|布朗族|塔吉克族|阿昌族|普米族|鄂温克族|怒族|京族|基诺族|"
    r"德昂族|保安族|俄罗斯族|裕固族|乌孜别克族|门巴族|鄂伦春族|独龙族|塔塔尔族|"
    r"赫哲族|珞巴族).*"
)
_BIRTH_DATE_PATTERN = re.compile(r"[,,]\s*\d{4}年\d{1,2}月\d{1,2}日.*")

_CREDIT_CODE_PATTERN = re.compile(
    r"(?:统一社会信用代码|信用代码|社会信用代码)\s*(?:[::]|为|是)?\s*([A-Z0-9]{18})",
    re.IGNORECASE,
)
_CREDIT_CODE_FALLBACK_PATTERN = re.compile(r"\b([A-Z0-9]{18})\b", re.IGNORECASE)
_ID_NUMBER_PATTERN = re.compile(
    r"(?:身份证号码|身份证号|身份证|证件号码)\s*(?:[::]|为|是)?\s*([0-9Xx]{15,18})",
    re.IGNORECASE,
)
_ID_NUMBER_FALLBACK_PATTERN = re.compile(r"\b([1-9]\d{16}[0-9Xx]|[1-9]\d{14})\b")
_ADDRESS_PATTERN = re.compile(
    r"(?:注册地址|经营地址|联系地址|地址|住址|住所地|住所)\s*(?:[::]|为|是)?\s*([^\n;;。]*?)"
    r"(?=\n|$|;|;|。|(?:联系电话|电话|联系方式|手机|法定代表人|法人代表|法定负责人|负责人)\s*(?:[::]|为|是)?)",
    re.IGNORECASE,
)
_PHONE_PATTERN = re.compile(
    r"(?:联系电话|电话|联系方式|手机|联系电话号码|联系人电话)\s*(?:[::]|为|是)?\s*([0-9\-\+\s]{7,20})",
    re.IGNORECASE,
)
_PHONE_FALLBACK_PATTERN = re.compile(r"(?<!\d)(1[3-9]\d{9}|(?:0\d{2,3}-?)?\d{7,8})(?!\d)")
_LEGAL_REP_PATTERN = re.compile(
    r"(?:法定代表人|法人代表|法定负责人|负责人)\s*(?:[::]|为|是)?\s*([^\n;;。]*?)"
    r"(?=\n|$|;|;|。|(?:联系电话|电话|联系方式|手机|注册地址|经营地址|联系地址|地址|住址|住所地|住所)\s*(?:[::]|为|是)?)",
    re.IGNORECASE,
)
_PAREN_CLEANUP_PATTERN = re.compile(r"([^)]*)|\([^)]*\)")
_WHITESPACE_PATTERN = re.compile(r"\s+")

_ROLE_NAME_FALLBACK_PATTERN = re.compile(
    r"(?:^|\n)\s*"
    rf"(?:{_ROLE_LABELS_ALT})"
    r"\s*(?:[一二三四五六七八九十\d]+)?\s*(?:([^)]*)|\([^)]*\))?\s*(?:[::]\s*|\s+)([^\n,,;;。]+)",
    re.IGNORECASE,
)
_ROLE_PREFIX_CLEANUP_PATTERN = re.compile(
    rf"^(?:{_ROLE_LABELS_ALT})\s*(?:[一二三四五六七八九十\d]+)?\s*(?:([^)]*)|\([^)]*\))?\s*(?:[::]\s*|\s+)",
    re.IGNORECASE,
)
_LEGAL_ENTITY_NAME_PATTERN = re.compile(
    r"([\u4e00-\u9fa5A-Za-z0-9()()·]{4,}"
    r"(?:有限责任公司|有限公司|股份有限公司|股份公司|集团有限公司|集团|合伙企业|律师事务所|研究院|银行|医院|学校|中心|店|厂))"
)
_NATURAL_PERSON_NAME_PATTERN = re.compile(r"([\u4e00-\u9fa5·]{2,10})\s*[,,]\s*(?:男|女)")
_LEADING_NAME_BEFORE_FIELD_PATTERN = re.compile(
    r"^\s*([^\n;;。]{2,80}?)"
    r"(?=\s*(?:统一社会信用代码|社会信用代码|信用代码|身份证号码|身份证号|身份证|证件号码|"
    r"法定代表人|法人代表|法定负责人|负责人|联系电话|电话|联系方式|手机|联系电话号码|联系人电话|"
    r"地址|住址|住所地|住所|注册地址|经营地址|联系地址))"
)
_LEADING_PERSON_NAME_PATTERN = re.compile(
    r"^\s*([\u4e00-\u9fa5·]{2,10})"
    r"(?=\s*(?:[,,;;]?\s*(?:男|女|出生|身份证号码|身份证号|身份证|证件号码|联系电话|电话|联系方式|手机|地址|住址|住所)))"
)
_ADDRESS_LINE_FALLBACK_PATTERN = re.compile(
    r"^(?:中国)?(?:北京市|天津市|上海市|重庆市|[\u4e00-\u9fa5]{2,}(?:省|自治区|特别行政区))"
    r"[\u4e00-\u9fa5A-Za-z0-9\-()()#号室栋单元路街道区县乡镇村]{4,}$"
)
_TRAILING_GENDER_PATTERN = re.compile(r"(?:\s|[,,])(?:男|女)\s*$")
_TRAILING_BIRTH_INFO_PATTERN = re.compile(r"(?:\s|[,,])\d{4}年\d{1,2}月\d{1,2}日(?:出生)?\s*$")
_ENUMERATION_PREFIX_PATTERN = re.compile(r"(?m)^\s*(?:[((]?[一二三四五六七八九十\d]+[))\.、]|[-*•])\s*")

_LEGAL_KEYWORDS: tuple[str, ...] = (
    "有限公司",
    "股份公司",
    "集团",
    "企业",
    "厂",
    "店",
    "中心",
    "协会",
    "基金会",
    "研究院",
    "学校",
    "医院",
    "银行",
)


def parse_client_text(text: str) -> dict[str, Any]:
    """
    解析当事人文本信息,支持有换行和无换行格式
    """
    if not text or not text.strip():
        return _empty_result()

    # 预处理:在关键字前插入换行,方便后续解析
    text = _normalize_text(text.strip())

    # 尝试解析
    parties = _extract_parties(text)

    if not parties:
        # 如果角色标签匹配失败,尝试直接提取字段
        return _parse_fields_directly(text)

    return parties[0]


def parse_multiple_clients_text(text: str) -> list[dict[str, Any]]:
    """解析包含多个当事人的文本"""
    if not text or not text.strip():
        return []

    text = _normalize_text(text.strip())
    return _extract_parties(text)


_FIELD_KEYWORDS_PATTERN = re.compile(r"(?<!\n)(" + "|".join(re.escape(kw) for kw in _FIELD_KEYWORDS) + r")\s*[::]")
_INLINE_BREAK_KEYWORDS_ALT = "|".join(
    re.escape(keyword) for keyword in dict.fromkeys([*_FIELD_KEYWORDS, *_ROLE_LABELS])
)
_INLINE_BREAK_PATTERN = re.compile(rf"(?<!\n)(?<=\S)\s+(?=(?:{_INLINE_BREAK_KEYWORDS_ALT})\s*(?:[::]|为|是|\S))")
_FULL_STOP_BREAK_PATTERN = re.compile(r"[。]+(?=\s*\S)")


def _normalize_text(text: str) -> str:
    """预处理文本:统一换行、拆分内联字段、清理列表序号"""
    text = text.replace("\r\n", "\n").replace("\r", "\n")
    text = text.replace(";", "\n").replace(";", "\n")
    text = _FULL_STOP_BREAK_PATTERN.sub("\n", text)
    text = _ENUMERATION_PREFIX_PATTERN.sub("", text)
    text = _INLINE_BREAK_PATTERN.sub("\n", text)
    text = _FIELD_KEYWORDS_PATTERN.sub(r"\n\g<0>", text)
    text = re.sub(r"\n{2,}", "\n", text)
    return text.strip()


def _parse_fields_directly(text: str) -> dict[str, Any]:
    """直接从文本提取字段(无角色标签时使用)"""
    return _parse_single_party(text, use_smart_name=True)


_SMART_NAME_PATTERN = re.compile(
    r"^[甲乙丙丁]方\s*(?:([^)]*))?\s*[::]\s*(.+?)(?=法定代表人|统一社会信用代码|地址|电话|$)",
    re.DOTALL,
)

# 支持字段式名称(保留冒号约束,避免过度吞并整段文本)
_NAME_FIELD_PATTERN = re.compile(
    r"(?:^|\n)\s*(?:名称|企业名称|公司名称|单位名称|姓名|当事人名称)\s*(?:[::]|为|是)?\s*([^\n]+)",
    re.IGNORECASE,
)
_NON_NAME_KEYWORDS: tuple[str, ...] = (
    "统一社会信用代码",
    "社会信用代码",
    "信用代码",
    "身份证",
    "证件号码",
    "法定代表人",
    "法人代表",
    "负责人",
    "联系电话",
    "联系方式",
    "电话",
    "手机",
    "地址",
    "住址",
    "住所",
    "注册地址",
    "经营地址",
    "联系地址",
)


def _extract_name_smart(text: str) -> str | None:
    """智能提取名称"""
    name = _extract_name(text)
    if name:
        return name

    # 支持 "名称: xxx" 格式
    match = _NAME_FIELD_PATTERN.search(text)
    if match:
        name = _clean_name_candidate(match.group(1))
        if _is_valid_name_candidate(name):
            return name

    match2 = _SMART_NAME_PATTERN.search(text)
    if match2:
        name = _clean_name_candidate(_WHITESPACE_PATTERN.sub("", match2.group(1).strip()))
        if _is_valid_name_candidate(name):
            return name

    leading_name_match = _LEADING_NAME_BEFORE_FIELD_PATTERN.search(text)
    if leading_name_match:
        name = _clean_name_candidate(leading_name_match.group(1))
        if _is_valid_name_candidate(name):
            return name

    # 兼容无冒号的角色写法:如 "被告 张三,男..."
    role_match = _ROLE_NAME_FALLBACK_PATTERN.search(text)
    if role_match:
        name = _clean_name_candidate(role_match.group(1))
        if _is_valid_name_candidate(name):
            return name

    leading_person_match = _LEADING_PERSON_NAME_PATTERN.search(text)
    if leading_person_match:
        name = _clean_name_candidate(leading_person_match.group(1))
        if _is_valid_name_candidate(name):
            return name

    # 兼容仅出现公司全称的文本
    legal_name_match = _LEGAL_ENTITY_NAME_PATTERN.search(text)
    if legal_name_match:
        name = _clean_name_candidate(legal_name_match.group(1))
        if _is_valid_name_candidate(name):
            return name

    # 兼容自然人常见写法:如 "李四,男..."
    person_match = _NATURAL_PERSON_NAME_PATTERN.search(text)
    if person_match:
        name = _clean_name_candidate(person_match.group(1))
        if _is_valid_name_candidate(name):
            return name

    # 兜底:第一行即名称
    first_line_name = _extract_name_from_first_meaningful_line(text)
    if first_line_name:
        return first_line_name

    return None


def _clean_name_candidate(name_part: str) -> str:
    """清洗名称候选值(保留公司括号地名,不做激进删减)"""
    name = _ROLE_PREFIX_CLEANUP_PATTERN.sub("", name_part.strip())
    name = _ETHNICITY_PATTERN.sub("", name)
    name = _BIRTH_DATE_PATTERN.sub("", name)
    name = _TRAILING_BIRTH_INFO_PATTERN.sub("", name)
    name = _TRAILING_GENDER_PATTERN.sub("", name)
    return name.strip().strip(",,;;。")


def _is_valid_name_candidate(name: str) -> bool:
    """判断名称候选值是否有效,避免把字段值误判为名称"""
    if not name or len(name) < 2 or len(name) > 120:
        return False

    if any(keyword in name for keyword in _NON_NAME_KEYWORDS):
        return False
    if any(keyword.startswith(name) for keyword in _NON_NAME_KEYWORDS):
        return False
    if any(role.startswith(name) for role in _ROLE_LABELS):
        return False

    compact = _WHITESPACE_PATTERN.sub("", name)
    if not compact:
        return False
    if compact.isdigit():
        return False
    if _ID_NUMBER_FALLBACK_PATTERN.fullmatch(compact):
        return False
    if _CREDIT_CODE_FALLBACK_PATTERN.fullmatch(compact) and any(ch.isalpha() for ch in compact):
        return False
    return True


def _extract_name_from_first_meaningful_line(text: str) -> str | None:
    """从第一条有效信息行提取名称"""
    for raw_line in text.splitlines():
        line = raw_line.strip()
        if not line:
            continue
        line = _clean_name_candidate(line)
        if _is_valid_name_candidate(line):
            return line

    return None


def _extract_parties(text: str) -> list[dict[str, Any]]:
    """提取所有当事人信息"""
    parties = []

    # 定义角色标签模式(支持 甲方(原告)、乙方(被告)等格式)
    role_patterns = _ROLE_SPLIT_PATTERNS

    # 找到所有角色标签的位置
    all_matches: list[re.Match[str]] = []
    for compiled in role_patterns:
        all_matches.extend(compiled.finditer(text))

    # 按位置排序,去除同一起始位置的重复匹配(保留最长匹配)
    all_matches.sort(key=lambda x: (x.start(), -(x.end() - x.start())))
    seen_starts: set[int] = set()
    deduped: list[re.Match[str]] = []
    for m in all_matches:
        if m.start() not in seen_starts:
            seen_starts.add(m.start())
            deduped.append(m)
    all_matches = deduped

    # 提取每个当事人的信息
    for i, match in enumerate(all_matches):
        start_pos = match.end()

        # 确定当事人信息的结束位置
        if i + 1 < len(all_matches):
            end_pos = all_matches[i + 1].start()
        else:
            end_pos = len(text)

        # 提取当事人信息段落
        party_text = text[start_pos:end_pos].strip()

        if party_text:
            # 重新构造完整的当事人信息(包含角色标签)
            role_label = text[match.start() : match.end()]
            full_party_text = role_label + party_text

            party_info = _parse_single_party(full_party_text, use_smart_name=True)
            if party_info["name"]:  # 只有名称不为空才添加
                parties.append(party_info)

    # 如果没有找到角色标签,尝试直接解析
    if not parties:
        party_info = _parse_single_party(text, use_smart_name=True)
        if party_info["name"]:
            parties.append(party_info)

    return parties


def _parse_single_party(text: str, *, use_smart_name: bool = False) -> dict[str, Any]:
    """解析单个当事人信息"""
    result = _empty_result()

    name = _extract_name_smart(text) if use_smart_name else _extract_name(text)
    if name:
        result["name"] = name
        result["client_type"] = _determine_client_type(name, text)

    # 提取统一社会信用代码
    credit_code = _extract_credit_code(text)
    if credit_code:
        result["id_number"] = credit_code
        result["client_type"] = "legal"  # 有统一社会信用代码的是法人

    # 提取身份证号码
    if not result["id_number"]:
        id_number = _extract_id_number(text)
        if id_number:
            result["id_number"] = id_number
            result["client_type"] = "natural"  # 有身份证号的是自然人

    # 提取地址
    address = _extract_address(text)
    if address:
        result["address"] = address

    # 提取电话
    phone = _extract_phone(text)
    if phone:
        result["phone"] = phone

    # 提取法定代表人
    legal_rep = _extract_legal_representative(text)
    if legal_rep:
        result["legal_representative"] = legal_rep
        if result["client_type"] == "natural":
            result["client_type"] = "legal"  # 有法定代表人的是法人

    return result


def _extract_name(text: str) -> str | None:
    """提取名称"""
    # 定义角色标签模式(支持 甲方(原告)、乙方(被告)等格式)
    role_patterns = _ROLE_NAME_PATTERNS

    for compiled in role_patterns:
        match = compiled.search(text)
        if match:
            name = _clean_name_candidate(match.group(1))
            if _is_valid_name_candidate(name):
                return name.strip()

    return None


def _extract_credit_code(text: str) -> str | None:
    """提取统一社会信用代码"""
    match = _CREDIT_CODE_PATTERN.search(text)
    if match:
        return match.group(1).strip().upper()

    # 无标签兜底:仅接受含字母的18位编码,避免误判身份证号
    # 但需要排除明显是身份证号的情况(文本中有"身份证"关键词)
    for fallback_match in _CREDIT_CODE_FALLBACK_PATTERN.finditer(text):
        code = fallback_match.group(1).strip().upper()
        if not any(ch.isalpha() for ch in code):
            continue
        # 排除身份证号:如果编码附近有"身份证"关键词,跳过
        # 计算编码在文本中的位置
        start_pos = fallback_match.start()
        end_pos = fallback_match.end()
        # 检查前面 20 个字符内是否有"身份证"
        context_before = text[max(0, start_pos - 20) : start_pos].lower()
        if "身份证" in context_before:
            continue
        return code

    return None


def _extract_id_number(text: str) -> str | None:
    """提取身份证号码"""
    match = _ID_NUMBER_PATTERN.search(text)
    if match:
        return match.group(1).strip().upper()

    fallback = _ID_NUMBER_FALLBACK_PATTERN.search(text)
    return fallback.group(1).strip().upper() if fallback else None


def _extract_address(text: str) -> str | None:
    """提取地址"""
    match = _ADDRESS_PATTERN.search(text)
    if match:
        address = match.group(1).strip()
        if address:
            return address

    # 无标签兜底:从明显的省市开头行提取
    for raw_line in text.splitlines():
        line = raw_line.strip()
        if line and _ADDRESS_LINE_FALLBACK_PATTERN.fullmatch(line):
            return line
    return None


def _extract_phone(text: str) -> str | None:
    """提取电话号码"""
    match = _PHONE_PATTERN.search(text)
    if match:
        phone = _WHITESPACE_PATTERN.sub("", match.group(1).strip())
        if phone:
            return phone

    # 无标签兜底:优先手机号,其次座机
    fallback_phone: str | None = None
    for fallback in _PHONE_FALLBACK_PATTERN.finditer(text):
        candidate = _WHITESPACE_PATTERN.sub("", fallback.group(1).strip())
        digits_only = re.sub(r"\D", "", candidate)
        if len(digits_only) == 11 and digits_only.startswith("1"):
            return candidate
        if fallback_phone is None:
            fallback_phone = candidate
    return fallback_phone


def _extract_legal_representative(text: str) -> str | None:
    """提取法定代表人"""
    match = _LEGAL_REP_PATTERN.search(text)
    if not match:
        return None
    legal_rep = _clean_name_candidate(match.group(1))
    return legal_rep or None


def _determine_client_type(name: str, text: str) -> str:
    """根据名称和文本内容判断客户类型"""
    if _extract_credit_code(text):
        return "legal"
    if _extract_legal_representative(text):
        return "legal"
    if any(kw in name for kw in _LEGAL_KEYWORDS):
        return "legal"
    if _extract_id_number(text):
        return "natural"
    return "natural"


def _empty_result() -> dict[str, Any]:
    """返回空的解析结果"""
    return {
        "name": "",
        "phone": "",
        "address": "",
        "client_type": "natural",
        "id_number": "",
        "legal_representative": "",
    }