verify_fix_zxh.py 2.3 KB

1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253
  1. # -*- coding: utf-8 -*-
  2. """修复验证:雌激素水平是否采到 + 全表回归"""
  3. import json
  4. d = json.load(open(r'E:/cfc/docs/参考资料/560822024-张学红.json', encoding='utf-8'))
  5. print('===== 1. 神经递质及激素(v5 主提取)=====')
  6. for r in d.get('神经递质及激素', []):
  7. mark = ' ★' if '雌激素' in r['名称'] else ''
  8. print(f" {r['名称']}: {r.get('评估值')} {r.get('健康状况')} 范围{r.get('正常范围')}{mark}")
  9. print()
  10. print('===== 2. 相关症状关联-神经递质(relations)=====')
  11. rs = d.get('相关症状关联', {})
  12. for r in rs.get('神经递质及激素', []):
  13. mark = ' ★' if '雌激素' in r['名称'] else ''
  14. print(f" {r['名称']}: {r.get('评估值')} {r.get('状态')} 范围{r.get('正常范围')}{mark}")
  15. if '雌激素' in r['名称']:
  16. print(f" 过量症状: {r.get('过量症状')}")
  17. print(f" 缺乏症状: {r.get('缺乏症状')}")
  18. print()
  19. print('===== 3. 肌醇症状不再粘连雌激素名 =====')
  20. for r in rs.get('神经递质及激素', []):
  21. if r['名称'].startswith('肌醇'):
  22. print(f" 肌醇过量症状: {r.get('过量症状')}")
  23. print(f" 肌醇缺乏症状: {r.get('缺乏症状')}")
  24. print()
  25. print('===== 4. 健康问题索引无「标)」乱名 =====')
  26. idx = d.get('健康问题索引', {})
  27. bad = []
  28. for prob, items in idx.items():
  29. for it in items:
  30. if it.get('指标') in ('标)', '标)') or (it.get('指标') and len(it['指标']) <= 2):
  31. bad.append((prob, it))
  32. print(' 乱名条目:', bad if bad else '无 ✓')
  33. print()
  34. print('===== 5. 全表回归(条数应与修复前一致或+1)=====')
  35. expect = {
  36. '报告概述': 14, '疾病风险评估': 14, '主要营养评估': 5, '氨基酸评估': 15,
  37. '维生素评估': 10, '微量元素评估': 2, '主要消化道致病菌': 5, '抗生素风险评估': 9,
  38. '肠道屏障及代谢物': 11, '短链脂肪酸': 4, '神经递质及激素': 12,
  39. '个体化食物推荐表': 224,
  40. }
  41. for k, exp in expect.items():
  42. v = d.get(k)
  43. n = len(v) if isinstance(v, (list, dict)) else '-'
  44. flag = '✓' if n == exp else f'✗ 期望{exp}'
  45. print(f' {k}: {n} {flag}')
  46. print(' 疾病相关菌组数:', len(d.get('疾病相关菌', {})))
  47. print(' 菌群问题叙述:', '有' if d.get('菌群问题叙述') else '无')