""" 颜色处理器：保持原始颜色名称，为中文颜色名添加英文参考 """ import re from typing import Optional, Dict, Tuple, List from enum import Enum class ColorProcessor: """颜色处理器""" def __init__(self): # 中文颜色到英文的对应映射 self.chinese_to_english = { # 基础颜色 '黑色': 'Black', '白色': 'White', '红色': 'Red', '蓝色': 'Blue', '绿色': 'Green', '黄色': 'Yellow', '灰色': 'Gray', '粉色': 'Pink', '紫色': 'Purple', '棕色': 'Brown', '橙色': 'Orange', '银色': 'Silver', '金色': 'Gold', # 简化中文 '黑': 'Black', '白': 'White', '红': 'Red', '蓝': 'Blue', '绿': 'Green', '黄': 'Yellow', '灰': 'Gray', '粉': 'Pink', '紫': 'Purple', '棕': 'Brown', '橙': 'Orange', '银': 'Silver', '金': 'Gold', # 复合颜色 '深蓝色': 'Dark Blue', '浅蓝色': 'Light Blue', '天蓝色': 'Sky Blue', '湖蓝色': 'Lake Blue', '藏青色': 'Navy Blue', '深灰色': 'Dark Gray', '浅灰色': 'Light Gray', '深绿色': 'Dark Green', '浅绿色': 'Light Green', '军绿色': 'Army Green', '墨绿色': 'Dark Green', '酒红色': 'Wine Red', '玫红色': 'Rose Red', '暗红色': 'Dark Red', '淡粉色': 'Light Pink', '米色': 'Beige', '卡其色': 'Khaki', '咖啡色': 'Coffee', '奶白色': 'Off White', '象牙色': 'Ivory', '香槟色': 'Champagne', '青色': 'Cyan', '橘色': 'Orange', '深色': 'Dark', '浅色': 'Light', } # 英文颜色标准化映射（处理各种拼写变化） self.english_variations = { # Gray/Grey 变化 'grey': 'Gray', 'gray': 'Gray', 'dark grey': 'Dark Gray', 'light grey': 'Light Gray', # 常见拼写变化 'off-white': 'Off White', 'offwhite': 'Off White', 'darkblue': 'Dark Blue', 'lightblue': 'Light Blue', 'darkgray': 'Dark Gray', 'lightgray': 'Light Gray', 'darkgreen': 'Dark Green', 'lightgreen': 'Light Green', # 品牌特有颜色名 'nude': 'Nude', 'beige': 'Beige', 'cream': 'Cream', 'ivory': 'Ivory', 'champagne': 'Champagne', 'rose': 'Rose', 'burgundy': 'Burgundy', 'wine': 'Wine', 'navy': 'Navy', 'coral': 'Coral', 'mint': 'Mint', 'sage': 'Sage', 'lavender': 'Lavender', 'poppy': 'Poppy', 'camel': 'Camel', 'tan': 'Tan', } # 应该保持原始形式的品牌特色颜色（通常是非标准颜色名） self.brand_specific_colors = { # 这些颜色名应该保持原样，不翻译不标准化 'POPPY', 'SAGE', 'LAVENDER', 'CORAL', 'MINT', 'NUDE', 'CAMEL', 'TAN', 'BURGUNDY', 'WINE', 'CHAMPAGNE', 'CREAM', 'IVORY', 'BLUSH', 'MAUVE', 'OCHRE', 'RUST', 'COPPER', 'BRONZE', 'STEEL', 'SLATE', 'CHARCOAL', 'PEARL', 'PLATINUM', 'ROSE GOLD', 'ANTIQUE', 'VINTAGE', 'FADED', # 颜色编号或代码 'A001', 'B002', 'C003', 'NERO', 'BIANCO', 'ROSSO', 'BLU', 'VERDE' } def process_color(self, color_text: str) -> Optional[str]: """ 处理颜色文本，保持原始颜色名称，为中文添加英文参考 Args: color_text: 原始颜色文本 Returns: 处理后的颜色文本 """ if not color_text or not color_text.strip(): return None color = color_text.strip() # 1. 如果是品牌特色颜色，直接返回（保持原样） if color.upper() in self.brand_specific_colors: return color # 2. 如果包含颜色代码（通常是字母+数字组合），保持原样 if self._is_color_code(color): return color # 3. 如果是纯中文颜色名，添加英文参考 if self._is_chinese_color(color): english_ref = self.chinese_to_english.get(color) if english_ref: return f"{color} ({english_ref})" else: # 如果没有对应的英文，保持原中文 return color # 4. 如果是英文颜色名，进行标准化但保持英文 if self._is_english_color(color): return self._normalize_english_color(color) # 5. 混合颜色处理（如：黑色Black、白色WHITE等） mixed_result = self._process_mixed_color(color) if mixed_result: return mixed_result # 6. 如果都不匹配，保持原样 return color def _is_color_code(self, color: str) -> bool: """判断是否为颜色代码""" # 颜色代码通常是字母数字组合，如 A001, B2B2B2, #FF0000 等 if re.match(r'^[A-Z]\d+$', color.upper()): # A001 格式 return True if re.match(r'^#[0-9A-F]{6}$', color.upper()): # 十六进制颜色代码 return True if re.match(r'^[0-9A-F]{6}$', color.upper()): # 不带#的十六进制 return True if len(color) <= 4 and re.match(r'^[A-Z0-9]+$', color.upper()): # 短代码如 B01 return True return False def _is_chinese_color(self, color: str) -> bool: """判断是否为纯中文颜色名""" # 检查是否包含中文字符且是已知的中文颜色 has_chinese = bool(re.search(r'[\u4e00-\u9fff]', color)) if not has_chinese: return False # 如果包含英文字母，说明是混合的，不是纯中文 if re.search(r'[A-Za-z]', color): return False # 检查是否在中文颜色列表中 return color in self.chinese_to_english def _is_english_color(self, color: str) -> bool: """判断是否为英文颜色名""" # 只包含英文字母、空格、连字符 if not re.match(r'^[A-Za-z\s\-]+$', color): return False # 检查是否是常见的英文颜色词 color_lower = color.lower().strip() common_colors = [ 'black', 'white', 'red', 'blue', 'green', 'yellow', 'gray', 'grey', 'pink', 'purple', 'brown', 'orange', 'silver', 'gold', 'navy', 'beige', 'cream', 'ivory', 'champagne', 'coral', 'mint', 'sage', 'lavender', 'poppy', 'rose', 'burgundy', 'wine', 'khaki', 'camel', 'tan', 'nude', 'dark', 'light', 'off', 'off-white', 'offwhite' ] words = color_lower.split() # 检查单词或整体是否匹配 return any(word in common_colors for word in words) or color_lower in common_colors def _normalize_english_color(self, color: str) -> str: """标准化英文颜色名""" color_lower = color.lower().strip() # 检查是否有标准化映射 if color_lower in self.english_variations: return self.english_variations[color_lower] # 标准化首字母大写 if ' ' in color: # 多个单词，每个单词首字母大写 return ' '.join(word.capitalize() for word in color.split()) else: # 单个单词，首字母大写 return color.capitalize() def _process_mixed_color(self, color: str) -> Optional[str]: """处理混合颜色（中英混合）""" # 匹配类似 "黑色Black"、"白色WHITE"、"Black黑色" 等格式 # 模式1: 中文+英文 (如: 黑色Black) match1 = re.match(r'^([\u4e00-\u9fff]+)\s*([A-Za-z]+)$', color) if match1: chinese_part = match1.group(1) english_part = match1.group(2) # 验证中文部分是否为颜色 if chinese_part in self.chinese_to_english: # 优先保持原始格式，只标准化英文部分 standardized_english = self._normalize_english_color(english_part) return f"{chinese_part} ({standardized_english})" # 模式2: 英文+中文 (如: Black黑色) match2 = re.match(r'^([A-Za-z]+)\s*([\u4e00-\u9fff]+)$', color) if match2: english_part = match2.group(1) chinese_part = match2.group(2) # 验证中文部分是否为颜色 if chinese_part in self.chinese_to_english: # 保持"中文 (英文)"的统一格式 standardized_english = self._normalize_english_color(english_part) return f"{chinese_part} ({standardized_english})" # 模式3: 处理如"深蓝Navy"这样的组合 - 需要更智能的匹配 match3 = re.match(r'^([\u4e00-\u9fff]{2,})\s*([A-Za-z]+)$', color) if match3: chinese_part = match3.group(1) english_part = match3.group(2) # 检查中文部分是否为颜色（包括复合颜色） if chinese_part in self.chinese_to_english: standardized_english = self._normalize_english_color(english_part) return f"{chinese_part} ({standardized_english})" else: # 尝试寻找中文中的颜色词 for cn_color in self.chinese_to_english.keys(): if cn_color in chinese_part and len(cn_color) >= 2: # 至少2个字符的颜色词 # 如果英文部分也是颜色词，则组合 if self._is_english_color(english_part): standardized_english = self._normalize_english_color(english_part) return f"{chinese_part} ({standardized_english})" return None def extract_color_from_text(self, text: str) -> Optional[str]: """ 从文本中提取颜色信息 Args: text: 包含颜色信息的文本 Returns: 提取的颜色，经过处理 """ if not text: return None # 1. 优先提取结构化颜色信息（如销售属性中的颜色） structured_color = self._extract_structured_color(text) if structured_color: return self.process_color(structured_color) # 2. 从方括号中提取颜色 bracket_colors = self._extract_bracket_colors(text) if bracket_colors: return self.process_color(bracket_colors[0]) # 3. 从文本中搜索颜色关键词 color_keywords = self._find_color_keywords(text) if color_keywords: return self.process_color(color_keywords[0]) return None def _extract_structured_color(self, text: str) -> Optional[str]: """提取结构化的颜色信息""" # 匹配如 "颜色:黑色"、"Color:Black" 等格式 patterns = [ r'(?:颜色|Color|colour)[：:=]\s*([^,;，；\s]+)', r'(?:色|色彩)[：:=]\s*([^,;，；\s]+)', ] for pattern in patterns: matches = re.findall(pattern, text, re.IGNORECASE) if matches: return matches[0].strip() # 匹配销售属性格式：颜色_尺寸 attr_match = re.search(r'([^_\s]+)_[^_\s]+', text) if attr_match: potential_color = attr_match.group(1).strip() # 验证是否为颜色词 if self._is_likely_color(potential_color): return potential_color return None def _extract_bracket_colors(self, text: str) -> List[str]: """从方括号中提取颜色""" colors = [] bracket_pattern = r'\[([^\[\]]*)\]' brackets = re.findall(bracket_pattern, text) for bracket_content in brackets: content = bracket_content.strip() if self._is_likely_color(content): colors.append(content) return colors def _find_color_keywords(self, text: str) -> List[str]: """在文本中查找颜色关键词""" colors = [] # 中文颜色词 for chinese_color in self.chinese_to_english.keys(): if chinese_color in text: colors.append(chinese_color) # 英文颜色词 text_lower = text.lower() for english_color in self.english_variations.keys(): if english_color in text_lower: colors.append(english_color) # 品牌特色颜色 text_upper = text.upper() for brand_color in self.brand_specific_colors: if brand_color in text_upper: colors.append(brand_color) return colors def _is_likely_color(self, word: str) -> bool: """判断词汇是否可能是颜色""" if not word: return False # 中文颜色 if word in self.chinese_to_english: return True # 英文颜色 word_lower = word.lower() if word_lower in self.english_variations: return True # 品牌颜色 if word.upper() in self.brand_specific_colors: return True # 颜色代码 if self._is_color_code(word): return True # 常见英文颜色词检查 common_color_words = [ 'black', 'white', 'red', 'blue', 'green', 'yellow', 'gray', 'grey', 'pink', 'purple', 'brown', 'orange', 'silver', 'gold', 'navy', 'beige', 'cream', 'ivory', 'champagne', 'coral', 'mint', 'sage', 'lavender', 'poppy', 'rose', 'burgundy', 'wine', 'khaki', 'camel', 'tan', 'nude' ] return word_lower in common_color_words # 全局颜色处理器实例 color_processor = ColorProcessor() def process_color_attribute(color_text: str) -> Optional[str]: """ 处理颜色属性的便捷函数 Args: color_text: 原始颜色文本 Returns: 处理后的颜色文本 """ return color_processor.process_color(color_text) def extract_color_from_product_info(product_name: str, sales_attrs: str = "") -> Optional[str]: """ 从产品信息中提取颜色的便捷函数 Args: product_name: 产品名称 sales_attrs: 销售属性 Returns: 提取的颜色 """ combined_text = f"{product_name} {sales_attrs}".strip() return color_processor.extract_color_from_text(combined_text) if __name__ == "__main__": # 测试用例 processor = ColorProcessor() test_cases = [ "黑色", # 应该输出: 黑色 (Black) "Black", # 应该输出: Black "黑色Black", # 应该输出: 黑色 (Black) "POPPY", # 应该输出: POPPY (保持原样) "深蓝色", # 应该输出: 深蓝色 (Dark Blue) "Navy Blue", # 应该输出: Navy Blue "A001", # 应该输出: A001 (颜色代码) "红", # 应该输出: 红 (Red) "grey", # 应该输出: Gray "off-white", # 应该输出: Off White ] print("颜色处理测试结果:") for test_color in test_cases: result = processor.process_color(test_color) print(f"{test_color:15} -> {result}")