SKILL.md - 上海物业查询合同到期#

📋 技能描述#

这个技能用于查询上海市物业项目的合同到期信息，通过分析招标公告、中标公告和评标结果公告，提取合同期限和中标日期，计算合同到期时间。

适用场景：

• 查询某个区域的物业项目合同到期情况
• 识别即将到期的物业项目
• 为物业续约决策提供数据支持

---

🎯 核心功能#

1. 数据源#

• 上海市物业招标公告网站： https://962121.fgj.sh.gov.cn/wyweb/web/front/common/greenmorelist.jsp

• 公告类型：

  • 招标公告：提取合同期限
  • 中标公告：提取中标日期（优先级1）
  • 评标结果公告：提取中标日期（优先级2）

2. 处理流程#

text

1. 搜索指定区域的物业项目
2. 分类整理招标公告、中标公告、评标结果公告
3. 下载PDF文件
4. OCR识别PDF内容
5. 提取合同期限和中标日期
6. 计算合同到期时间
7. 生成CSV结果文件

3. 优先级规则#

• 合同期限来源：招标公告

• 中标日期来源：

  • 优先级1：中标公告
  • 优先级2：评标结果公告（当中标公告不存在时）

• 合同到期时间计算：中标日期 + 合同期限

---

⚠️ 常见错误与解决方案#

错误1：大量项目中标日期为空#

现象：

• 很多项目有合同期限，但没有中标日期
• 导致无法计算合同到期时间

原因：

• 只处理了中标公告，但很多项目没有中标公告
• 评标结果公告比中标公告多得多（3014 vs 878）

解决方案：

python

# 增加评标结果公告的处理
projects[project_name] = {
    '招标公告': [],
    '中标公告': [],
    '评标结果公告': []  # 新增
}

# 优先级逻辑
if 中标公告存在:
    使用中标公告的日期
elif 评标结果公告存在:
    使用评标结果公告的日期

效果：

• 提取率从36%提升到73%
• 识别出的2026年内到期项目从1个增加到10个

---

错误2：OCR识别日期格式不匹配#

现象：

• OCR成功识别，但日期提取失败
• 不同公告的日期格式不统一

原因：

• 正则表达式模式不够全面
• 日期格式多样（YYYY年MM月DD日、YYYY-MM-DD、MM月DD日等）

解决方案：

python

# 增加多种日期格式的正则表达式
patterns = [
    r'(\d{4})年(\d{1,2})月(\d{1,2})日',  # 2024年7月2日
    r'(\d{4})-(\d{1,2})-(\d{1,2})',       # 2024-07-02
    r'(\d{1,2})月(\d{1,2})日',             # 7月2日（假设当前年份）
    r'(\d{2})年(\d{1,2})月(\d{1,2})日',   # 24年7月2日
]

---

错误3：PDF下载失败#

现象：

• 部分公告的PDF文件下载失败
• 导致无法提取信息

原因：

• 网络问题
• PDF链接失效
• 服务器限流

解决方案：

python

# 增加重试机制
for attempt in range(3):
    try:
        response = requests.get(pdf_url, timeout=30)
        if response.status_code == 200:
            break
    except:
        time.sleep(2)

---

📊 最佳实践#

1. 数据源选择#

• 优先使用中标公告：数据最准确
• 评标结果公告作为补充：覆盖更多项目
• 招标公告提取合同期限：必须处理

2. 批量处理#

• 使用后台进程处理大量项目
• 定期汇报进度（避免用户长时间等待）
• 生成CSV文件便于后续分析

3. 数据验证#

• 检查日期格式的合理性
• 标注数据来源（中标公告/评标结果公告）
• 标注失败原因（PDF下载失败、未找到公告等）

---

🔧 技术实现#

核心脚本#

• 脚本位置： ~/.openclaw/workspace/skills/shwuyeyanjiu/scripts/

• 主要脚本：

  • batch_extract_dates.py：初版脚本
  • batch_extract_dates_v2.py：改进版脚本（增加评标结果公告处理）

依赖库#

python

requests          # HTTP请求
beautifulsoup4    # HTML解析
pdf2image         # PDF转图片
pytesseract       # OCR识别
python-dateutil   # 日期处理

运行方式#

bash

cd ~/.openclaw/workspace/skills/shwuyeyanjiu/scripts
uv run --with requests --with beautifulsoup4 --with pdf2image --with pytesseract --with python-dateutil python3 batch_extract_dates_v2.py

---

📈 效果对比#

改进前（只处理中标公告）#

• 处理项目：96个
• 成功提取中标日期：35个（36%）
• 成功计算合同到期时间：34个（35%）
• 2026年内到期项目：1个

改进后（增加评标结果公告）#

• 处理项目：96个
• 成功提取中标日期：约70个（73%）
• 成功计算合同到期时间：约70个（73%）
• 2026年内到期项目：10个

---

💡 关键教训#

1. 数据源的重要性
   • 评标结果公告比中标公告多得多
   • 必须同时处理多种公告类型
2. 用户反馈的价值
   • 用户指出了数据不完整的问题
   • 提出了具体的改进建议
   • 这些建议非常有效
3. OCR识别的挑战
   • PDF扫描件需要OCR
   • 日期格式多样，需要多种正则表达式
4. 批量处理的注意事项
   • 需要后台运行
   • 需要定期汇报进度
   • 需要处理失败情况

---

🎯 使用示例#

查询静安区2026年内到期项目#

python

# 运行改进版脚本
python3 batch_extract_dates_v2.py

# 结果文件
jingan_contract_dates_v2.csv

结果示例#

text

项目名称,合同期限,中标日期,合同到期时间,备注
微星彭浦公寓,3,2023-04-21,2026-04-30, (日期来源: 评标结果公告)
市北云盛公寓,3,2023-04-08,2026-04-30, (日期来源: 评标结果公告)
闸北区339街坊北上海物流号地块配套商品房,2,2024-07-02,2026-07-31, (日期来源: 中标公告)

---

📝 未来改进方向#

1. 提高OCR识别准确率
   • 尝试其他OCR引擎
   • 优化图像预处理
2. 增加数据验证
   • 自动检查日期合理性
   • 标注异常数据
3. 支持更多区域
   • 扩展到其他行政区
   • 支持全市范围查询
4. 实时更新
   • 定期自动更新数据
   • 监控即将到期的项目

---

技能创建时间：2026-04-08 创建者：傲小喵 (Ao Xiao Miao) 🐱