modules/document_analysis/services/document_parser.py

# -*- coding: utf-8 -*-
"""
خدمة تحليل المستندات

هذا الملف يحتوي على الفئة المسؤولة عن تحليل المستندات واستخراج المعلومات الهيكلية منها.
"""

import os
import logging
import datetime

class DocumentParser:
    """فئة تحليل المستندات واستخراج المعلومات منها"""
    
    def __init__(self, config=None):
        """
        تهيئة محلل المستندات
        
        المعلمات:
            config (dict): إعدادات محلل المستندات
        """
        self.config = config or {}
        self.logger = logging.getLogger(__name__)
    
    def parse(self, file_path):
        """
        تحليل المستند واستخراج المعلومات منه
        
        المعلمات:
            file_path (str): مسار الملف
            
        العوائد:
            dict: معلومات المستند المستخرجة
        """
        self.logger.info(f"جاري تحليل المستند: {file_path}")
        
        try:
            # في البيئة الحقيقية، استخدم تحليل متقدم للمستند
            # محاكاة التحليل للعرض
            file_name = os.path.basename(file_path)
            file_size = os.path.getsize(file_path) if os.path.exists(file_path) else 0
            
            # تحديد نوع الملف
            _, ext = os.path.splitext(file_path)
            ext = ext.lower()
            
            # تحديد نوع المستند
            document_type = self._get_document_type(ext)
            
            # محاكاة معلومات المستند
            current_date = datetime.datetime.now().strftime("%Y-%m-%d")
            
            result = {
                "اسم الملف": file_name,
                "حجم الملف": f"{file_size / 1024:.2f} كيلوبايت",
                "نوع الملف": document_type,
                "تاريخ التحليل": current_date,
                "تقدير عدد الصفحات": self._estimate_pages(file_size),
                "نتائج التحليل": {
                    "نوع المستند": self._classify_document(file_name),
                    "درجة الثقة": "85%",
                    "الأقسام الرئيسية": self._get_main_sections(),
                    "الكلمات الرئيسية": self._get_main_keywords(),
                    "الشروط الهامة": self._get_important_terms()
                }
            }
            
            return result
        except Exception as e:
            self.logger.error(f"خطأ في تحليل المستند: {str(e)}")
            return {"خطأ": f"حدث خطأ أثناء تحليل المستند: {str(e)}"}
    
    def parse_document(self, file_path):
        """
        تحليل المستند واستخراج المعلومات الأساسية منه
        
        المعلمات:
            file_path (str): مسار الملف
            
        العوائد:
            dict: معلومات المستند الأساسية
        """
        self.logger.info(f"جاري تحليل المستند الأساسي: {file_path}")
        
        # في البيئة الحقيقية، استخدم تحليل متقدم للمستند
        # محاكاة التحليل للعرض
        file_name = os.path.basename(file_path)
        
        return {
            "نوع": self._classify_document(file_name),
            "محتوى": "محتوى المستند...",
            "هيكل": {
                "عنوان": "عنوان المستند",
                "أقسام": ["قسم 1", "قسم 2", "قسم 3"]
            }
        }
    
    def _get_document_type(self, ext):
        """
        تحديد نوع المستند من امتداد الملف
        
        المعلمات:
            ext (str): امتداد الملف
            
        العوائد:
            str: نوع المستند
        """
        document_types = {
            '.pdf': 'مستند PDF',
            '.doc': 'مستند Word',
            '.docx': 'مستند Word',
            '.jpg': 'صورة JPEG',
            '.jpeg': 'صورة JPEG',
            '.png': 'صورة PNG',
            '.xlsx': 'جدول Excel',
            '.xls': 'جدول Excel',
            '.txt': 'ملف نصي'
        }
        
        return document_types.get(ext, 'نوع ملف غير معروف')
    
    def _estimate_pages(self, file_size):
        """
        تقدير عدد صفحات المستند بناءً على حجمه
        
        المعلمات:
            file_size (int): حجم الملف بالبايت
            
        العوائد:
            int: تقدير عدد الصفحات
        """
        # تقدير بسيط: كل 50 كيلوبايت تقريباً صفحة واحدة
        # هذا تقدير بسيط جداً ويختلف حسب نوع المستند ومحتواه
        return max(1, int(file_size / (50 * 1024)))
    
    def _classify_document(self, file_name):
        """
        تصنيف نوع المستند بناءً على اسمه
        
        المعلمات:
            file_name (str): اسم الملف
            
        العوائد:
            str: تصنيف المستند
        """
        file_name_lower = file_name.lower()
        
        if 'عقد' in file_name_lower or 'contract' in file_name_lower:
            return "عقد"
        elif 'مناقصة' in file_name_lower or 'tender' in file_name_lower:
            return "مستند مناقصة"
        elif 'تقرير' in file_name_lower or 'report' in file_name_lower:
            return "تقرير"
        elif 'فاتورة' in file_name_lower or 'invoice' in file_name_lower:
            return "فاتورة"
        elif 'عرض' in file_name_lower or 'proposal' in file_name_lower:
            return "عرض سعر"
        elif 'مواصفات' in file_name_lower or 'spec' in file_name_lower:
            return "مواصفات فنية"
        elif 'كراسة' in file_name_lower or 'شروط' in file_name_lower:
            return "كراسة شروط"
        else:
            return "مستند عام"
    
    def _get_main_sections(self):
        """
        الحصول على قائمة الأقسام الرئيسية التقديرية للمستند
        
        العوائد:
            list: قائمة الأقسام الرئيسية
        """
        # محاكاة قائمة الأقسام
        return [
            "مقدمة",
            "نطاق العمل",
            "المواصفات الفنية",
            "جدول الكميات",
            "الشروط والأحكام",
            "الجدول الزمني",
            "المتطلبات الخاصة"
        ]
    
    def _get_main_keywords(self):
        """
        الحصول على قائمة الكلمات الرئيسية التقديرية للمستند
        
        العوائد:
            list: قائمة الكلمات الرئيسية
        """
        # محاكاة قائمة الكلمات الرئيسية
        return [
            "مناقصة",
            "بناء",
            "تشييد",
            "تسليم مفتاح",
            "مواصفات فنية",
            "جدول كميات",
            "ضمان",
            "غرامة تأخير",
            "دفعة مقدمة",
            "محتوى محلي"
        ]
    
    def _get_important_terms(self):
        """
        الحصول على قائمة الشروط الهامة التقديرية للمستند
        
        العوائد:
            list: قائمة الشروط الهامة
        """
        # محاكاة قائمة الشروط الهامة
        return [
            "مدة تنفيذ المشروع: 18 شهر",
            "غرامة التأخير: 0.5% أسبوعياً بحد أقصى 10%",
            "الدفعة المقدمة: 10%",
            "الضمان النهائي: 5% لمدة سنة",
            "شروط الدفع: دفعات شهرية حسب نسبة الإنجاز",
            "المحتوى المحلي: 70% كحد أدنى"
        ]