根据图片中的起始位置的特殊内容将图片进行分组

根据图片中特殊的标识将图片进行分组

python 复制代码
def group_images_by_project(png_img_paths):
    """
    按项目规则(项目: \d 开头 → 七、牵头单位 结束)对PNG图片进行分组
    参数:
        png_img_paths: 所有PNG图片路径列表(按原始顺序传入,保证拼接顺序正确)
    返回:
        project_image_groups: 字典,key=项目顺序编号(如"project_1"),value=该项目对应的图片路径列表
    """
    project_image_groups = {}
    current_project_images = []  # 当前项目的图片列表
    project_counter = 1  # 项目编号计数器
    is_in_project = False  # 标记是否在项目处理中
    
    for img_path in png_img_paths:
        # 1. 跳过非PNG文件
        if not img_path.lower().endswith('.png'):
            print(f"跳过非PNG文件:{img_path}")
            continue

        # 2. 单独提取当前图片的文本
        img_text = ""
        try:
            img = Image.open(img_path)
            img_text = extract_image_text(img)
            img.close()
        except Exception as e:
            print(f"处理图片 {img_path} 失败:{e}")
            # 即使图片读取失败,若正在处理项目中,仍将图片加入
            if is_in_project:
                current_project_images.append(img_path)
            continue

        # 3. 判断当前图片是否包含新项目开头
        project_start_list = batch_match_all_projects(img_text)
        
        if project_start_list:
            # 如果已在一个项目中,先保存当前项目
            if is_in_project and current_project_images:
                project_key = f"project_{project_counter}"
                project_image_groups[project_key] = current_project_images.copy()
                print(f"保存项目 {project_key},图片数量:{len(current_project_images)}")
                project_counter += 1
            
            # 开始新项目
            is_in_project = True
            current_project_images = [img_path]
            project_name = project_start_list[0]  # 保留原始项目名称用于日志
            print(f"开始新项目 {project_counter}(原始名称:{project_name}),对应图片:{img_path}")
            
        # 4. 判断当前图片是否是项目结束标识
        elif "七、牵头单位" in img_text and is_in_project:
            # 将当前图片加入当前项目
            current_project_images.append(img_path)
            
            # 结束当前项目
            project_key = f"project_{project_counter}"
            project_image_groups[project_key] = current_project_images.copy()
            print(f"结束项目 {project_key},图片数量:{len(current_project_images)}")
            
            # 重置状态
            is_in_project = False
            current_project_images = []
            project_counter += 1
            
        # 5. 既不是开头也不是结尾,若在项目中则加入
        elif is_in_project:
            current_project_images.append(img_path)
            # 可选:打印日志,跟踪图片加入情况
            # print(f"图片 {img_path} 加入项目 {project_counter}")

    # 6. 处理最后一个未正常结束的项目
    if is_in_project and current_project_images:
        project_key = f"project_{project_counter}"
        project_image_groups[project_key] = current_project_images
        print(f"处理未结束项目 {project_key},图片数量:{len(current_project_images)}")

    return project_image_groups
## 提炼图片索引
def batch_match_all_projects(text):
    """批量提取文本中的项目标识(返回原始匹配列表)"""
    # 核心正则:兼容带/不带冒号、有/无空格的项目标识
    full_pattern = r'\b(项目\s*\d+\s*[::]?)'
    all_full_projects = re.findall(full_pattern, text)
    return all_full_projects
相关推荐
霸道流氓气质5 分钟前
ApiPost 中配置自动获取 Token 并调用业务接口完整指南
java·服务器·数据库
时空无限17 分钟前
vllm 大模型启动缓存相关环境变量 export
linux·缓存·vllm
独隅25 分钟前
IntelliJ IDEA 接入多种AI大模型插件终极指南(2026.1 企业合规版)
java·人工智能·intellij-idea
Echo_cy_26 分钟前
基于ZYNQ-7000的Ethernet驱动配置
linux·驱动开发·嵌入式硬件·fpga开发·ethernet·zynq
ShineWinsu41 分钟前
对于Linux:模版方法类的解析以及socket、TcpSocket的封装
linux·c++·面试·socket·模板方法模式·封装·tcpsocket
还是奇怪1 小时前
Simon Willison 用 DSPy 优化 Datasette Agent 提示词:提示工程正在变成可测试的软件工程
java·开发语言·软件工程
zfoo-framework1 小时前
1.ansible安装 2.虚拟机克隆
java
码上解惑1 小时前
从 Dify 工作流说起:常用节点怎么选、怎样组合?
java·人工智能·ai·agent·dify·智能体·spring ai
无足鸟ICT1 小时前
【RHCA+】查看变量
linux·运维·服务器
Kina_C2 小时前
Linux DNS 服务器-从高速缓存到辅助 DNS 部署指南
linux·运维·服务器·dns