|
|
@@ -20,87 +20,244 @@ def setup_page_config(config):
|
|
|
st.markdown(f"<style>{css_content}</style>", unsafe_allow_html=True)
|
|
|
|
|
|
|
|
|
+def _parse_document_from_source_key(source_key: str, documents: list) -> str:
|
|
|
+ """
|
|
|
+ 🎯 从数据源 key 解析文档名
|
|
|
+
|
|
|
+ 数据源 key 格式: {文档名}_{result_dir}
|
|
|
+ 例如: "德_内蒙古银行照_mineru_vllm_results"
|
|
|
+
|
|
|
+ Args:
|
|
|
+ source_key: 数据源 key
|
|
|
+ documents: 可用文档列表
|
|
|
+
|
|
|
+ Returns:
|
|
|
+ 文档名，如果无法解析则返回 None
|
|
|
+ """
|
|
|
+ # 🎯 按文档名长度降序排序，优先匹配长文档名
|
|
|
+ sorted_docs = sorted(documents, key=len, reverse=True)
|
|
|
+
|
|
|
+ for doc in sorted_docs:
|
|
|
+ # 检查数据源 key 是否以 "文档名_" 开头
|
|
|
+ if source_key.startswith(f"{doc}_"):
|
|
|
+ return doc
|
|
|
+
|
|
|
+ # 如果没有匹配，尝试直接匹配
|
|
|
+ if source_key in documents:
|
|
|
+ return source_key
|
|
|
+
|
|
|
+ return None
|
|
|
+
|
|
|
+
|
|
|
def create_data_source_selector(validator):
|
|
|
- """创建双数据源选择器"""
|
|
|
- if not validator.all_sources:
|
|
|
- st.warning("❌ 未找到任何数据源，请检查配置文件")
|
|
|
+ """
|
|
|
+ 🎯 新版数据源选择器 - 3 列布局
|
|
|
+ 1. 选择文档
|
|
|
+ 2. 选择 OCR 工具
|
|
|
+ 3. 选择验证工具
|
|
|
+ """
|
|
|
+ from config_manager import ConfigManager
|
|
|
+
|
|
|
+ # 获取配置管理器
|
|
|
+ if 'config_manager' not in st.session_state:
|
|
|
+ st.error("配置管理器未初始化")
|
|
|
return
|
|
|
|
|
|
- source_options = {}
|
|
|
- for source_key, source_data in validator.all_sources.items():
|
|
|
- display_name = get_data_source_display_name(source_data['config'])
|
|
|
- source_options[display_name] = source_key
|
|
|
+ config_manager: ConfigManager = st.session_state.config_manager
|
|
|
|
|
|
- col1, col2 = st.columns(2)
|
|
|
+ # ============================================================
|
|
|
+ # 3 列布局
|
|
|
+ # ============================================================
|
|
|
+ col1, col2, col3 = st.columns(3)
|
|
|
|
|
|
+ # ============================================================
|
|
|
+ # 第 1 列：选择文档
|
|
|
+ # ============================================================
|
|
|
with col1:
|
|
|
- st.markdown("#### 📊 OCR数据源")
|
|
|
- current_display_name = None
|
|
|
+ st.markdown("#### 📄 选择文档")
|
|
|
+
|
|
|
+ documents = config_manager.list_documents()
|
|
|
+ if not documents:
|
|
|
+ st.error("未找到任何文档配置")
|
|
|
+ return
|
|
|
+
|
|
|
+ # 🎯 从当前数据源 key 解析文档名
|
|
|
+ current_doc = None
|
|
|
if validator.current_source_key:
|
|
|
- for display_name, key in source_options.items():
|
|
|
- if key == validator.current_source_key:
|
|
|
- current_display_name = display_name
|
|
|
- break
|
|
|
-
|
|
|
- selected_ocr_display = st.selectbox(
|
|
|
- "选择OCR数据源",
|
|
|
- options=list(source_options.keys()),
|
|
|
- index=list(source_options.keys()).index(current_display_name) if current_display_name else 0,
|
|
|
- key="ocr_source_selector",
|
|
|
+ current_doc = _parse_document_from_source_key(validator.current_source_key, documents)
|
|
|
+
|
|
|
+ # 文档下拉框
|
|
|
+ selected_doc_index = 0
|
|
|
+ if current_doc and current_doc in documents:
|
|
|
+ selected_doc_index = documents.index(current_doc)
|
|
|
+
|
|
|
+ selected_doc = st.selectbox(
|
|
|
+ "文档",
|
|
|
+ options=documents,
|
|
|
+ index=selected_doc_index,
|
|
|
+ key="selected_document",
|
|
|
label_visibility="collapsed",
|
|
|
- help="选择要分析的OCR数据源"
|
|
|
+ help="选择要处理的文档"
|
|
|
)
|
|
|
|
|
|
- selected_ocr_key = source_options[selected_ocr_display]
|
|
|
+ # 显示文档详情
|
|
|
+ doc_config = config_manager.get_document(selected_doc)
|
|
|
+ if doc_config:
|
|
|
+ enabled_count = len([r for r in doc_config.ocr_results if r.enabled])
|
|
|
+ with st.expander("📋 文档详情", expanded=False):
|
|
|
+ st.caption(f"**基础目录:** `{doc_config.base_dir}`")
|
|
|
+ st.caption(f"**可用工具:** {enabled_count} 个")
|
|
|
+
|
|
|
+ # ============================================================
|
|
|
+ # 第 2 列：选择 OCR 工具
|
|
|
+ # ============================================================
|
|
|
+ with col2:
|
|
|
+ st.markdown("#### 🔧 OCR 数据源")
|
|
|
+
|
|
|
+ if not doc_config:
|
|
|
+ st.error(f"文档配置不存在: {selected_doc}")
|
|
|
+ return
|
|
|
+
|
|
|
+ # 获取该文档的所有启用的 OCR 结果
|
|
|
+ enabled_ocr_results = [r for r in doc_config.ocr_results if r.enabled]
|
|
|
+
|
|
|
+ if not enabled_ocr_results:
|
|
|
+ st.warning(f"文档 {selected_doc} 没有可用的 OCR 工具")
|
|
|
+ return
|
|
|
|
|
|
- if selected_ocr_key != validator.current_source_key:
|
|
|
- validator.switch_to_source(selected_ocr_key)
|
|
|
+ # 🎯 构建 OCR 工具选项（使用 result_dir）
|
|
|
+ ocr_tool_options = []
|
|
|
+ ocr_source_keys = [] # 对应的数据源 key
|
|
|
+
|
|
|
+ for ocr_result in enabled_ocr_results:
|
|
|
+ # 🎯 显示名称：优先使用 description
|
|
|
+ if ocr_result.description:
|
|
|
+ display_name = ocr_result.description
|
|
|
+ else:
|
|
|
+ tool_config = config_manager.get_ocr_tool(ocr_result.tool)
|
|
|
+ display_name = tool_config.name if tool_config else ocr_result.tool
|
|
|
+
|
|
|
+ # 🎯 构建数据源 key（使用 result_dir）
|
|
|
+ source_key = f"{selected_doc}_{ocr_result.result_dir}"
|
|
|
+
|
|
|
+ ocr_tool_options.append(display_name)
|
|
|
+ ocr_source_keys.append(source_key)
|
|
|
+
|
|
|
+ # 获取当前选中的 OCR 工具索引
|
|
|
+ current_ocr_index = 0
|
|
|
+ if validator.current_source_key:
|
|
|
+ # 🎯 检查当前数据源是否属于当前文档
|
|
|
+ if validator.current_source_key.startswith(f"{selected_doc}_"):
|
|
|
+ if validator.current_source_key in ocr_source_keys:
|
|
|
+ current_ocr_index = ocr_source_keys.index(validator.current_source_key)
|
|
|
+
|
|
|
+ # OCR 工具下拉框
|
|
|
+ selected_ocr_index = st.selectbox(
|
|
|
+ "OCR 工具",
|
|
|
+ options=range(len(ocr_tool_options)),
|
|
|
+ format_func=lambda i: ocr_tool_options[i],
|
|
|
+ index=current_ocr_index,
|
|
|
+ key="selected_ocr_tool",
|
|
|
+ label_visibility="collapsed",
|
|
|
+ help="选择 OCR 识别工具"
|
|
|
+ )
|
|
|
+
|
|
|
+ selected_ocr_source_key = ocr_source_keys[selected_ocr_index]
|
|
|
+
|
|
|
+ # 🎯 切换 OCR 数据源
|
|
|
+ if validator.current_source_key != selected_ocr_source_key:
|
|
|
+ validator.switch_to_source(selected_ocr_source_key)
|
|
|
+ st.success(f"✅ 已切换 OCR 工具")
|
|
|
+ # 重置文件选择
|
|
|
if 'selected_file_index' in st.session_state:
|
|
|
st.session_state.selected_file_index = 0
|
|
|
- # ✅ 数据源变更会在主函数中检测并重置验证结果
|
|
|
st.rerun()
|
|
|
|
|
|
+ # 显示 OCR 数据源详情
|
|
|
if validator.current_source_config:
|
|
|
- with st.expander("📋 OCR数据源详情", expanded=False):
|
|
|
- st.write(f"**工具:** {validator.current_source_config['ocr_tool']}")
|
|
|
- st.write(f"**文件数:** {len(validator.file_info)}")
|
|
|
+ with st.expander("📋 OCR 详情", expanded=False):
|
|
|
+ st.caption(f"**工具:** {validator.current_source_config['ocr_tool']}")
|
|
|
+ st.caption(f"**结果目录:** `{enabled_ocr_results[selected_ocr_index].result_dir}`")
|
|
|
+ st.caption(f"**文件数:** {len(validator.file_info)}")
|
|
|
|
|
|
- with col2:
|
|
|
+ # ============================================================
|
|
|
+ # 第 3 列：选择验证工具
|
|
|
+ # ============================================================
|
|
|
+ with col3:
|
|
|
st.markdown("#### 🔍 验证数据源")
|
|
|
- verify_display_name = None
|
|
|
+
|
|
|
+ # 🎯 验证工具选项（排除当前 OCR 工具）
|
|
|
+ verify_tool_options = []
|
|
|
+ verify_source_keys = []
|
|
|
+ verify_results = [] # 保存对应的 ocr_result，用于显示详情
|
|
|
+
|
|
|
+ for i, ocr_result in enumerate(enabled_ocr_results):
|
|
|
+ # 跳过当前 OCR 工具
|
|
|
+ if ocr_source_keys[i] == selected_ocr_source_key:
|
|
|
+ continue
|
|
|
+
|
|
|
+ # 🎯 显示名称
|
|
|
+ if ocr_result.description:
|
|
|
+ display_name = ocr_result.description
|
|
|
+ else:
|
|
|
+ tool_config = config_manager.get_ocr_tool(ocr_result.tool)
|
|
|
+ display_name = tool_config.name if tool_config else ocr_result.tool
|
|
|
+
|
|
|
+ verify_tool_options.append(display_name)
|
|
|
+ verify_source_keys.append(ocr_source_keys[i])
|
|
|
+ verify_results.append(ocr_result)
|
|
|
+
|
|
|
+ if not verify_tool_options:
|
|
|
+ st.warning("⚠️ 没有其他可用的验证工具")
|
|
|
+ st.info("💡 可以添加更多 OCR 工具到配置文件")
|
|
|
+ return
|
|
|
+
|
|
|
+ # 获取当前选中的验证工具索引
|
|
|
+ current_verify_index = 0
|
|
|
if validator.verify_source_key:
|
|
|
- for display_name, key in source_options.items():
|
|
|
- if key == validator.verify_source_key:
|
|
|
- verify_display_name = display_name
|
|
|
- break
|
|
|
-
|
|
|
- selected_verify_display = st.selectbox(
|
|
|
- "选择验证数据源",
|
|
|
- options=list(source_options.keys()),
|
|
|
- index=list(source_options.keys()).index(verify_display_name) if verify_display_name else (1 if len(source_options) > 1 else 0),
|
|
|
- key="verify_source_selector",
|
|
|
+ # 🎯 检查验证数据源是否属于当前文档
|
|
|
+ if validator.verify_source_key.startswith(f"{selected_doc}_"):
|
|
|
+ if validator.verify_source_key in verify_source_keys:
|
|
|
+ current_verify_index = verify_source_keys.index(validator.verify_source_key)
|
|
|
+
|
|
|
+ # 验证工具下拉框
|
|
|
+ selected_verify_index = st.selectbox(
|
|
|
+ "验证工具",
|
|
|
+ options=range(len(verify_tool_options)),
|
|
|
+ format_func=lambda i: verify_tool_options[i],
|
|
|
+ index=current_verify_index,
|
|
|
+ key="selected_verify_tool",
|
|
|
label_visibility="collapsed",
|
|
|
- help="选择用于交叉验证的数据源"
|
|
|
+ help="选择用于交叉验证的工具"
|
|
|
)
|
|
|
|
|
|
- selected_verify_key = source_options[selected_verify_display]
|
|
|
+ selected_verify_source_key = verify_source_keys[selected_verify_index]
|
|
|
|
|
|
- if selected_verify_key != validator.verify_source_key:
|
|
|
- validator.switch_to_verify_source(selected_verify_key)
|
|
|
- # ✅ 数据源变更会在主函数中检测并重置验证结果
|
|
|
+ # 🎯 切换验证数据源
|
|
|
+ if validator.verify_source_key != selected_verify_source_key:
|
|
|
+ validator.switch_to_verify_source(selected_verify_source_key)
|
|
|
+ st.success(f"✅ 已切换验证工具")
|
|
|
st.rerun()
|
|
|
|
|
|
+ # 显示验证数据源详情
|
|
|
if validator.verify_source_config:
|
|
|
- with st.expander("📋 验证数据源详情", expanded=False):
|
|
|
- st.write(f"**工具:** {validator.verify_source_config['ocr_tool']}")
|
|
|
- st.write(f"**文件数:** {len(validator.verify_file_info)}")
|
|
|
+ verify_result = verify_results[selected_verify_index]
|
|
|
+ with st.expander("📋 验证详情", expanded=False):
|
|
|
+ st.caption(f"**工具:** {validator.verify_source_config['ocr_tool']}")
|
|
|
+ st.caption(f"**结果目录:** `{verify_result.result_dir}`")
|
|
|
+ st.caption(f"**文件数:** {len(validator.verify_file_info)}")
|
|
|
|
|
|
- # ✅ 显示数据源状态提示
|
|
|
+ # ============================================================
|
|
|
+ # 状态提示（全宽）
|
|
|
+ # ============================================================
|
|
|
if validator.current_source_key == validator.verify_source_key:
|
|
|
- st.warning("⚠️ OCR数据源和验证数据源相同，建议选择不同的数据源进行交叉验证")
|
|
|
+ st.warning("⚠️ OCR数据源和验证数据源相同，建议选择不同的工具进行交叉验证")
|
|
|
else:
|
|
|
- # 检查是否有交叉验证结果
|
|
|
- has_results = 'cross_validation_batch_result' in st.session_state and st.session_state.cross_validation_batch_result is not None
|
|
|
+ # 🎯 检查是否有交叉验证结果
|
|
|
+ has_results = (
|
|
|
+ 'cross_validation_batch_result' in st.session_state
|
|
|
+ and st.session_state.cross_validation_batch_result is not None
|
|
|
+ )
|
|
|
|
|
|
if has_results:
|
|
|
# 检查验证结果是否与当前数据源匹配
|
|
|
@@ -111,11 +268,11 @@ def create_data_source_selector(validator):
|
|
|
current_verify_source = get_data_source_display_name(validator.verify_source_config)
|
|
|
|
|
|
if result_ocr_source == current_ocr_source and result_verify_source == current_verify_source:
|
|
|
- st.success(f"✅ 已选择 {selected_ocr_display} 与 {selected_verify_display} 进行交叉验证（已有验证结果）")
|
|
|
+ st.success(f"✅ 已选择 **{selected_doc}** 文档，使用 **{ocr_tool_options[selected_ocr_index]}** 与 **{verify_tool_options[selected_verify_index]}** 进行交叉验证 **（已有验证结果）**")
|
|
|
else:
|
|
|
- st.info(f"ℹ️ 已选择 {selected_ocr_display} 与 {selected_verify_display} 进行交叉验证（验证结果已过期，请重新验证）")
|
|
|
+ st.info(f"ℹ️ 已选择 **{selected_doc}** 文档，使用 **{ocr_tool_options[selected_ocr_index]}** 与 **{verify_tool_options[selected_verify_index]}** 进行交叉验证 **（验证结果已过期，请重新验证）**")
|
|
|
else:
|
|
|
- st.success(f"✅ 已选择 {selected_ocr_display} 与 {selected_verify_display} 进行交叉验证")
|
|
|
+ st.success(f"✅ 已选择 **{selected_doc}** 文档，使用 **{ocr_tool_options[selected_ocr_index]}** 与 **{verify_tool_options[selected_verify_index]}** 进行交叉验证")
|
|
|
|
|
|
|
|
|
@st.dialog("message", width="small", dismissible=True, on_dismiss="rerun")
|
zhch158_admin