ocr_verify/ocr_vlm_verify/quick_demo.py

#!/usr/bin/env python3
"""
表格验证功能快速验证脚本
验证升级后的表格详细分析功能
"""

import json
import os
from typing import Dict, Any
from ocr_verification import verify_ocr_with_vlm, analyze_differences

def quick_table_verification_demo():
    """快速演示表格验证功能"""
    
    print("🚀 表格详细验证功能演示")
    print("=" * 50)
    
    # 检查必要文件
    ocr_file = "demo_54fa7ad0_page_1.json"
    image_file = "至远彩色印刷工业有限公司-2022年母公司_2.png"
    
    if not os.path.exists(ocr_file):
        print(f"❌ 找不到OCR文件: {ocr_file}")
        return
        
    if not os.path.exists(image_file):
        print(f"❌ 找不到图片文件: {image_file}")
        return
    
    print(f"✅ 文件检查完成")
    print(f"📄 OCR文件: {ocr_file}")
    print(f"🖼️  图片文件: {image_file}")
    print()
    
    # 演示不同精度级别的验证
    verification_modes = [
        {
            "name": "🎯 高精度模式（推荐用于财务报表）",
            "config": {
                "temperature": 0.05,
                "max_tokens": 8192,
                "timeout": 400
            }
        },
        {
            "name": "⚖️ 平衡模式（一般表格）", 
            "config": {
                "temperature": 0.15,
                "max_tokens": 4096,
                "timeout": 240
            }
        },
        {
            "name": "⚡ 快速模式（初步扫描）",
            "config": {
                "temperature": 0.25,
                "max_tokens": 2048,
                "timeout": 120
            }
        }
    ]
    
    for i, mode in enumerate(verification_modes, 1):
        print(f"\n📊 测试 {i}/3: {mode['name']}")
        print("-" * 40)
        
        try:
            output_file = f"verification_result_mode_{i}.json"
            
            print(f"🔍 开始验证...")
            print(f"   温度参数: {mode['config']['temperature']}")
            print(f"   最大Token: {mode['config']['max_tokens']}")
            print(f"   超时时间: {mode['config']['timeout']}秒")
            
            # 执行验证
            result = verify_ocr_with_vlm(
                image_file,
                ocr_file, 
                output_file,
                **mode['config']
            )
            
            if result:
                print(f"✅ 验证完成，结果保存到: {output_file}")
                
                # 显示关键指标
                if isinstance(result, dict):
                    print(f"📈 关键指标:")
                    
                    # 显示表格验证信息
                    table_info = result.get('table_verification', {})
                    if table_info:
                        print(f"   检查项目: {table_info.get('total_items_checked', 'N/A')}")
                        print(f"   准确率: {table_info.get('accuracy_rate', 'N/A')}")
                        print(f"   结构正确: {'✅' if table_info.get('table_structure_correct') else '❌'}")
                    
                    # 显示错误统计
                    errors = result.get('errors', [])
                    format_issues = result.get('format_issues', [])
                    missing_items = result.get('missing_items', [])
                    
                    print(f"   识别错误: {len(errors)} 项")
                    print(f"   格式问题: {len(format_issues)} 项") 
                    print(f"   遗漏项目: {len(missing_items)} 项")
                    
                    # 显示高严重程度错误
                    critical_errors = [
                        error for error in errors 
                        if error.get('severity') == '高'
                    ]
                    if critical_errors:
                        print(f"   🔴 高严重程度错误: {len(critical_errors)} 项")
                
            else:
                print(f"❌ 验证失败")
                
        except Exception as e:
            print(f"❌ 验证过程出错: {str(e)}")
            continue
    
    print(f"\n🎯 演示完成!")
    print(f"📁 查看生成的结果文件:")
    for i in range(1, 4):
        result_file = f"verification_result_mode_{i}.json"
        if os.path.exists(result_file):
            print(f"   📄 {result_file}")
    
    print(f"\n💡 使用建议:")
    print(f"   🎯 财务报表 → 使用高精度模式")
    print(f"   ⚖️ 一般表格 → 使用平衡模式")
    print(f"   ⚡ 快速检查 → 使用快速模式")
    
    # 分析最后一个结果
    if os.path.exists("verification_result_mode_1.json"):
        print(f"\n🔍 分析高精度模式结果:")
        try:
            analyze_differences("verification_result_mode_1.json")
        except Exception as e:
            print(f"❌ 分析出错: {str(e)}")

def show_table_analysis_capabilities():
    """展示表格分析能力说明"""
    
    print(f"\n📋 新增表格分析能力:")
    print("=" * 50)
    
    capabilities = [
        "🔍 逐项验证: 对表格中每个数据项进行单独验证",
        "📊 格式检查: 检测千分符、小数点、标点符号错误",
        "🏗️  结构验证: 验证表格行列对应关系",
        "📈 完整性检查: 确保重要项目和数据不遗漏",
        "🎯 错误分级: 高/中/低严重程度分类",
        "📍 精确定位: 提供行X列Y的具体位置信息", 
        "💡 修正建议: 给出具体的错误修正方案",
        "📊 统计报告: 准确率、错误分布等指标",
        "🔧 参数优化: 支持多种精度模式配置"
    ]
    
    for capability in capabilities:
        print(f"   {capability}")
    
    print(f"\n📄 支持的表格类型:")
    table_types = [
        "💰 财务报表 (利润表、资产负债表、现金流量表)",
        "📊 数据统计表 (业务数据、运营指标)",
        "📋 清单表格 (物料清单、人员名单)",
        "📈 对比分析表 (同比、环比数据)",
        "🗓️  时间序列表 (月度、季度、年度数据)"
    ]
    
    for table_type in table_types:
        print(f"   {table_type}")

if __name__ == "__main__":
    # 显示功能说明
    show_table_analysis_capabilities()
    
    # 执行演示
    quick_table_verification_demo()