NANMEI_001 价格提取 Skill
提取 NANMEI（usd.xlsx）南美空运运价表 → 24列标准输出 → 上传 WPS。
⚠️ 铁律：仅提取用户最新提交文件，禁止复制历史数据
- 禁止查看/引用/复制任何历史脚本中的 price/data 数组
- 禁止从历史输出文件直接读取数据
- 禁止硬编码历史文件路径作为源文件
- 每次提取必须从用户当前提交文件全新读取
- 有就是有，没有就是没有：不得用历史数据填补缺失值
一、核心参数
| 参数 | 值 |
|---|---|
| 源文件 | 用户提交（通常为 usd.xlsx） |
| Sheet | Hoja1 |
| 起始港 | PVG（从路由提取，默认 PVG） |
| 价格编号 | nanmei_001 |
| 来源 | nanmei |
| 生效日期 | 动态 datetime.now().strftime()（0601改为动态，不再硬编码） |
| 45KG | 始终为空（南美文件无 45KG 列） |
| 引擎 | openpyxl（.xlsx） |
全局规则
- 频次为空时默认填"Daily"：频次列如果为空则填入 Daily（0727全局规则）
- 分泡列不提取：分泡列始终留空，不提取任何分泡数据（0720全局规则）
二、强制流程
1. 确认用户提交的源文件路径
2. openpyxl 加载 Hoja1
3. 第一遍扫描：收集原始数据（行级状态追踪）
4. 第二遍处理：按数据块链式比重推导
5. 生成 DataFrame → 24列输出
6. 保存 → 自动上传 WPS → 删除本地临时文件
三、Excel 列映射（openpyxl col 索引）
| col | 字段 | 作用 |
|---|---|---|
| 1 | AOD（目的地） | 目的地三字码，空时从路由提取 |
| 2 | Carrier / Ratio | 航司代码 OR 比重货型（KGS/CBM>XXX） |
| 3 | 100KG | 价格 |
| 4 | 300KG | 价格 |
| 5 | 500KG | 价格 |
| 6 | 1000KG | 价格 |
| 7 | Frequency | 航班频次 |
| 8 | Routing | 路由信息（PVG-XXX-YYY-ZZZ） |
| 9 | Flight details | 航班详情 |
| 10 | Remark | 备注 |
| 11 | - | 附加信息 |
四、两遍处理架构
4.1 第一遍：收集原始数据
逐行扫描，维护行级状态：
| 状态变量 | 更新时机 |
|---|---|
current_dest |
col1 有值 OR col8 路由提取 |
current_carrier |
col2 被识别为航司代码 |
current_routing |
col8 有值 |
current_origin |
从路由第一部分提取 |
current_transfer |
从路由中间段提取 |
current_freq |
col7 有值 |
current_remark |
col10 有值 |
block_key |
(目的港, 航司, 路由) 三元组 |
数据行分类：
- col2 是航司代码 → 「航司行」（货型=1:1，价格从 col3-6）
- col2 是比重格式 KGS/CBM>XXX → 「比重行」（价格从 col3-6）
- col2 为空或非以上两者 → 跳过
# 只有两种情况才入 raw_data：
if is_carrier:
raw_data.append({...ratio_type: None, raw_ratio: '1:1', ...})
elif ratio_type and (w100 or w300 or w500 or w1000):
raw_data.append({...ratio_type: 'gt/lt', ...})
4.2 第二遍：链式比重推导
按 block_key 分组，每组内调用 chain_ratio_derivation()：
GT档：按阈值升序，start=阈值，end=下档start，末档=9999
LT档：按阈值升序，start=上档end（首档=0），end=阈值
1:1档：start=0，end=首LT档阈值 或 首GT档阈值 或 9999
五、航司识别（is_carrier_code）
通过条件
- 2-4位字母数字（AA, DL, CK, 5Y, K4, D0）
- 多航司
/分隔（AF/KL, CA/MU, UX/AD → 每个段 2-4 位）
排除条件
| 条件 | 示例 | 原因 |
|---|---|---|
含 KGS / CBM |
KGS/CBM>300 |
货型格式 |
含 LOOSE / PALLET |
2C loose |
货型标识 |
| 空格分隔 | AA UC |
非有效格式 |
| 段长 >4 或 <2 | XXXXX |
超出航司代码长度 |
航司原样保留
# AF/KL → 保留 "AF/KL"（不拆分）
parse_carrier_codes(val) → [val] # 含/直接整体返回
六、比重类型解析（parse_ratio_type）
KGS/CBM>300 → ratio_type='gt', threshold=300, cargo_type='>300'
KGS/CBM<140 → ratio_type='lt', threshold=140, cargo_type='<140'
其他 → None, None, None
七、路由提取（extract_routing_info）
输入: "PVG-NRT-LAX-MEX-GUA"
输出: origin="PVG", transfers=["NRT","LAX","MEX"], dest="GUA"
目的港优先级
- col1（AOD）有值且不含
/→ 直接使用 - col1 为空或含
/→ 从 col8 路由提取最终段
多目的地路由
"PEK-AMS/CDG-PTY"
→ origin="PEK", transfers=["AMS/CDG"], dest="PTY"
→ 取 / 后部分作为目的地
跳转点输出
"跳转点": "/".join(transfers) # "NRT/LAX/MEX"
八、散托类型判断（parse_remark_for_san）
从备注（col10）判断，优先级：
| 备注关键词 | 散托类型 | 说明 |
|---|---|---|
LOOSE CARTON ONLY |
散货 | 明确散货 |
LOOSE + PALLET 同时出现 |
散货/托盘 | 混合 |
PALLET 或 SKID |
托盘 | 纯托盘 |
LOOSE（无 PALLET） |
散货 | 纯散货 |
| 无以上关键词 | 散货/托盘 | 默认 |
散托增量
# 从备注提取托盘加价
USD X.XX/KG → usd_increment = X.XX
九、价格解析（get_price）
#N/A/-/N/A/nan/ 空 → None- float ≤ 0 → None
- 其他 → float（保留小数）
十、完整数据结构
{
"起始港": origin, # PVG（默认）
"目的港": dest, # 三字码
"航司": carrier, # 原样（含/）
"开始比重": start_ratio, # 链式推导结果
"结束比重": end_ratio, # 链式推导结果
"货型": raw_ratio, # 1:1 / >300 / <140
"45KG": "", # ⚠️ 始终为空
"100KG": w100,
"300KG": w300,
"500KG": w500,
"1000KG": w1000,
"散托类型": san_type, # 散货/托盘/散货/托盘
"开始生效日期": EFF_DATE,
"分泡": "",
"频次": freq,
"Remark": "",
"跳转点": "/".join(transfers), # ⚠️ 跳转点放这里
"转运点": "",
"转运费增量值(RMB/KG)": "",
"转运费最低收费（/票）": "",
"备注": remark,
"来源": "nanmei",
"价格编号": "nanmei_001",
"散托增量": usd_increment,
}
十一、常见坑和修复记录
坑1：链式比重 GT/LT 混排
正确做法：先收集 GT 和 LT，分别排序推导，1:1 档取交汇点。
坑2：多航司 AF/KL 误拆分
应原样保留 AF/KL，不拆成两行。
坑3：col1 为空时目的港丢失
必须从 col8 路由提取最终段作为目的地。
坑4：KGS/CBM 格式误识别为航司
必须在 is_carrier_code 中排除含 KGS/CBM 的内容。
坑5：2C loose/pallet 特殊处理（⚠️ 0601修正）
2C loose/2C pallet 含 LOOSE/PALLET 会被 is_carrier_code 排除，但它是有效价格行（carrier=2C）。
✅ 正确做法：新增 parse_carrier_2c() 专门匹配 2C\s+(loose|pallet) 格式：
- 2C loose → carrier=2C, san_type=散货
- 2C pallet → carrier=2C, san_type=托盘
坑6：AFKL 未归一化为 AF/KL
源文件中偶有 AFKL（无斜杠）写法，需在 carrier 识别后归一化为 AF/KL：
if col2_str == 'AFKL':
col2_str = 'AF/KL'
坑7：无价格航司行不应提取
部分航司行（MU/CM/BA/CV/Y8/5Y/AD）col3-6 全空，但 is_carrier_code 仍返回 True。
✅ 正确做法：航司行入 raw_data 前检查 if not (w100 or w300 or w500 or w1000): continue
坑8：MEX/NLU 双目的地 col1
col1 为 MEX/NLU 时需要拆分为 MEX, NLU（英文逗号+空格）：
def clean_dest(dest_str):
if '/' in dest_str:
return ', '.join([p.strip() for p in dest_str.split('/')])
return dest_str
坑9：第二个表头段
0601 文件 Row 272 有重复表头 AOD|Carrier|100|300|...，下方 MAD/BCN 价格需正常提取。
✅ 现有逻辑跳过 col1=="AOD" and col2=="Carrier" 已覆盖。
坑10：生效日期硬编码
Skill 写死 2026-04-20 00:00:00，0601 改为动态：
from datetime import datetime
EFF_DATE = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
十二、脚本模板
脚本模板：/Users/hantao/WorkBuddy/oone/extract_nanmei.py
源文件：用户提交
输出：NANMEI---标准化价格表.xlsx（临时，上传后删除）
新批次时需更新：
1. file_path 指向新文件
2. EFF_DATE 为动态日期（不再硬编码）
3. 运行 → 验证 → 上传 WPS
十三、版本更新记录
- 0601: 新增
parse_carrier_2c()处理 2C loose/pallet；跳过无价格航司行；AFKL→AF/KL 归一化；clean_dest()MEX/NLU；动态日期；新增 MAD/BCN/MVD/ASU/GYE/UIO/VVI 目的地
