113 lines
5.3 KiB
Python
113 lines
5.3 KiB
Python
from langchain.docstore.document import Document
|
||
import re
|
||
|
||
def get_fist_level_title(
|
||
text: str,
|
||
) -> bool:
|
||
# 文本长度为0的话或长度大于25，肯定不是title
|
||
if len(text) == 0 and len (text)>= 25:
|
||
print("Not a title. Text is empty or longer than 25.")
|
||
return ""
|
||
|
||
splitlines = text.splitlines()
|
||
first_line = splitlines[0]
|
||
# 文本中有标点符号，就不是title
|
||
ENDS_IN_PUNCT_PATTERN = r"[^\w\s]\Z"
|
||
ENDS_IN_PUNCT_RE = re.compile(ENDS_IN_PUNCT_PATTERN)
|
||
if ENDS_IN_PUNCT_RE.search(first_line) is not None:
|
||
return ""
|
||
|
||
FIRST_TITLE = r'((?<!\.|[a-zA-Z0-9]|\S)\d+[^\S\n]+[^\s\.]+\S+)'
|
||
TITLE_PUNCT_RE = re.compile(FIRST_TITLE)
|
||
if TITLE_PUNCT_RE.search(first_line) is not None:
|
||
return first_line
|
||
return ""
|
||
|
||
#return the 2nd level title
|
||
def get_second_level_title(
|
||
text: str,
|
||
) -> str:
|
||
# 文本长度为0的话，肯定不是title
|
||
if len(text) == 0 and len (text)>= 25:
|
||
print("Not a title. Text is empty or longer than 25.")
|
||
return ""
|
||
|
||
splitlines = text.splitlines()
|
||
first_line = splitlines[0]
|
||
# 文本中有标点符号，就不是title
|
||
ENDS_IN_PUNCT_PATTERN = r"[^\w\s]\Z"
|
||
ENDS_IN_PUNCT_RE = re.compile(ENDS_IN_PUNCT_PATTERN)
|
||
if ENDS_IN_PUNCT_RE.search(first_line) is not None:
|
||
return ""
|
||
|
||
Second_TITLE = r'((?<!\.|[a-zA-Z0-9]|\S)[0-9]+\s*\.\s*[0-9]+[^\S\n]+[^\s\.]+(?!\.|[a-zA-Z0-9]))'
|
||
TITLE_PUNCT_RE = re.compile(Second_TITLE)
|
||
if TITLE_PUNCT_RE.search(first_line) is not None:
|
||
return first_line
|
||
else:
|
||
if len(splitlines)>1:
|
||
Second_line = splitlines[1]
|
||
if TITLE_PUNCT_RE.search(Second_line) is not None:
|
||
return Second_line
|
||
return ""
|
||
|
||
#judge if it is 3rd level content
|
||
def is_third_level_content(
|
||
text: str,
|
||
) -> bool:
|
||
# 文本长度为0的话，肯定不是title
|
||
if len(text) == 0:
|
||
print("Not a title. Text is empty.")
|
||
return False
|
||
|
||
splitlines = text.splitlines()
|
||
first_line = splitlines[0]
|
||
|
||
Third_TITLE = r'((?<!\.|[a-zA-Z0-9]|\S)\s*[0-9]+\s*\.\s*[0-9]+\s*\.\s*[0-9]+[^\S\n]+[^\s\.]+(?!\.|[a-zA-Z0-9]))'
|
||
TITLE_PUNCT_RE = re.compile(Third_TITLE)
|
||
if TITLE_PUNCT_RE.search(first_line) is not None:
|
||
return True
|
||
|
||
return False
|
||
|
||
#给三级被分开的内容 增加二级标题
|
||
def zh_second_title_enhance(docs: Document) -> Document:
|
||
title = None
|
||
if len(docs) > 0:
|
||
for doc in docs:
|
||
second_title = get_second_level_title(doc.page_content)
|
||
if second_title:
|
||
title = second_title
|
||
elif title:
|
||
temp_third_content = is_third_level_content(doc.page_content)
|
||
if temp_third_content:
|
||
doc.page_content = f"{title} {doc.page_content}"
|
||
else:
|
||
title = None
|
||
return docs
|
||
else:
|
||
print("文件不存在")
|
||
|
||
|
||
if __name__ == "__main__":
|
||
str = """6 进出等电位
|
||
6.1 直线塔进出等电位
|
||
6.1.1 对于直线塔， 作业人员不得从横担或绝缘子串垂直进出等电位， 可采用吊篮（吊椅、吊梯） 法、 绝缘软梯法等方式进出等电位。
|
||
6.1.2 等电位作业人员进出等电位时与接地体及带电体的各电气间隙距离（包括安全距离、组合间隙） 均应满足表 1 、3 要求。
|
||
6.1.3 吊篮（吊椅、吊梯）必须用吊拉绳索稳固悬吊； 吊篮（吊椅、吊梯）的移动速度必须用绝缘滑 车组严格控制， 做到均匀、慢速； 固定吊拉绳索的长度， 应准确计算或实际丈量， 保证等电位作业人员 即将进入等电位时人体最高部位不超过导线侧均压环。
|
||
6.2 耐张塔进出等电位
|
||
6.2.1 在耐张塔进出等电位时，作业人员可采用沿耐张绝缘子串方法或其它方法进出等电位。
|
||
6.2.2 等电位作业人员沿绝缘子串移动时， 手与脚的位置必须保持对应一致， 且人体和工具短接的绝 缘子片数应符合 5.2.2 的要求。
|
||
6.2.3 等电位作业人员所系安全带，应绑在手扶的绝缘子串上，并与等电位作业人员同步移动。
|
||
6.2.4 等电位作业人员在进出等电位时，应在移动至距离带电体 3 片绝缘子时进行电位转移，方可进 行后续操作。
|
||
6.2.5 带电作业人员与接地体及带电体的各电气间隙距离（包括安全距离、组合间隙）和经人体或工 具短接后的良好绝缘子片数均应满足表 4 要求，否则不能沿耐张绝缘子串进出等电位。
|
||
7 作业中的注意事项
|
||
7.1 等电位作业人员在带电作业过程中时，应避免身体动作幅度过大。
|
||
7.2 等电位作业人员与地电位作业人员之间传递物品应采用绝缘工具，绝缘工具的有效长度，应满足 表 2 的规定。
|
||
7.3 屏蔽服装应无破损和孔洞， 各部分应连接良好、可靠。发现破损和毛刺时应送有资质的试验单位 进行屏蔽服装电阻和屏蔽效率测量，测量结果满足本标准 5.3.1 条的要求后，方可使用。
|
||
7.4 绝缘工具在使用前， 应使用 2500V 及以上兆欧表进行分段检测（电极宽 2cm，极间宽 2cm），阻值 不低于 700MΩ。"""
|
||
title = is_third_level_content(str)
|
||
print(title)
|
||
title = get_second_level_title(str)
|
||
print(title)
|
||
#zh_second_title_enhance() |