config_manager.py

@@ -278,20 +278,15 @@ class ConfigManager:
                     # 如果未指定图片目录，使用结果目录
                     src_img_dir = str(base_dir / ocr_result.result_dir / doc_name)
                 
-                # 生成数据源名称
-                if ocr_result.description:
-                    source_name = f"{doc_name}_{ocr_result.description}"
-                else:
-                    tool_config = self.get_ocr_tool(ocr_result.tool)
-                    tool_name = tool_config.name if tool_config else ocr_result.tool
-                    source_name = f"{doc_name}_{tool_name}"
+                # 🎯 使用 result_dir 生成数据源名称（更唯一、更清晰）
+                source_name = f"{doc_name}_{ocr_result.result_dir}"
                 
                 data_source = DataSource(
                     name=source_name,
                     ocr_tool=ocr_result.tool,
                     ocr_out_dir=ocr_out_dir,
                     src_img_dir=src_img_dir,
-                    description=ocr_result.description or f"{doc_name} 使用 {ocr_result.tool}"
+                    description=ocr_result.description or ocr_result.result_dir
                 )
                 
                 data_sources.append(data_source)

ocr_validator_utils.py

@@ -823,7 +823,7 @@ def find_available_ocr_files_multi_source(config: Dict) -> Dict[str, List[Dict]]
     for source in config.get('data_sources', []):
         source_name = source['name']
         ocr_tool = source['ocr_tool']
-        source_key = f"{source_name}_{ocr_tool}"  # 创建唯一标识
+        source_key = f"{source_name}"
         
         ocr_out_dir = source['ocr_out_dir']
         

streamlit_ocr_validator.py

@@ -43,7 +43,7 @@ def main():
             st.stop()
     
     config_manager = st.session_state.config_manager
-    validator_config = config_manager.to_validator_config()
+    validator_config = st.session_state.validator_config
     
     # 初始化应用
     if 'validator' not in st.session_state:

streamlit_validator_ui.py

@@ -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")