Clerk2.5/pdf_converter_v2/parser/table_parser.py

# Copyright (c) Opendatalab. All rights reserved.

"""
表格解析模块 v2 - 独立版本，不依赖v1
"""

from typing import List
import re
from ..utils.logging_config import get_logger
from ..models.data_models import OperationalCondition, OperationalConditionV2

logger = get_logger("pdf_converter_v2.parser.table")


def normalize_text(text: str) -> str:
    """将常见全角符号、大小写等统一，便于关键词匹配"""
    if not text:
        return ""
    text = text.lower()
    replacements = {
        "（": "(",
        "）": ")",
        "：": ":",
        "－": "-",
        "—": "-",
        "〜": "~",
        "～": "~",
        "／": "/",
        "　": " ",
    }
    for old, new in replacements.items():
        text = text.replace(old, new)
    return text


def parse_table_cell(cell_content: str) -> str:
    """解析表格单元格内容"""
    if not cell_content:
        return ""
    cell_content = re.sub(r'<[^>]+>', '', cell_content)
    cell_content = re.sub(r'\s+', ' ', cell_content).strip()
    return cell_content


def extract_table_data(markdown_content: str) -> List[List[List[str]]]:
    """从Markdown内容中提取表格数据"""
    tables: List[List[List[str]]] = []
    # 匹配带属性的table标签，如 <table border=1 style='...'>
    table_matches = re.findall(r'<table[^>]*>(.*?)</table>', markdown_content, re.DOTALL)
    logger.debug(f"[extract_table_data] 共找到 {len(table_matches)} 个表格")
    
    for table_idx, table_content in enumerate(table_matches):
        table_rows: List[List[str]] = []
        tr_matches = re.findall(r'<tr[^>]*>(.*?)</tr>', table_content, re.DOTALL)
        logger.debug(f"[extract_table_data] 表格{table_idx}, 行数: {len(tr_matches)}")
        
        for row_idx, tr_content in enumerate(tr_matches):
            td_matches = re.findall(r'<td[^>]*>(.*?)</td>', tr_content)
            row: List[str] = [parse_table_cell(td) for td in td_matches]
            if row:
                table_rows.append(row)
        
        if table_rows:
            tables.append(table_rows)
    
    logger.debug(f"[extract_table_data] 总表格: {len(tables)}")
    return tables


def extract_table_with_rowspan_colspan(markdown_content: str) -> List[List[List[str]]]:
    """提取表格数据，处理rowspan和colspan属性"""
    tables: List[List[List[str]]] = []
    # 匹配带属性的table标签，如 <table border=1 style='...'>
    table_matches = re.findall(r'<table[^>]*>(.*?)</table>', markdown_content, re.DOTALL)
    logger.debug(f"[extract_table_with_rowspan_colspan] 共找到 {len(table_matches)} 个表格")
    
    for table_idx, table_content in enumerate(table_matches):
        tr_matches = re.findall(r'<tr[^>]*>(.*?)</tr>', table_content, re.DOTALL)
        logger.debug(f"[extract_table_with_rowspan_colspan] 表格{table_idx}, 行数: {len(tr_matches)}")
        
        if not tr_matches:
            continue
        
        # 用于存储rowspan的值（跨行的单元格值）
        rowspan_values = {}  # {(row_idx, col_idx): (value, remaining_rows)}
        
        # 先构建一个矩阵来存储所有单元格
        max_cols = 0
        table_matrix = []
        
        for row_idx, tr_content in enumerate(tr_matches):
            # 找到所有td标签，包括属性
            td_pattern = r'<td[^>]*>(.*?)</td>'
            td_matches_with_attrs = re.finditer(td_pattern, tr_content, re.DOTALL)
            
            row = []
            col_idx = 0
            
            for td_match in td_matches_with_attrs:
                full_td = td_match.group(0)
                cell_content = td_match.group(1)
                
                # 提取rowspan和colspan属性
                rowspan_match = re.search(r'rowspan=["\']?(\d+)["\']?', full_td)
                colspan_match = re.search(r'colspan=["\']?(\d+)["\']?', full_td)
                
                rowspan = int(rowspan_match.group(1)) if rowspan_match else 1
                colspan = int(colspan_match.group(1)) if colspan_match else 1
                
                # 解析单元格内容
                cell_text = parse_table_cell(cell_content)
                
                # 跳过被rowspan占用的列
                while (row_idx, col_idx) in rowspan_values:
                    row.append(rowspan_values[(row_idx, col_idx)][0])  # 使用rowspan的值
                    remaining = rowspan_values[(row_idx, col_idx)][1] - 1
                    if remaining > 0:
                        rowspan_values[(row_idx + 1, col_idx)] = (rowspan_values[(row_idx, col_idx)][0], remaining)
                    del rowspan_values[(row_idx, col_idx)]
                    col_idx += 1
                
                # 添加单元格内容
                for c in range(colspan):
                    row.append(cell_text if c == 0 else "")
                    
                    # 如果有rowspan，记录到后续行
                    if rowspan > 1 and c == 0:
                        rowspan_values[(row_idx + 1, col_idx)] = (cell_text, rowspan - 1)
                    
                    col_idx += 1
            
            # 处理剩余的被rowspan占用的列
            while (row_idx, col_idx) in rowspan_values:
                row.append(rowspan_values[(row_idx, col_idx)][0])
                remaining = rowspan_values[(row_idx, col_idx)][1] - 1
                if remaining > 0:
                    rowspan_values[(row_idx + 1, col_idx)] = (rowspan_values[(row_idx, col_idx)][0], remaining)
                del rowspan_values[(row_idx, col_idx)]
                col_idx += 1
            
            if row:
                table_matrix.append(row)
                max_cols = max(max_cols, len(row))
                logger.debug(f"[extract_table_with_rowspan_colspan] 表格{table_idx} 第{row_idx}行, 内容: {row}")
        
        # 统一列数（可选，确保每行列数一致）
        for row in table_matrix:
            while len(row) < max_cols:
                row.append("")
        
        if table_matrix:
            tables.append(table_matrix)
    
    logger.debug(f"[extract_table_with_rowspan_colspan] 总表格: {len(tables)}")
    return tables


def parse_operational_conditions(markdown_content: str, require_title: bool = True) -> List[OperationalCondition]:
    """解析工况信息表格
    
    Args:
        markdown_content: Markdown内容
        require_title: 是否要求必须有标题标识（如"附件2 工况信息"），默认为True
                      如果为False，则仅根据表格结构判断是否为工况信息表格
    """
    conditions: List[OperationalCondition] = []
    
    # 查找工况信息相关的表格
    if require_title:
        if "附件2 工况信息" not in markdown_content and "工况信息" not in markdown_content:
            logger.debug("[工况信息] 未找到工况信息标识")
            return conditions
    else:
        logger.debug("[工况信息] 无标题模式：仅根据表格结构判断")
    
    # 提取表格数据（支持rowspan和colspan）
    tables = extract_table_with_rowspan_colspan(markdown_content)
    
    if not tables:
        logger.warning("[工况信息] 未能提取出任何表格内容")
        return conditions
    
    # 查找工况信息表格（通常包含"检测时间"、"电压"、"电流"等关键词）
    for table in tables:
        if not table or len(table) < 2:
            continue
        
        # 检查表头是否包含工况信息的关键词
        header_row = table[0]
        has_operational_keywords = any(
            keyword in " ".join(header_row)
            for keyword in ["检测时间", "电压", "电流", "有功功率", "无功功率", "项目"]
        )
        
        if not has_operational_keywords:
            continue
        
        logger.info(f"[工况信息] 找到工况信息表格，行数: {len(table)}")
        
        # 找到表头行的列索引
        header_row = table[0]
        monitor_at_idx = -1
        project_idx = -1
        name_idx = -1
        voltage_idx = -1
        current_idx = -1
        active_power_idx = -1
        reactive_power_idx = -1
        
        for idx, cell in enumerate(header_row):
            cell_lower = cell.lower()
            if "检测时间" in cell or "监测时间" in cell:
                monitor_at_idx = idx
            elif "项目" in cell:
                # 项目列可能有colspan，需要找到实际的列
                if project_idx == -1:
                    project_idx = idx
                # 检查下一列是否是名称列（如果项目列colspan=2，下一列可能是名称）
                if idx + 1 < len(header_row) and name_idx == -1:
                    next_cell = header_row[idx + 1]
                    if not any(k in next_cell.lower() for k in ["电压", "电流", "有功", "无功", "检测"]):
                        name_idx = idx + 1
            elif "电压" in cell or "电压(kv)" in cell_lower:
                voltage_idx = idx
            elif "电流" in cell or "电流(a)" in cell_lower:
                current_idx = idx
            elif "有功功率" in cell or ("有功" in cell and "功率" in cell):
                active_power_idx = idx
            elif "无功功率" in cell or ("无功" in cell and "功率" in cell):
                reactive_power_idx = idx
            elif ("名称" in cell or "主变" in cell) and name_idx == -1:
                name_idx = idx
        
        logger.debug(f"[工况信息] 列索引: 检测时间={monitor_at_idx}, 项目={project_idx}, 名称={name_idx}, "
                    f"电压={voltage_idx}, 电流={current_idx}, 有功功率={active_power_idx}, 无功功率={reactive_power_idx}")
        
        # 处理数据行（从第二行开始，第一行是表头）
        current_monitor_at = ""
        current_project = ""
        
        for row_idx in range(1, len(table)):
            row = table[row_idx]
            if len(row) < 4:  # 至少需要检测时间、项目、名称等基本字段
                continue
            
            # 检测时间
            if monitor_at_idx >= 0 and monitor_at_idx < len(row) and row[monitor_at_idx].strip():
                current_monitor_at = row[monitor_at_idx].strip()
            
            # 项目名称
            if project_idx >= 0 and project_idx < len(row) and row[project_idx].strip():
                current_project = row[project_idx].strip()
            
            # 名称（如1#主变）
            name_value = ""
            if name_idx >= 0 and name_idx < len(row):
                name_value = row[name_idx].strip()
            elif project_idx >= 0 and project_idx + 1 < len(row):
                # 如果名称列在项目列后面
                name_value = row[project_idx + 1].strip()
            
            # 只有当名称存在时才创建工况信息记录（因为有rowspan的情况）
            if name_value and any(k in name_value for k in ["主变", "#"]):
                oc = OperationalCondition()
                oc.monitorAt = current_monitor_at
                oc.project = current_project
                oc.name = name_value
                
                # 电压
                if voltage_idx >= 0 and voltage_idx < len(row):
                    oc.voltage = row[voltage_idx].strip()
                
                # 电流
                if current_idx >= 0 and current_idx < len(row):
                    oc.current = row[current_idx].strip()
                
                # 有功功率
                if active_power_idx >= 0 and active_power_idx < len(row):
                    oc.activePower = row[active_power_idx].strip()
                
                # 无功功率
                if reactive_power_idx >= 0 and reactive_power_idx < len(row):
                    oc.reactivePower = row[reactive_power_idx].strip()
                
                conditions.append(oc)
                logger.debug(f"[工况信息] 解析到: {oc.to_dict()}")
        
        # 只处理第一个匹配的表格
        if conditions:
            break
    
    logger.info(f"[工况信息] 共解析到 {len(conditions)} 条工况信息")
    return conditions


def parse_operational_conditions_v2(markdown_content: str) -> List[OperationalConditionV2]:
    """解析工况信息表格（新格式：表1检测工况）
    
    表格结构：
    - 第一行：名称、时间，电压(kV)（colspan=2），电流(A)（colspan=2），有功(MW)（colspan=2），无功(Mvar)（colspan=2）
    - 第二行：最大值、最小值（重复4次）
    - 数据行：名称、时间、电压最大值、电压最小值、电流最大值、电流最小值、有功最大值、有功最小值、无功最大值、无功最小值
    """
    conditions: List[OperationalConditionV2] = []
    
    # 检查是否包含"表1检测工况"标识（使用正则表达式，允许中间有空格）
    # 支持：表1检测工况、表 1 检测工况、表 1检测工况、表1 检测工况 等变体
    pattern = r'表\s*1\s*检测工况'
    if not re.search(pattern, markdown_content):
        logger.debug("[工况信息V2] 未找到'表1检测工况'标识（包括空格变体）")
        return conditions
    
    logger.debug("[工况信息V2] 检测到'表1检测工况'格式（包括空格变体），第一列将映射到name字段，project字段保持为空")
    
    # 提取表格数据（支持rowspan和colspan）
    tables = extract_table_with_rowspan_colspan(markdown_content)
    
    if not tables:
        logger.warning("[工况信息V2] 未能提取出任何表格内容")
        return conditions
    
    # 查找包含"表1检测工况"的表格
    # 表格结构：第一行是名称、时间，然后是电压、电流、有功、无功（各占2列）
    for table in tables:
        if not table or len(table) < 3:  # 至少需要表头2行和数据1行
            continue
        
        # 检查第一行表头是否包含"名称"、"时间"、"电压"等关键词
        first_row = table[0]
        first_row_text = " ".join(first_row).lower()
        has_keywords = any(k in first_row_text for k in ["名称", "时间", "电压", "电流", "有功", "无功"])
        
        if not has_keywords:
            continue
        
        logger.info(f"[工况信息V2] 找到工况信息表格，行数: {len(table)}")
        
        # 列索引映射（根据表格结构）
        # 列0: 项目名称（映射到name字段）
        # 列1: 时间
        # 列2: 电压最大值
        # 列3: 电压最小值
        # 列4: 电流最大值
        # 列5: 电流最小值
        # 列6: 有功最大值
        # 列7: 有功最小值
        # 列8: 无功最大值
        # 列9: 无功最小值
        # 注意：对于"表1检测工况"格式，第一列映射到name字段，project字段保持为空
        
        name_idx = 0  # 第一列是项目名称（如"500kV 江黄Ⅰ线"）
        time_idx = 1
        voltage_max_idx = 2
        voltage_min_idx = 3
        current_max_idx = 4
        current_min_idx = 5
        active_power_max_idx = 6
        active_power_min_idx = 7
        reactive_power_max_idx = 8
        reactive_power_min_idx = 9
        
        # 从第三行开始解析数据（前两行是表头）
        logger.debug(f"[工况信息V2] 表格总行数: {len(table)}, 开始从第3行（索引2）解析数据行")
        for row_idx in range(2, len(table)):
            row = table[row_idx]
            logger.debug(f"[工况信息V2] 处理第{row_idx}行（索引{row_idx}）: 列数={len(row)}, 内容={row[:5]}...")  # 只打印前5列用于调试
            
            # 至少需要10列（名称、时间、电压max/min、电流max/min、有功max/min、无功max/min）
            if len(row) < 10:
                logger.warning(f"[工况信息V2] 第{row_idx}行列数不足10列，跳过: {len(row)}列")
                continue
            
            # 检查是否是数据行（第一列应该有项目名称，且不是"名称"、"最大值"、"最小值"等表头关键词）
            first_cell = row[name_idx].strip() if name_idx < len(row) else ""
            if not first_cell or first_cell in ["名称", "最大值", "最小值", "时间"]:
                logger.debug(f"[工况信息V2] 第{row_idx}行第一列为表头关键词或为空，跳过: '{first_cell}'")
                continue
            
            # 跳过完全空的行（但允许某些字段为空）
            if not any(cell.strip() for cell in row[:2]):  # 至少名称或时间应该有值
                logger.debug(f"[工况信息V2] 第{row_idx}行前两列为空，跳过")
                continue
            
            oc = OperationalConditionV2()
            
            # 名称（列0，映射到name字段）
            if name_idx < len(row):
                oc.name = row[name_idx].strip()
            
            # project字段保持为空（仅在检测工况之外的场景使用）
            oc.project = ""
            
            # 时间（列1）
            if time_idx < len(row):
                oc.monitorAt = row[time_idx].strip()
            
            # 电压最大值（列2）
            if voltage_max_idx < len(row):
                oc.maxVoltage = row[voltage_max_idx].strip()
            
            # 电压最小值（列3）
            if voltage_min_idx < len(row):
                oc.minVoltage = row[voltage_min_idx].strip()
            
            # 电流最大值（列4）
            if current_max_idx < len(row):
                oc.maxCurrent = row[current_max_idx].strip()
            
            # 电流最小值（列5）
            if current_min_idx < len(row):
                oc.minCurrent = row[current_min_idx].strip()
            
            # 有功功率最大值（列6）
            if active_power_max_idx < len(row):
                oc.maxActivePower = row[active_power_max_idx].strip()
            
            # 有功功率最小值（列7）
            if active_power_min_idx < len(row):
                oc.minActivePower = row[active_power_min_idx].strip()
            
            # 无功功率最大值（列8）
            if reactive_power_max_idx < len(row):
                oc.maxReactivePower = row[reactive_power_max_idx].strip()
            
            # 无功功率最小值（列9）
            if reactive_power_min_idx < len(row):
                oc.minReactivePower = row[reactive_power_min_idx].strip()
            
            # 添加记录（只要名称不为空）
            if oc.name:
                conditions.append(oc)
                logger.info(f"[工况信息V2] 解析到第{len(conditions)}条记录: name='{oc.name}', 时间='{oc.monitorAt}'")
            else:
                logger.warning(f"[工况信息V2] 第{row_idx}行名称为空，跳过该行: {row[:3]}")
        
        # 只处理第一个匹配的表格
        if conditions:
            break
    
    logger.info(f"[工况信息V2] 共解析到 {len(conditions)} 条工况信息")
    return conditions


def parse_operational_conditions_opstatus(markdown_content: str) -> List[OperationalCondition]:
    """解析工况信息表格（opStatus格式：附件 工况及工程信息）
    
    表格结构：
    - 第一行：名称（rowspan=2）、时间（rowspan=2）、运行工况（colspan=4）
    - 第二行：U (kV)、I (A)、P (MW)、Q (Mvar)
    - 数据行：名称、时间（可能有rowspan）、U范围、I范围、P范围、Q范围
    
    输出格式：
    [
        {
            "monitorAt": "",  // 检测时间
            "project": "",    // 项目名称（从"项目编号"提取，如果存在）
            "name": "",       // 名称，如#1主变
            "voltage": "",    // 电压范围
            "current": "",    // 电流范围
            "activePower": "", // 有功功率范围
            "reactivePower": "", // 无功功率范围
        }
    ]
    """
    conditions: List[OperationalCondition] = []
    
    # 检查是否包含"附件 工况及工程信息"标识
    if "附件" not in markdown_content or "工况" not in markdown_content:
        logger.debug("[工况信息opStatus] 未找到'附件 工况及工程信息'标识")
        return conditions
    
    # 提取项目编号（如果存在）
    # 需要排除表格内容，只匹配表格之前的内容
    project_number = ""
    # 先找到表格开始位置
    table_start = markdown_content.find('<table>')
    if table_start > 0:
        # 只在表格之前的内容中查找项目编号
        content_before_table = markdown_content[:table_start]
        project_match = re.search(r'项目编号[：:]\s*([^\n<]+)', content_before_table)
        if project_match:
            project_number = project_match.group(1).strip()
            logger.debug(f"[工况信息opStatus] 提取到项目编号: {project_number}")
    else:
        # 如果没有表格，在整个内容中查找
        project_match = re.search(r'项目编号[：:]\s*([^\n<]+)', markdown_content)
        if project_match:
            project_number = project_match.group(1).strip()
            logger.debug(f"[工况信息opStatus] 提取到项目编号: {project_number}")
    
    # 提取表格数据（支持rowspan和colspan）
    tables = extract_table_with_rowspan_colspan(markdown_content)
    
    if not tables:
        logger.warning("[工况信息opStatus] 未能提取出任何表格内容")
        return conditions
    
    # 查找工况信息表格（包含"名称"、"时间"、"U"、"I"、"P"、"Q"等关键词）
    for table in tables:
        if not table or len(table) < 3:  # 至少需要表头2行和数据1行
            continue
        
        # 检查表头是否包含工况信息的关键词
        first_row = table[0]
        second_row = table[1] if len(table) > 1 else []
        header_text = normalize_text(" ".join(first_row + second_row))
        
        has_keywords = any(
            keyword in header_text 
            for keyword in ["名称", "时间", "运行工况", "u", "i", "p", "q", "kv", "mw", "mvar"]
        )
        
        if not has_keywords:
            continue
        
        logger.info(f"[工况信息opStatus] 找到工况信息表格，行数: {len(table)}")
        
        # 检测是否有两行表头（第二行包含"U (kV)"、"I (A)"等）
        has_two_row_header = False
        if len(table) > 1:
            second_row_text = normalize_text(" ".join(table[1]))
            # 兼容带空格和不带空格的写法，例如 "U (kV)" / "U(kV)"
            if (
                any(k in second_row_text for k in ["u(kv)", "i(a)", "p(mw)", "q(mvar)"])
                or ("u" in second_row_text and "kv" in second_row_text)
                or ("i" in second_row_text and "a" in second_row_text)
                or ("p" in second_row_text and "mw" in second_row_text)
                or ("q" in second_row_text and "mvar" in second_row_text)
            ):
                has_two_row_header = True
                logger.debug("[工况信息opStatus] 检测到两行表头格式")
        
        # 根据表头动态确定列索引
        # 如果有两行表头，从第二行检测；否则从第一行检测
        header_row = table[1] if has_two_row_header else table[0]
        time_idx = -1
        project_idx = -1
        name_idx = -1
        voltage_idx = -1
        current_idx = -1
        active_power_idx = -1
        reactive_power_idx = -1
        
        for idx, cell in enumerate(header_row):
            cell_lower = cell.lower()
            cell_normalized = normalize_text(cell)
            if "检测时间" in cell or "监测时间" in cell or "时间" in cell:
                time_idx = idx
            elif "项目" in cell:
                project_idx = idx
            elif "名称" in cell:
                name_idx = idx
            elif "电压" in cell or ("u" in cell_normalized and "kv" in cell_normalized) or ("u (kv)" in cell_normalized):
                voltage_idx = idx
            elif "电流" in cell or ("i" in cell_normalized and "a" in cell_normalized) or ("i (a)" in cell_normalized):
                current_idx = idx
            elif "有功功率" in cell or ("有功" in cell and "功率" in cell) or ("p" in cell_normalized and "mw" in cell_normalized) or ("p (mw)" in cell_normalized):
                active_power_idx = idx
            elif "无功功率" in cell or ("无功" in cell and "功率" in cell) or ("q" in cell_normalized and "mvar" in cell_normalized) or ("q (mvar)" in cell_normalized):
                reactive_power_idx = idx
        
        # 如果第一行表头有"名称"，也检查第一行
        if has_two_row_header and name_idx == -1:
            first_row = table[0]
            for idx, cell in enumerate(first_row):
                if "名称" in cell:
                    name_idx = idx
                    break
        
        # 如果表头中没有找到名称列，尝试在数据行中查找
        if name_idx == -1:
            # 确定第一行数据的位置（如果有两行表头，从第2行开始；否则从第1行开始）
            first_data_row_idx = 2 if has_two_row_header else 1
            if len(table) > first_data_row_idx:
                first_data_row = table[first_data_row_idx]
                for idx, cell in enumerate(first_data_row):
                    # 跳过已知的列（时间列和项目列）
                    if idx != time_idx and idx != project_idx and cell.strip():
                        # 支持主变格式（包含"主变"或"#"）和输电线路格式（包含"kV"和"线"）
                        if (any(k in cell for k in ["主变", "#"]) or 
                            ("kV" in cell and "线" in cell) or
                            ("kV" in cell)):
                            name_idx = idx
                            logger.debug(f"[工况信息opStatus] 从数据行推断名称列索引: {name_idx}, 内容='{cell}'")
                            break
        
        # 如果仍然没有找到名称列，但找到了项目列，则名称列通常在项目列之后
        # 如果项目列有colspan，名称列可能在空列之后
        if name_idx == -1 and project_idx >= 0:
            # 检查项目列之后是否有空列，如果有，名称列在空列位置（因为colspan会创建空列）
            if project_idx + 1 < len(header_row):
                if not header_row[project_idx + 1].strip():
                    # 项目列有colspan，名称列在空列位置（project_idx + 1）
                    name_idx = project_idx + 1
                else:
                    # 名称列紧跟在项目列之后
                    name_idx = project_idx + 1
            else:
                # 如果项目列是最后一列，名称列可能在项目列之后
                name_idx = project_idx + 1 if project_idx + 1 < len(header_row) else -1
        
        logger.debug(f"[工况信息opStatus] 列索引: 检测时间={time_idx}, 项目={project_idx}, 名称={name_idx}, "
                    f"电压={voltage_idx}, 电流={current_idx}, 有功功率={active_power_idx}, 无功功率={reactive_power_idx}")
        
        # 确定数据行起始位置（如果有两行表头，从第2行开始；否则从第1行开始）
        data_start_row = 2 if has_two_row_header else 1
        current_monitor_at = ""
        current_project = ""
        
        for row_idx in range(data_start_row, len(table)):
            row = table[row_idx]
            logger.debug(f"[工况信息opStatus] 处理第{row_idx}行: 列数={len(row)}, 内容={row}")
            
            # 至少需要3列
            if len(row) < 3:
                logger.warning(f"[工况信息opStatus] 第{row_idx}行列数不足，跳过: {len(row)}列")
                continue
            
            # 更新检测时间（如果有值且列索引有效）
            if time_idx >= 0 and time_idx < len(row) and row[time_idx].strip():
                current_monitor_at = row[time_idx].strip()
            
            # 更新项目/位置（如果有值且列索引有效）
            if project_idx >= 0 and project_idx < len(row) and row[project_idx].strip():
                current_project = row[project_idx].strip()
            
            # 获取名称（变压器名称，如"1#主变"）
            name_value = ""
            if name_idx >= 0 and name_idx < len(row):
                name_value = row[name_idx].strip()
            elif project_idx >= 0 and project_idx + 1 < len(row):
                # 如果名称列索引未找到，尝试项目列之后的第一列
                name_value = row[project_idx + 1].strip()
            
            # 检查是否是噪声数据行（包含测点编号如N1、N2等，且没有电压/电流/功率列）
            is_noise_row = False
            # 检查名称列或第一列是否是测点编号
            check_cell = name_value if name_value else (row[0].strip() if len(row) > 0 else "")
            if check_cell:
                # 如果名称列或第一列包含测点编号格式（N1、N2等）且没有找到电压/电流/功率列，可能是噪声数据行
                if re.match(r'^N\d+', check_cell) and voltage_idx == -1 and current_idx == -1:
                    is_noise_row = True
                    logger.debug(f"[工况信息opStatus] 第{row_idx}行疑似噪声数据行，跳过: 第一列或名称列='{check_cell}'")
            
            # 只有当名称存在且不是噪声数据行时才创建工况信息记录
            # 放宽名称验证：支持主变（包含"主变"或"#"）和输电线路（包含"kV"和"线"）
            is_valid_name = False
            if name_value:
                # 主变格式：包含"主变"或"#"
                if any(k in name_value for k in ["主变", "#"]):
                    is_valid_name = True
                # 输电线路格式：包含"kV"和"线"
                elif "kV" in name_value and "线" in name_value:
                    is_valid_name = True
                # 其他可能的格式：包含"kV"（可能是其他设备）
                elif "kV" in name_value:
                    is_valid_name = True
            
            if is_valid_name and not is_noise_row:
                # 进一步验证：必须有电压或电流或功率列，否则可能是噪声数据行
                if voltage_idx == -1 and current_idx == -1 and active_power_idx == -1 and reactive_power_idx == -1:
                    logger.debug(f"[工况信息opStatus] 第{row_idx}行没有找到电压/电流/功率列，跳过: name='{name_value}'")
                    continue
                
                # 创建工况信息记录
                oc = OperationalCondition()
                oc.monitorAt = current_monitor_at
                oc.project = current_project  # project字段使用表格中"项目"列的值
                oc.name = name_value
                
                # 电压范围
                if voltage_idx >= 0 and voltage_idx < len(row):
                    oc.voltage = row[voltage_idx].strip()
                
                # 电流范围
                if current_idx >= 0 and current_idx < len(row):
                    oc.current = row[current_idx].strip()
                
                # 有功功率范围
                if active_power_idx >= 0 and active_power_idx < len(row):
                    oc.activePower = row[active_power_idx].strip()
                
                # 无功功率范围
                if reactive_power_idx >= 0 and reactive_power_idx < len(row):
                    oc.reactivePower = row[reactive_power_idx].strip()
                
                # 添加记录
                conditions.append(oc)
                logger.info(f"[工况信息opStatus] 解析到第{len(conditions)}条记录: name='{oc.name}', 时间='{oc.monitorAt}', 项目='{oc.project}'")
            else:
                if is_noise_row:
                    logger.debug(f"[工况信息opStatus] 第{row_idx}行是噪声数据行，跳过: name='{name_value}'")
                else:
                    logger.debug(f"[工况信息opStatus] 第{row_idx}行名称无效或为空，跳过: name='{name_value}'")
        
        # 只处理第一个匹配的表格
        if conditions:
            break
    
    logger.info(f"[工况信息opStatus] 共解析到 {len(conditions)} 条工况信息")
    return conditions


def parse_operational_conditions_format3_5(markdown_content: str) -> List[OperationalConditionV2]:
    """解析工况信息表格（格式3和格式5：附件 2 工况信息，电压列第一列存储时间段）
    
    表格结构：
    - 第一行：名称（rowspan=2）、时间（rowspan=2或colspan=2）、电压（kV）（colspan=2）、电流（A）（colspan=2）、有功（MW）（colspan=2）、无功（Mvar）（colspan=2）
    - 第二行：最大值、最小值（重复4次）
    - 数据行特点：
      - 电压列的第一列存储时间段（如"昼间9:00~11:00"），第二列是电压最大值
      - 电流列的第一列是电流最大值，第二列是电流最小值
      - 有功和无功类似
    
    输出格式（使用OperationalConditionV2）：
    [
        {
            "monitorAt": "",  // 检测时间（从时间列和电压时间段列组合）
            "project": "",    // 项目名称
            "name": "",       // 名称，如#3主变
            "maxVoltage": "", // 电压最大值
            "minVoltage": "", // 电压最小值
            "maxCurrent": "", // 电流最大值
            "minCurrent": "", // 电流最小值
            "maxActivePower": "", // 有功功率最大值
            "minActivePower": "", // 有功功率最小值
            "maxReactivePower": "", // 无功功率最大值
            "minReactivePower": "", // 无功功率最小值
        }
    ]
    """
    conditions: List[OperationalConditionV2] = []
    
    # 检查是否包含"附件 2 工况信息"或"附件 2 工况及工程信息"标识
    if "附件" not in markdown_content or ("工况信息" not in markdown_content and "工况及工程信息" not in markdown_content):
        logger.debug("[工况信息格式3/5] 未找到'附件 2 工况信息'或'附件 2 工况及工程信息'标识")
        return conditions
    
    # 提取表格数据（支持rowspan和colspan）
    tables = extract_table_with_rowspan_colspan(markdown_content)
    
    if not tables:
        logger.warning("[工况信息格式3/5] 未能提取出任何表格内容")
        return conditions
    
    # 查找工况信息表格
    for table in tables:
        if not table or len(table) < 3:  # 至少需要表头2行和数据1行
            continue
        
        # 检查表头是否包含工况信息的关键词
        first_row = table[0]
        second_row = table[1] if len(table) > 1 else []
        header_text = normalize_text(" ".join(first_row + second_row))
        
        has_keywords = any(
            keyword in header_text 
            for keyword in ["名称", "时间", "电压", "电流", "有功", "无功", "kv", "mw", "mvar"]
        )
        
        if not has_keywords:
            continue
        
        logger.info(f"[工况信息格式3/5] 找到工况信息表格，行数: {len(table)}")
        
        # 检查是否是格式3/5（电压列第一列存储时间段）
        # 从数据行检查：如果电压列第一列包含"昼间"、"夜间"等时间段关键词，则是格式3/5
        is_format3_5 = False
        if len(table) > 2:
            logger.debug(f"[工况信息格式3/5] 开始检查格式3/5特征，表格行数: {len(table)}")
            for row_idx in range(2, min(5, len(table))):  # 检查前几行数据
                row = table[row_idx]
                logger.debug(f"[工况信息格式3/5] 检查第{row_idx}行，列数: {len(row)}, 内容: {row[:6]}")
                if len(row) >= 4:  # 至少需要名称、时间、电压列
                    # 电压列可能在索引2或3（格式3在列2，格式5在列3，因为时间列有colspan=2）
                    # 扩大检查范围到列2-6，以覆盖格式3和格式5
                    for col_idx in range(2, min(7, len(row))):
                        cell = row[col_idx].strip()
                        # 处理可能的换行符（如"昼间\n10:00~17:00"）
                        cell_normalized = cell.replace("\n", " ").replace("\r", " ").strip()
                        if cell_normalized and any(k in cell_normalized for k in ["昼间", "夜间", "次日", "~", ":"]) and not re.match(r'^[\d.\-]+$', cell_normalized):
                            is_format3_5 = True
                            logger.info(f"[工况信息格式3/5] 检测到格式3/5特征：第{row_idx}行列{col_idx}包含时间段 '{cell_normalized}'")
                            break
                    if is_format3_5:
                        break
        
        if not is_format3_5:
            logger.warning("[工况信息格式3/5] 未检测到格式3/5特征（电压列包含时间段），跳过该表格")
            continue
        
        # 确定列索引
        # 根据表格结构：名称、时间（可能有colspan=2）、电压（kV）[colspan=2]、电流（A）[colspan=2]、有功（MW）[colspan=2]、无功（Mvar）[colspan=2]
        # 第二行表头：最大值、最小值（重复4次）
        # 格式3：名称、时间、电压时间段、电压最大值、电压最小值、电流最大值、电流最小值...
        # 格式5：名称、时间（colspan=2，占用2列）、电压时间段、电压最大值、电压最小值、电流最大值、电流最小值...
        
        # 动态检测时间列是否有colspan=2（通过检查表头和数据行的列数）
        # 格式3和格式5的时间列都有colspan=2，但实际数据行可能都是11列
        # 检查表头第一行，看时间列是否有colspan=2
        has_time_colspan2 = False
        if len(table) > 0:
            first_row = table[0]
            # 检查表头中是否有"时间"列，并且该列有colspan=2
            # 如果第一行包含"时间"且后续列数较多，可能是colspan=2
            header_text = " ".join(first_row).lower()
            if "时间" in header_text:
                # 检查表头结构：如果时间列后面直接是电压列，可能是colspan=2
                # 或者检查数据行的列数
                if len(table) > 2:
                    for row_idx in range(2, min(5, len(table))):
                        row = table[row_idx]
                        logger.debug(f"[工况信息格式3/5] 检查第{row_idx}行，列数: {len(row)}")
                        if len(row) >= 11:  # 格式3/5：名称(1) + 时间(2) + 电压时间段(1) + 电压max(1) + 电压min(1) + 电流max(1) + 电流min(1) + 有功max(1) + 有功min(1) + 无功max(1) + 无功min(1) = 11列
                            has_time_colspan2 = True
                            logger.info(f"[工况信息格式3/5] 检测到时间列有colspan=2，数据行有{len(row)}列")
                            break
                        elif len(row) >= 10:
                            # 可能是格式3，但时间列也可能有colspan=2（只是数据值只占1列）
                            # 检查列2是否是时间段（包含"昼间"、"夜间"等）
                            if len(row) > 2 and any(k in row[2] for k in ["昼间", "夜间", "次日", "~", ":"]):
                                has_time_colspan2 = True
                                logger.info(f"[工况信息格式3/5] 检测到时间列有colspan=2（格式3），数据行有{len(row)}列，列2是时间段")
                                break
                            logger.debug(f"[工况信息格式3/5] 检测到格式3，数据行有{len(row)}列")
                            break
        
        name_idx = 0
        # 无论格式3还是格式5，时间段都在列2（索引2），因为时间列虽然有colspan=2，
        # 但实际数据中时间段是电压列的第一列，在索引2
        time_idx = 1
        voltage_time_idx = 2  # 电压时间段列（格式3和格式5都在索引2）
        voltage_max_idx = 3    # 电压最大值列
        voltage_min_idx = 4    # 电压最小值列
        current_max_idx = 5    # 电流最大值列
        current_min_idx = 6    # 电流最小值列
        active_power_max_idx = 7  # 有功最大值列
        active_power_min_idx = 8  # 有功最小值列
        reactive_power_max_idx = 9  # 无功最大值列
        reactive_power_min_idx = 10  # 无功最小值列
        
        # 从第三行开始解析数据（前两行是表头）
        current_name = ""
        current_time = ""
        
        logger.info(f"[工况信息格式3/5] 开始解析数据行，表格总行数: {len(table)}, 从第3行（索引2）开始")
        for row_idx in range(2, len(table)):
            row = table[row_idx]
            logger.debug(f"[工况信息格式3/5] 处理第{row_idx}行，列数: {len(row)}, 前5列: {row[:5]}")
            
            # 至少需要4列
            if len(row) < 4:
                logger.debug(f"[工况信息格式3/5] 第{row_idx}行列数不足4列，跳过")
                continue
            
            # 检查是否是表头行（包含"名称"、"时间"、"最大值"、"最小值"等关键词）
            if any(keyword in " ".join(row[:5]).lower() for keyword in ["名称", "时间", "最大值", "最小值", "电压", "电流", "有功", "无功"]):
                logger.debug(f"[工况信息格式3/5] 跳过表头行: {row[:3]}")
                continue
            
            # 检查是否是项目名称行（整行合并，如"蕲昌220kV变电站"、"输电线路"）
            # 项目名称行通常只有第0列有值，其他列都为空（因为colspan）
            non_empty_cols = [i for i, cell in enumerate(row) if cell.strip()]
            if len(non_empty_cols) == 1 and non_empty_cols[0] == 0:
                # 检查内容是否是项目名称（不包含"主变"、"#"、"线"等设备名称关键词）
                cell_value = row[0].strip()
                if not any(k in cell_value for k in ["主变", "#", "线"]):
                    # 可能是项目名称行，跳过
                    logger.debug(f"[工况信息格式3/5] 跳过项目名称行: {cell_value}")
                    continue
            
            # 更新名称（如果有值）
            if name_idx < len(row) and row[name_idx].strip():
                name_value = row[name_idx].strip()
                # 检查是否是有效名称（包含"主变"、"#"等，但排除"输电线路"这样的项目名称）
                if name_value in ["输电线路", "变电站"]:
                    # 这是项目名称行，跳过
                    logger.debug(f"[工况信息格式3/5] 跳过项目名称行: {name_value}")
                    continue
                elif any(k in name_value for k in ["主变", "#"]) or ("kV" in name_value and "线" in name_value):
                    current_name = name_value
                    logger.debug(f"[工况信息格式3/5] 更新名称: {current_name}")
            
            # 更新时间（如果有值）
            # 时间列可能有colspan=2，所以检查列1和列2
            time_value = ""
            if time_idx < len(row) and row[time_idx].strip():
                time_value = row[time_idx].strip()
            elif time_idx + 1 < len(row) and row[time_idx + 1].strip():
                time_value = row[time_idx + 1].strip()
            
            # 检查是否是日期格式（支持"2025.03.28"和"2025.08.29-08.30"）
            if time_value and (re.match(r'^\d{4}\.\d{1,2}\.\d{1,2}', time_value) or re.match(r'^\d{4}\.\d{1,2}\.\d{1,2}-\d{1,2}\.\d{1,2}', time_value)):
                current_time = time_value
                logger.debug(f"[工况信息格式3/5] 更新时间: {current_time}")
            
            # 检查是否有电压时间段（格式3/5的特征）
            if voltage_time_idx < len(row) and row[voltage_time_idx].strip():
                voltage_time = row[voltage_time_idx].strip()
                # 检查是否是时间段（包含"昼间"、"夜间"等）
                if any(k in voltage_time for k in ["昼间", "夜间", "次日", "~", ":"]):
                    # 创建工况信息记录（使用OperationalConditionV2格式）
                    oc = OperationalConditionV2()
                    oc.project = ""
                    oc.name = current_name
                    
                    # 组合monitorAt：时间 + 时间段（保持原始格式，如"2025.03.28 昼间9:00~11:00"）
                    if current_time:
                        oc.monitorAt = f"{current_time} {voltage_time}".strip()
                    else:
                        oc.monitorAt = voltage_time
                    
                    # 电压最大值
                    if voltage_max_idx < len(row) and row[voltage_max_idx].strip():
                        oc.maxVoltage = row[voltage_max_idx].strip()
                    
                    # 电压最小值
                    if voltage_min_idx < len(row) and row[voltage_min_idx].strip():
                        oc.minVoltage = row[voltage_min_idx].strip()
                    
                    # 电流最大值
                    if current_max_idx < len(row) and row[current_max_idx].strip():
                        oc.maxCurrent = row[current_max_idx].strip()
                    
                    # 电流最小值
                    if current_min_idx < len(row) and row[current_min_idx].strip():
                        oc.minCurrent = row[current_min_idx].strip()
                    
                    # 有功功率最大值
                    if active_power_max_idx < len(row) and row[active_power_max_idx].strip():
                        oc.maxActivePower = row[active_power_max_idx].strip()
                    
                    # 有功功率最小值
                    if active_power_min_idx < len(row) and row[active_power_min_idx].strip():
                        oc.minActivePower = row[active_power_min_idx].strip()
                    
                    # 无功功率最大值
                    if reactive_power_max_idx < len(row) and row[reactive_power_max_idx].strip():
                        oc.maxReactivePower = row[reactive_power_max_idx].strip()
                    
                    # 无功功率最小值
                    if reactive_power_min_idx < len(row) and row[reactive_power_min_idx].strip():
                        oc.minReactivePower = row[reactive_power_min_idx].strip()
                    
                    # 添加记录（只要名称不为空）
                    if oc.name:
                        conditions.append(oc)
                        logger.info(f"[工况信息格式3/5] 解析到第{len(conditions)}条记录: name='{oc.name}', monitorAt='{oc.monitorAt}'")
        
        # 只处理第一个匹配的表格
        if conditions:
            break
    
    logger.info(f"[工况信息格式3/5] 共解析到 {len(conditions)} 条工况信息")
    return conditions