j-patent-strategy-analyzer

import importlib
required_packages = ['pandas', 'numpy', 'matplotlib', 'openpyxl']
missing = []
for pkg in required_packages:
    try:
        importlib.import_module(pkg)
    except ImportError:
        missing.append(pkg)
if missing:
    print(f"[环境准备] 以下依赖尚未安装：{missing}")
    print("[环境准备] 需要发起依赖安装请求，请用户审批")
    # → 进入 Step 2
else:
    print("[环境准备] 所有依赖已就绪 ✓")
    # → 直接进入阶段一

# 安装完成后必须执行验证
import pandas as pd
import numpy as np
import matplotlib
matplotlib.use('Agg')  # 无头模式，必须在导入 pyplot 之前设置
import matplotlib.pyplot as plt
import openpyxl
print(f"[环境准备] pandas {pd.__version__} ✓")
print(f"[环境准备] numpy {np.__version__} ✓")
print(f"[环境准备] matplotlib {matplotlib.__version__} ✓")
print(f"[环境准备] openpyxl {openpyxl.__version__} ✓")
print("[环境准备] 环境就绪，进入阶段一：数据加载")

# 加载→清洗→映射→建候选池→组装data字典
# 详细代码见 references/data_prep.md，按顺序执行：一~九

def get_latest_financial(company_name, report_year):
    """获取企业最新营收数据。
    【重要】search() 为平台搜索工具占位符（如 web_search / browser_search），
    实际执行时需替换为当前环境可用的搜索函数。返回值为 dict，至少包含 'revenue' 键。"""
    search_patterns = [
        "{name} {year}年报 营收 净利润",
        "{name} {year}年 营业收入 归母净利润",
        "{name} {year}年度 财务数据 营收",
        "{name} {year} 年度报告 利润总额",
    ]
    for year_offset in [-1, -2]:
        year = report_year + year_offset
        for pattern in search_patterns:
            data = search(pattern.format(name=company_name, year=year))
            if data and data.get('revenue'):
                return data, year
    # 兜底：不指定年份搜索
    data = search(f"{company_name} 年报 营收")
    return data, data.get('year') if data else None

def check_section(section_html, section_num, mandatory_items):
    """逐节强制元素验证 -- 在阶段五每节填充后立即调用。
    section_html: 刚生成的小节HTML字符串
    section_num: 节号（1-21）
    mandatory_items: 该节必须包含的字符串/特征列表
    """
    missing = []
    for item in mandatory_items:
        if item not in section_html:
            missing.append(item)
    if missing:
        print(f"[FAIL] 第{section_num}节缺失强制元素: {missing}")
        print(f"[ACTION] 立即修正第{section_num}节，补充上述缺失元素后继续")
        return False
    print(f"[PASS] 第{section_num}节强制元素检查通过")
    return True

封面页 → 页签导航 →
  tab-overview:   第一节(12格公司信息) → 第二节(双栏+名称变体) →
  tab-business:   第三节(曲线卡片) → 第四节(时间线+竞品) → 第五节(三梯队卡片) → 第六节(双栏+产品卡片) →
  tab-assets:     第七节(10大字KPI网格+类型表格+趋势图+地域) → 第八节(Tier卡片+代表专利+热力图) →
  tab-mapping:    第九节(进度条+汇总表格) → 第十节(三级缺口卡片) →
  tab-team:       第十一节(排行图+热力图+专长+协作+表格+效率建议) → 第十二节(双栏前瞻+近期专利质量趋势) → 第十三节(风险KPI+评分+矩阵+侵权Top5+海外建议) →
  tab-strategy:   第十四节(免责声明+表格) → 第十五节(覆盖矩阵+分级) → 第十六节(SWOT+三栏) → 第十七节(双栏策略+矩阵) → 第十八节(四级时间线) → 第十九节(双表格) →
  tab-action:     第二十节(双栏待办+结论) → 第二十一节(报告综述)

import re
def run_checklist(html):
    """22项检查清单 -- 独立函数，避免花括号转义问题。
    调用方式：checks = run_checklist(html_string)
    返回值：dict，key=检查项名，value=True/False
    【前置条件】变量 html 必须已定义，值为待检查的HTML字符串。
    【安全调用包装--在独立脚本中使用】
        with open('report.html', 'r', encoding='utf-8') as f:
            html = f.read()
        checks = run_checklist(html)
    """
    return dict([
        ('no_pie', 'pie(' not in html.lower()),
        ('7_tabs', len(re.findall(r'id="tab-\w+"', html)) == 7),
        ('20_sections', len(re.findall(r'[一二三四五六七八九十]+、', html)) >= 20 or len(re.findall(r'class="section-title"', html)) >= 20),
        ('conclusion_boxes', len(re.findall(r'class="conclusion-box"', html)) >= 20),
        ('source_hints', len(re.findall(r'class="source-hint"', html)) >= 20),
        ('curve_cards', 'curve-cards' in html),
        ('tier_cards', 'tier-card positive' in html),
        ('gap_cards_3level', all(k in html for k in ['gap-card urgent','gap-card important','gap-card opportunity'])),
        ('nine_progress_bar', 'cover-bar' in html),
        ('swot_three_col', 'three-col' in html and '专利运营' in html),
        ('report_review', 'report-review' in html),
        ('eureka_guide', 'Eureka' in html),
        ('sec14_no_exclude', all(k not in html for k in ['期限届满','视为撤回','撤回-主动撤回','驳回','避免重复授权','PCT指定期满'])),
        ('timeline_4levels', html.count('timeline-item') >= 4),
        ('value_heatmap', '价值分布' in html),
        ('inventor_detail_table', '核心发明人' in html),
        ('overseas_patent', '海外专利' in html),
        ('supplement_value_boxes', '补全价值' in html),
        # 新增：每条结论<li>必须有[S#]内联来源标记
        # [S#]内联来源标记：每条结论<li>末尾必须有[S1]~[S5]
        ('s3_citations', len(re.findall(r'\[S[1-5]\]</li>', html)) >= 40),
        # 5张图表全部base64内联嵌入
        ('chart2_inventor_rank', 'data:image/png;base64' in html and html.count('data:image/png;base64') >= 5),
        # 新增：第一节必须有12格KPI
        ('sec1_12kpi', html.count('kpi-card') >= 12),
        # 新增：第二节必须有科技资质表格+ALL_AN检索代码
        ('sec2_tech_qual', '科技资质' in html and 'ALL_AN:(' in html),
        # 新增：第七节必须有法律状态分布表格
        ('sec7_status_table', '法律状态' in html and '有效' in html and '审中' in html and '失效' in html),
        # 新增：第十一节必须有技术专长卡片+协作网络+研发效率建议
        ('sec11_specialty', '技术专长' in html and '协作网络' in html and '研发效率' in html),
        # 新增：第十三节必须有双栏评分矩阵
        ('sec13_dual_score', '专利布局角度' in html and '侵权风险角度' in html),
        # 新增：第十五节必须有P0/P1/P2分级表
        ('sec15_p0p1p2', 'P0' in html and 'P1' in html and 'P2' in html and '分级定义' in html),
        # 新增：第二十一节不能有section-title/section-subtitle
        ('sec21_no_title', 'class="section-title">二十一' not in html and ('report-review' not in html or html.rfind('class="section-subtitle"') < html.find('report-review'))),
        # 新增：结论标题统一性检查
        ('conclusion_title_uniform', html.count('本小节结论：') >= 18 or html.count('核心结论：') < 3),
    ])
# 【安全执行模式】仅在 html 变量已定义时运行检查
if 'html' in globals() and isinstance(html, str) and html.strip():
    checks = run_checklist(html)
    all_pass = all(checks.values())
    for name, result in checks.items():
        print(f"  [{'PASS' if result else 'FAIL'}] {name}")
else:
    print("[INFO] html 变量未定义或为空，检查清单未执行。请确保HTML内容已加载到 html 变量后重试。")
    print("[TIP] 如需检查独立HTML文件，请先执行：with open('report.html', 'r', encoding='utf-8') as f: html = f.read()")

阶段六执行流程：
  1. 运行 run_checklist(html) 获取全部检查结果
  2. 如果有任意一项为 FAIL：
     a. 记录失败的检查项名称
     b. 根据【回溯修正指南】定位到具体小节
     c. 修改对应小节的HTML内容
     d. 重新运行 run_checklist(html)
     e. 重复直到全部 PASS
  3. 如果全部 PASS：
     a. 执行最终验证（检查文件大小500KB-2MB）
     b. 输出HTML文件
     c. 报告完成
  4. 如果经过3轮回溯仍无法全部通过：
     a. 向用户报告具体失败的检查项
     b. 说明已尝试的修正措施
     c. 请求用户指导如何处理