modules/local_content.py

}
    
    def calculate(self, extracted_data: Dict[str, Any], **kwargs) -> Dict[str, Any]:
        """
        حساب نسبة المحتوى المحلي بناءً على البيانات المستخرجة من المستندات
        
        المعاملات:
        ----------
        extracted_data : Dict[str, Any]
            البيانات المستخرجة من المستندات
        **kwargs : Dict[str, Any]
            معاملات إضافية مثل نوع المشروع، الميزانية، الموقع، المدة
            
        المخرجات:
        --------
        Dict[str, Any]
            نتائج حساب المحتوى المحلي
        """
        # تهيئة نتائج حساب المحتوى المحلي
        local_content_results = {
            "overall_percentage": 0.0,
            "breakdown": {},
            "requirements": [],
            "recommendations": [],
            "nitaqat_analysis": {},
        }
        
        # تحديد نوع المشروع والقطاع
        project_type = kwargs.get("project_type", "")
        sector = self._determine_sector(project_type, extracted_data)
        
        # استخراج متطلبات المحتوى المحلي من البيانات
        local_content_info = self._extract_local_content_info(extracted_data)
        
        # حساب المحتوى المحلي بناءً على القطاع
        sector_data = self.local_content_data["sectors"].get(sector, self.local_content_data["sectors"]["عام"])
        
        # تحليل القوى العاملة (الموارد البشرية)
        manpower_analysis = self._analyze_manpower(extracted_data, sector_data)
        local_content_results["breakdown"]["manpower"] = manpower_analysis["percentage"]
        
        # تحليل المواد
        materials_analysis = self._analyze_materials(extracted_data, sector_data)
        local_content_results["breakdown"]["materials"] = materials_analysis["percentage"]
        
        # تحليل الخدمات
        services_analysis = self._analyze_services(extracted_data, sector_data)
        local_content_results["breakdown"]["services"] = services_analysis["percentage"]
        
        # حساب النسبة الإجمالية للمحتوى المحلي
        weights = sector_data["weights"]
        overall_percentage = (
            weights["manpower"] * manpower_analysis["percentage"] +
            weights["materials"] * materials_analysis["percentage"] +
            weights["services"] * services_analysis["percentage"]
        )
        
        local_content_results["overall_percentage"] = round(overall_percentage, 2)
        
        # تحليل الامتثال لمتطلبات نطاقات
        nitaqat_analysis = self._analyze_nitaqat_compliance(extracted_data, sector)
        local_content_results["nitaqat_analysis"] = nitaqat_analysis
        
        # إعداد متطلبات المحتوى المحلي
        requirements = self._prepare_local_content_requirements(sector_data, local_content_info)
        local_content_results["requirements"] = requirements
        
        # إعداد توصيات لتحسين المحتوى المحلي
        recommendations = self._generate_recommendations(
            overall_percentage, 
            sector_data, 
            manpower_analysis, 
            materials_analysis, 
            services_analysis,
            nitaqat_analysis
        )
        local_content_results["recommendations"] = recommendations
        
        return local_content_results
    
    def _determine_sector(self, project_type: str, extracted_data: Dict[str, Any]) -> str:
        """
        تحديد القطاع بناءً على نوع المشروع والبيانات المستخرجة
        """
        # قاموس لتحويل أنواع المشاريع الشائعة إلى قطاعات
        project_to_sector = {
            "إنشاءات": "الإنشاءات",
            "مباني": "الإنشاءات",
            "طرق": "الإنشاءات",
            "جسور": "الإنشاءات",
            "تقنية معلومات": "تقنية المعلومات",
            "برمجيات": "تقنية المعلومات",
            "تطبيقات": "تقنية المعلومات",
            "اتصالات": "الاتصالات",
            "صحة": "الصحة",
            "مستشفى": "الصحة",
            "طبي": "الصحة",
            "تعليم": "التعليم",
            "مدارس": "التعليم",
            "جامعات": "التعليم",
            "نقل": "النقل",
            "مواصلات": "النقل",
            "طاقة": "الطاقة",
            "كهرباء": "الطاقة",
            "مياه": "المياه",
            "صرف صحي": "المياه",
            "بيئة": "البيئة",
            "صناعة": "الصناعة",
            "مصانع": "الصناعة",
            "تجارة": "التجارة",
            "أسواق": "التجارة",
            "سياحة": "السياحة",
            "فنادق": "السياحة",
            "مالية": "الخدمات المالية",
            "بنوك": "الخدمات المالية"
        }
        
        # محاولة تحديد القطاع من نوع المشروع
        if project_type:
            for key, value in project_to_sector.items():
                if key in project_type.lower():
                    return value
        
        # إذا لم يتم تحديد القطاع من نوع المشروع، نحاول تحديده من البيانات المستخرجة
        if "text" in extracted_data:
            text = extracted_data["text"].lower()
            sector_scores = {}
            
            for sector in self.sectors:
                score = text.count(sector.lower())
                sector_scores[sector] = score
            
            # اختيار القطاع الأكثر ذكراً
            if sector_scores:
                max_sector = max(sector_scores, key=sector_scores.get)
                if sector_scores[max_sector] > 0:
                    return max_sector
        
        # القطاع الافتراضي إذا لم نتمكن من تحديده
        return "عام"
    
    def _extract_local_content_info(self, extracted_data: Dict[str, Any]) -> Dict[str, Any]:
        """
        استخراج معلومات المحتوى المحلي من البيانات المستخرجة
        """
        local_content_info = {
            "mentioned_percentage": None,
            "requirements": [],
            "companies": []
        }
        
        # استخراج النسبة المذكورة للمحتوى المحلي
        if "local_content" in extracted_data and extracted_data["local_content"]:
            local_content_data = extracted_data["local_content"]
            
            # استخراج النسب المئوية
            percentages = local_content_data.get("percentages", [])
            if percentages:
                # اختيار أعلى نسبة مذكورة
                max_percentage = max(percentages, key=lambda x: x["value"])
                local_content_info["mentioned_percentage"] = max_percentage["value"]
            
            # استخراج المتطلبات
            requirements = local_content_data.get("requirements", [])
            local_content_info["requirements"] = requirements
        
        # استخراج الشركات المحلية المذكورة
        if "entities" in extracted_data and "organizations" in extracted_data["entities"]:
            organizations = extracted_data["entities"]["organizations"]
            
            for org in organizations:
                org_name = org["name"].lower()
                
                # البحث في قاعدة بيانات الشركات المحلية
                for company_id, company_data in self.local_companies.items():
                    company_name = company_data["name"].lower()
                    
                    # إذا وجدنا تطابق
                    if company_name in org_name or org_name in company_name:
                        local_content_info["companies"].append(company_data)
        
        return local_content_info
    
    def _analyze_manpower(self, extracted_data: Dict[str, Any], sector_data: Dict[str, Any]) -> Dict[str, Any]:
        """
        تحليل المحتوى المحلي للقوى العاملة
        """
        manpower_analysis = {
            "percentage": 0.0,
            "saudi_employees": 0,
            "expat_employees": 0,
            "total_employees": 0
        }
        
        # استخراج معلومات الموظفين من البيانات
        saudi_keywords = ["سعودي", "مواطن", "توطين", "سعودة"]
        expat_keywords = ["أجنبي", "وافد", "غير سعودي"]
        
        # لدينا بعض البيانات الافتراضية للتوضيح
        saudi_count = 0
        expat_count = 0
        
        # إذا كانت هناك شركات معروفة في البيانات المستخرجة، نستخدم نسب التوطين الخاصة بها
        if "entities" in extracted_data and "organizations" in extracted_data["entities"]:
            organizations = extracted_data["entities"]["organizations"]
            
            for org in organizations:
                org_name = org["name"].lower()
                
                for company_id, company_data in self.local_companies.items():
                    company_name = company_data["name"].lower()
                    
                    if company_name in org_name or org_name in company_name:
                        saudi_percentage = company_data["saudi_employees_percentage"] / 100
                        saudi_count += 50 * saudi_percentage  # افتراض 50 موظف كمتوسط
                        expat_count += 50 * (1 - saudi_percentage)
        
        # إذا لم نجد شركات معروفة، نحاول تقدير النسب من النص
        if saudi_count == 0 and expat_count == 0 and "text" in extracted_data:
            text = extracted_data["text"].lower()
            
            # عدد مرات ذكر الموظفين السعوديين
            saudi_mentions = sum(text.count(keyword) for keyword in saudi_keywords)
            
            # عدد مرات ذكر الموظفين الأجانب
            expat_mentions = sum(text.count(keyword) for keyword in expat_keywords)
            
            # تقدير تقريبي للنسب
            total_mentions = saudi_mentions + expat_mentions
            if total_mentions > 0:
                saudi_ratio = saudi_mentions / total_mentions
                saudi_count = int(100 * saudi_ratio)
                expat_count = 100 - saudi_count
        
        # إذا لم نتمكن من تقدير النسب، نستخدم قيمة افتراضية
        if saudi_count == 0 and expat_count == 0:
            # القيمة الافتراضية بناءً على متوسط نسب التوطين في القطاع
            if "الإنشاءات" in sector_data:
                saudi_count = 25
            elif "تقنية المعلومات" in sector_data:
                saudi_count = 35
            else:
                saudi_count = 30
            
            expat_count = 100 - saudi_count
        
        # حساب النسبة المئوية للمحتوى المحلي في القوى العاملة
        total_count = saudi_count + expat_count
        
        if total_count > 0:
            manpower_analysis["saudi_employees"] = saudi_count
            manpower_analysis["expat_employees"] = expat_count
            manpower_analysis["total_employees"] = total_count
            
            # حساب النسبة المئوية باستخدام الأوزان
            manpower_percentage = (
                self.local_content_data["manpower_categories"]["saudi_employee"] * saudi_count +
                self.local_content_data["manpower_categories"]["expat_employee"] * expat_count
            ) / total_count * 100
            
            manpower_analysis["percentage"] = round(manpower_percentage, 2)
        
        return manpower_analysis
    
    def _analyze_materials(self, extracted_data: Dict[str, Any], sector_data: Dict[str, Any]) -> Dict[str, Any]:
        """
        تحليل المحتوى المحلي للمواد
        """
        materials_analysis = {
            "percentage": 0.0,
            "local_manufacturing": 0,
            "local_assembly": 0,
            "imported_with_local_value_add": 0,
            "fully_imported": 0,
            "total_materials": 0
        }
        
        # كلمات دلالية للفئات المختلفة من المواد
        local_manufacturing_keywords = ["تصنيع محلي", "منتج محلي", "صناعة محلية", "صنع في السعودية", "منشأ سعودي"]
        local_assembly_keywords = ["تجميع محلي", "مجمع محلياً", "تم تجميعه في السعودية"]
        imported_with_local_value_keywords = ["قيمة مضافة محلية", "معالجة محلية", "قيمة محلية"]
        fully_imported_keywords = ["مستورد", "استيراد كامل", "منتج أجنبي", "صنع في الخارج"]
        
        # تقدير نسب المواد من النص
        if "text" in extracted_data:
            text = extracted_data["text"].lower()
            
            # عدد مرات ذكر كل فئة
            local_manufacturing_count = sum(text.count(keyword) for keyword in local_manufacturing_keywords)
            local_assembly_count = sum(text.count(keyword) for keyword in local_assembly_keywords)
            imported_with_local_value_count = sum(text.count(keyword) for keyword in imported_with_local_value_keywords)
            fully_imported_count = sum(text.count(keyword) for keyword in fully_imported_keywords)
            
            # إجمالي عدد المرات
            total_count = (local_manufacturing_count + local_assembly_count +
                      imported_with_local_value_count + fully_imported_count)
            
            if total_count > 0:
                materials_analysis["local_manufacturing"] = local_manufacturing_count
                materials_analysis["local_assembly"] = local_assembly_count
                materials_analysis["imported_with_local_value_add"] = imported_with_local_value_count
                materials_analysis["fully_imported"] = fully_imported_count
                materials_analysis["total_materials"] = total_count
        
        # إذا لم نتمكن من تقدير النسب، نستخدم قيم افتراضية بناءً على القطاع
        if materials_analysis["total_materials"] == 0:
            if "الإنشاءات" in sector_data:
                materials_analysis["local_manufacturing"] = 30
                materials_analysis["local_assembly"] = 20
                materials_analysis["imported_with_local_value_add"] = 15
                materials_analysis["fully_imported"] = 35
            elif "تقنية المعلومات" in sector_data:
                materials_analysis["local_manufacturing"] = 10
                materials_analysis["local_assembly"] = 25
                materials_analysis["imported_with_local_value_add"] = 15
                materials_analysis["fully_imported"] = 50
            else:
                materials_analysis["local_manufacturing"] = 20
                materials_analysis["local_assembly"] = 20
                materials_analysis["imported_with_local_value_add"] = 15
                materials_analysis["fully_imported"] = 45
                
            materials_analysis["total_materials"] = (
                materials_analysis["local_manufacturing"] +
                materials_analysis["local_assembly"] +
                materials_analysis["imported_with_local_value_add"] +
                materials_analysis["fully_imported"]
            )
        
        # حساب النسبة المئوية للمحتوى المحلي في المواد
        total_materials = materials_analysis["total_materials"]
        
        if total_materials > 0:
            material_categories = self.local_content_data["material_categories"]
            materials_percentage = (
                material_categories["local_manufacturing"] * materials_analysis["local_manufacturing"] +
                material_categories["local_assembly"] * materials_analysis["local_assembly"] +
                material_categories["imported_with_local_value_add"] * materials_analysis["imported_with_local_value_add"] +
                material_categories["fully_imported"] * materials_analysis["fully_imported"]
            ) / total_materials * 100
            
            materials_analysis["percentage"] = round(materials_percentage, 2)
        
        return materials_analysis
    
    def _analyze_services(self, extracted_data: Dict[str, Any], sector_data: Dict[str, Any]) -> Dict[str, Any]:
        """
        تحليل المحتوى المحلي للخدمات
        """
        services_analysis = {
            "percentage": 0.0,
            "local_service_provider": 0,
            "joint_venture": 0,
            "foreign_provider_with_local_partner": 0,
            "foreign_provider": 0,
            "total_services": 0
        }
        
        # كلمات دلالية للفئات المختلفة من الخدمات
        local_provider_keywords = ["مزود خدمة محلي", "شركة محلية", "شركة سعودية", "مؤسسة محلية"]
        joint_venture_keywords = ["مشروع مشترك", "شراكة", "تحالف", "ائتلاف"]
        foreign_with_local_keywords = ["شريك محلي", "وكيل محلي", "وكيل سعودي", "تمثيل محلي"]
        foreign_provider_keywords = ["مزود خدمة أجنبي", "شركة أجنبية", "مقاول أجنبي"]
        
        # تقدير نسب الخدمات من النص
        if "text" in extracted_data:
            text = extracted_data["text"].lower()
            
            # عدد مرات ذكر كل فئة
            local_provider_count = sum(text.count(keyword) for keyword in local_provider_keywords)
            joint_venture_count = sum(text.count(keyword) for keyword in joint_venture_keywords)
            foreign_with_local_count = sum(text.count(keyword) for keyword in foreign_with_local_keywords)
            foreign_provider_count = sum(text.count(keyword) for keyword in foreign_provider_keywords)
            
            # إجمالي عدد المرات
            total_count = (local_provider_count + joint_venture_count +
                      foreign_with_local_count + foreign_provider_count)
            
            if total_count > 0:
                services_analysis["local_service_provider"] = local_provider_count
                services_analysis["joint_venture"] = joint_venture_count
                services_analysis["foreign_provider_with_local_partner"] = foreign_with_local_count
                services_analysis["foreign_provider"] = foreign_provider_count
                services_analysis["total_services"] = total_count
        
        # إذا لم نتمكن من تقدير النسب، نستخدم قيم افتراضية بناءً على القطاع
        if services_analysis["total_services"] == 0:
            if "الإنشاءات" in sector_data:
                services_analysis["local_service_provider"] = 35
                services_analysis["joint_venture"] = 25
                services_analysis["foreign_provider_with_local_partner"] = 20
                services_analysis["foreign_provider"] = 20
            elif "تقنية المعلومات" in sector_data:
                services_analysis["local_service_provider"] = 30
                services_analysis["joint_venture"] = 20
                services_analysis["foreign_provider_with_local_partner"] = 25
                services_analysis["foreign_provider"] = 25
            else:
                services_analysis["local_service_provider"] = 30
                services_analysis["joint_venture"] = 25
                services_analysis["foreign_provider_with_local_partner"] = 20
                services_analysis["foreign_provider"] = 25
                
            services_analysis["total_services"] = (
                services_analysis["local_service_provider"] +
                services_analysis["joint_venture"] +
                services_analysis["foreign_provider_with_local_partner"] +
                services_analysis["foreign_provider"]
            )
        
        # حساب النسبة المئوية للمحتوى المحلي في الخدمات
        total_services = services_analysis["total_services"]
        
        if total_services > 0:
            service_categories = self.local_content_data["service_categories"]
            services_percentage = (
                service_categories["local_service_provider"] * services_analysis["local_service_provider"] +
                service_categories["joint_venture"] * services_analysis["joint_venture"] +
                service_categories["foreign_provider_with_local_partner"] * services_analysis["foreign_provider_with_local_partner"] +
                service_categories["foreign_provider"] * services_analysis["foreign_provider"]
            ) / total_services * 100
            
            services_analysis["percentage"] = round(services_percentage, 2)
        
        return services_analysis
    
    def _analyze_nitaqat_compliance(self, extracted_data: Dict[str, Any], sector: str) -> Dict[str, Any]:
        """
        تحليل الامتثال لمتطلبات نطاقات
        """
        nitaqat_analysis = {
            "compliant": False,
            "nitaqat_category": "غير محدد",
            "company_size": "غير محدد",
            "required_saudi_percentage": 0,
            "estimated_saudi_percentage": 0
        }
        
        # تحديد حجم الشركة بناءً على القيمة التقديرية للمشروع
        project_value = 0
        if "financial_data" in extracted_data and "total_cost" in extracted_data["financial_data"]:
            project_value = extracted_data["financial_data"]["total_cost"]["value"]
        
        if project_value == 0 and "text" in extracted_data:
            # محاولة استخراج قيمة المشروع من النص
            text = extracted_data["text"].lower()
            value_patterns = [
                r'قيمة المشروع[^\d]*([\d.,]+)[^\d]*(ريال|ر\.س)',
                r'قيمة العقد[^\d]*([\d.,]+)[^\d]*(ريال|ر\.س)',
                r'القيمة الإجمالية[^\d]*([\d.,]+)[^\d]*(ريال|ر\.س)'
            ]
            
            for pattern in value_patterns:
                matches = re.findall(pattern, text, re.IGNORECASE)
                if matches:
                    try:
                        project_value = float(matches[0][0].replace(',', ''))
                        break
                    except:
                        pass
        
        # تحديد حجم الشركة بناءً على قيمة المشروع
        company_size = "صغيرة"
        if project_value >= 10000000:  # أكثر من 10 مليون ريال
            company_size = "كبيرة"
        elif project_value >= 3000000:  # بين 3 و 10 مليون ريال
            company_size = "متوسطة"
        
        nitaqat_analysis["company_size"] = company_size
        
        # تحديد نسبة التوطين المطلوبة
        if sector in self.nitaqat_data and company_size in self.nitaqat_data[sector]:
            # نفترض أننا نريد الامتثال للفئة الخضراء المتوسطة
            required_percentage = (
                self.nitaqat_data[sector][company_size]["أخضر متوسط"]["min"] +
                self.nitaqat_data[sector][company_size]["أخضر متوسط"]["max"]
            ) / 2
            
            nitaqat_analysis["required_saudi_percentage"] = required_percentage
        else:
            # قيمة افتراضية
            nitaqat_analysis["required_saudi_percentage"] = 20
        
        # تقدير نسبة التوطين الفعلية
        estimated_saudi_percentage = 0
        
        # إذا كانت هناك شركات معروفة في البيانات المستخرجة، نستخدم نسبة التوطين الخاصة بها
        if "entities" in extracted_data and "organizations" in extracted_data["entities"]:
            organizations = extracted_data["entities"]["organizations"]
            
            for org in organizations:
                org_name = org["name"].lower()
                
                for company_id, company_data in self.local_companies.items():
                    company_name = company_data["name"].lower()
                    
                    if company_name in org_name or org_name in company_name:
                        estimated_saudi_percentage = company_data["saudi_employees_percentage"]
                        nitaqat_analysis["nitaqat_category"] = company_data["nitaqat_category"]
                        break
        
        # إذا لم نتمكن من تقدير النسبة، نستخدم قيمة افتراضية
        if estimated_saudi_percentage == 0:
            if "الإنشاءات" in sector:
                estimated_saudi_percentage = 15
            elif "تقنية المعلومات" in sector:
                estimated_saudi_percentage = 25
            else:
                estimated_saudi_percentage = 20
        
        nitaqat_analysis["estimated_saudi_percentage"] = estimated_saudi_percentage
        
        # تحديد فئة نطاقات والامتثال
        if sector in self.nitaqat_data and company_size in self.nitaqat_data[sector]:
            for category, range_data in self.nitaqat_data[sector][company_size].items():
                if range_data["min"] <= estimated_saudi_percentage <= range_data["max"]:
                    nitaqat_analysis["nitaqat_category"] = category
                    break
        
        # تحديد الامتثال
        nitaqat_analysis["compliant"] = (
            nitaqat_analysis["nitaqat_category"] != "أحمر" and
            estimated_saudi_percentage >= nitaqat_analysis["required_saudi_percentage"]
        )
        
        return nitaqat_analysis
    
    def _prepare_local_content_requirements(self, sector_data: Dict[str, Any], local_content_info: Dict[str, Any]) -> List[Dict[str, Any]]:
        """
        إعداد متطلبات المحتوى المحلي
        """
        requirements = []
        
        # الحد الأدنى للمحتوى المحلي
        min_percentage = sector_data["min_percentage"]
        target_percentage = sector_data["target_percentage"]
        
        # إضافة متطلب الحد الأدنى للمحتوى المحلي
        requirements.append({
            "title": "الحد الأدنى للمحتوى المحلي",
            "description": f"يجب أن تكون نسبة المحتوى المحلي للمشروع لا تقل عن {min_percentage}%",
            "importance": "عالية",
            "category": "محتوى محلي"
        })
        
        # إضافة متطلب النسبة المستهدفة للمحتوى المحلي
        requirements.append({
            "title": "النسبة المستهدفة للمحتوى المحلي",
            "description": f"النسبة المستهدفة للمحتوى المحلي هي {target_percentage}% وسيتم منح نقاط إضافية للعروض التي تتجاوز الحد الأدنى",
            "importance": "متوسطة",
            "category": "محتوى محلي"
        })
        
        # إضافة متطلب توطين الوظائف
        requirements.append({
            "title": "توطين الوظائف",
            "description": "يجب أن تكون الشركة ملتزمة بمتطلبات نطاقات وأن تكون في النطاق الأخضر على الأقل",
            "importance": "عالية",
            "category": "محتوى محلي"
        })
        
        # إضافة متطلب شهادة المحتوى المحلي
        requirements.append({
            "title": "شهادة المحتوى المحلي",
            "description": "يجب تقديم شهادة المحتوى المحلي الصادرة من هيئة المحتوى المحلي والمشتريات الحكومية",
            "importance": "عالية",
            "category": "محتوى محلي"
        })
        
        # إضافة متطلب خطة تطوير المحتوى المحلي
        requirements.append({
            "title": "خطة تطوير المحتوى المحلي",
            "description": "يجب تقديم خطة لتطوير المحتوى المحلي تتضمن تفاصيل الموردين المحليين وتوطين التقنية والخبرات",
            "importance": "متوسطة",
            "category": "محتوى محلي"
        })
        
        # إضافة متطلبات إضافية من البيانات المستخرجة
        if local_content_info["requirements"]:
            for i, req in enumerate(local_content_info["requirements"]):
                requirements.append({
                    "title": f"متطلب محتوى محلي {i+1}",
                    "description": req,
                    "importance": "عالية",
                    "category": "محتوى محلي",
                    "source": "مستخرج"
                })
        
        return requirements
    
    def _generate_recommendations(self, overall_percentage: float, sector_data: Dict[str, Any],
                             manpower_analysis: Dict[str, Any], materials_analysis: Dict[str, Any],
                             services_analysis: Dict[str, Any], nitaqat_analysis: Dict[str, Any]) -> List[str]:
        """
        إعداد توصيات لتحسين المحتوى المحلي
        """
        recommendations = []
        
        # الحد الأدنى والنسبة المستهدفة
        min_percentage = sector_data["min_percentage"]
        target_percentage = sector_data["target_percentage"]
        
        # التحقق من الامتثال للحد الأدنى
        if overall_percentage < min_percentage:
            recommendations.append(
                f"زيادة نسبة المحتوى المحلي من {overall_percentage}% إلى {min_percentage}% على الأقل للامتثال للحد الأدنى المطلوب"
            )
        elif overall_percentage < target_percentage:
            recommendations.append(
                f"زيادة نسبة المحتوى المحلي من {overall_percentage}% إلى {target_percentage}% للوصول إلى النسبة المستهدفة"
            )
        
        # توصيات لتحسين القوى العاملة
        if manpower_analysis["percentage"] < 60:
            recommendations.append(
                f"زيادة نسبة القوى العاملة السعودية من {manpower_analysis['percentage']}% إلى 60% على الأقل"
            )
        
        # توصيات لتحسين المواد
        if materials_analysis["percentage"] < 50:
            recommendations.append(
                "زيادة استخدام المواد المصنعة محلياً أو المجمعة محلياً بدلاً من المواد المستوردة"
            )
        
        if materials_analysis["fully_imported"] > materials_analysis["local_manufacturing"]:
            recommendations.append(
                "تقليل الاعتماد على المواد المستوردة بالكامل وزيادة استخدام المواد المصنعة محلياً"
            )
        
        # توصيات لتحسين الخدمات
        if services_analysis["percentage"] < 70:
            recommendations.append(
                "زيادة الاعتماد على مزودي الخدمات المحليين بدلاً من المزودين الأجانب"
            )
        
        if services_analysis["foreign_provider"] > services_analysis["local_service_provider"]:
            recommendations.append(
                "تقليل الاعتماد على مزودي الخدمات الأجانب وزيادة الاعتماد على مزودي الخدمات المحليين"
            )
        
        # توصيات للامتثال لنطاقات
        if not nitaqat_analysis["compliant"]:
            recommendations.append(
                f"زيادة نسبة التوطين في القوى العاملة من {nitaqat_analysis['estimated_saudi_percentage']}% إلى {nitaqat_analysis['required_saudi_percentage']}% على الأقل للامتثال لمتطلبات نطاقات"
            )
        
        # توصيات عامة
        recommendations.extend([
            "تطوير برامج تدريب وتأهيل للكوادر السعودية لزيادة نسبة التوطين",
            "الاستفادة من برامج دعم المحتوى المحلي المقدمة من هيئة المحتوى المحلي والمشتريات الحكومية",
            "بناء شراكات مع المصنعين المحليين لتوطين سلسلة الإمداد",
            "الاستفادة من حوافز القروض والتمويل المقدمة للشركات التي تساهم في زيادة المحتوى المحلي"
        ])
        
        return recommendationsimport os
import json
import numpy as np
import pandas as pd
from typing import Dict, List, Any, Union, Tuple, Optional
from datetime import datetime

class LocalContentCalculator:
    """
    فئة لحساب وتحليل المحتوى المحلي في المناقصات
    """
    
    def __init__(self):
        """
        تهيئة حاسبة المحتوى المحلي
        """
        # تحميل بيانات المحتوى المحلي
        self.local_content_data = self._load_local_content_data()
        
        # تحميل قاعدة بيانات الشركات المحلية
        self.local_companies = self._load_local_companies()
        
        # تحميل نطاقات الشركات
        self.nitaqat_data = self._load_nitaqat_data()
        
        # قائمة القطاعات
        self.sectors = [
            "الإنشاءات", "تقنية المعلومات", "الاتصالات", "الصحة",
            "التعليم", "النقل", "الطاقة", "المياه", "البيئة",
            "الصناعة", "التجارة", "السياحة", "الخدمات المالية"
        ]
    
    def _load_local_content_data(self) -> Dict[str, Any]:
        """
        تحميل بيانات المحتوى المحلي
        """
        # في التطبيق الفعلي، قد تُحمل هذه البيانات من ملف أو قاعدة بيانات
        return {
            "sectors": {
                "الإنشاءات": {
                    "min_percentage": 30,
                    "target_percentage": 60,
                    "weights": {
                        "manpower": 0.35,
                        "materials": 0.45,
                        "services": 0.2
                    }
                },
                "تقنية المعلومات": {
                    "min_percentage": 25,
                    "target_percentage": 50,
                    "weights": {
                        "manpower": 0.55,
                        "materials": 0.15,
                        "services": 0.3
                    }
                },
                "عام": {
                    "min_percentage": 20,
                    "target_percentage": 40,
                    "weights": {
                        "manpower": 0.4,
                        "materials": 0.3,
                        "services": 0.3
                    }
                }
            },
            "material_categories": {
                "local_manufacturing": 1.0,
                "local_assembly": 0.7,
                "imported_with_local_value_add": 0.4,
                "fully_imported": 0.0
            },
            "manpower_categories": {
                "saudi_employee": 1.0,
                "expat_employee": 0.0
            },
            "service_categories": {
                "local_service_provider": 1.0,
                "joint_venture": 0.6,
                "foreign_provider_with_local_partner": 0.3,
                "foreign_provider": 0.0
            }
        }
    
    def _load_local_companies(self) -> Dict[str, Dict[str, Any]]:
        """
        تحميل قاعدة بيانات الشركات المحلية
        """
        # في التطبيق الفعلي، قد تُحمل هذه البيانات من ملف أو قاعدة بيانات
        return {
            "company1": {
                "name": "شركة البناء السعودية",
                "cr_number": "1010XXXXXX",
                "sector": "الإنشاءات",
                "local_content_certificate": True,
                "saudi_employees_percentage": 35,
                "nitaqat_category": "أخضر متوسط",
                "local_content_percentage": 45
            },
            "company2": {
                "name": "شركة تقنية المستقبل",
                "cr_number": "1020XXXXXX",
                "sector": "تقنية المعلومات",
                "local_content_certificate": True,
                "saudi_employees_percentage": 42,
                "nitaqat_category": "أخضر مرتفع",
                "local_content_percentage": 52
            },
            "company3": {
                "name": "مصنع المنتجات المعدنية",
                "cr_number": "1030XXXXXX",
                "sector": "الصناعة",
                "local_content_certificate": True,
                "saudi_employees_percentage": 28,
                "nitaqat_category": "أخضر منخفض",
                "local_content_percentage": 61
            }
        }
    
    def _load_nitaqat_data(self) -> Dict[str, Dict[str, Any]]:
        """
        تحميل بيانات نطاقات الشركات
        """
        # في التطبيق الفعلي، قد تُحمل هذه البيانات من ملف أو قاعدة بيانات
        return {
            "الإنشاءات": {
                "صغيرة": {
                    "أحمر": {"min": 0, "max": 5},
                    "أخضر منخفض": {"min": 6, "max": 10},
                    "أخضر متوسط": {"min": 11, "max": 15},
                    "أخضر مرتفع": {"min": 16, "max": 25},
                    "بلاتيني": {"min": 26, "max": 100}
                },
                "متوسطة": {
                    "أحمر": {"min": 0, "max": 7},
                    "أخضر منخفض": {"min": 8, "max": 14},
                    "أخضر متوسط": {"min": 15, "max": 20},
                    "أخضر مرتفع": {"min": 21, "max": 30},
                    "بلاتيني": {"min": 31, "max": 100}
                },
                "كبيرة": {
                    "أحمر": {"min": 0, "max": 9},
                    "أخضر منخفض": {"min": 10, "max": 16},
                    "أخضر متوسط": {"min": 17, "max": 23},
                    "أخضر مرتفع": {"min": 24, "max": 35},
                    "بلاتيني": {"min": 36, "max": 100}
                }
            },
            "تقنية المعلومات": {
                "صغيرة": {
                    "أحمر": {"min": 0, "max": 6},
                    "أخضر منخفض": {"min": 7, "max": 12},
                    "أخضر متوسط": {"min": 13, "max": 19},
                    "أخضر مرتفع": {"min": 20, "max": 29},
                    "بلاتيني": {"min": 30, "max": 100}
                },
                "متوسطة": {
                    "أحمر": {"min": 0, "max": 13},
                    "أخضر منخفض": {"min": 14, "max": 20},
                    "أخضر متوسط": {"min": 21, "max": 27},
                    "أخضر مرتفع": {"min": 28, "max": 35},
                    "بلاتيني": {"min": 36, "max": 100}
                },
                "كبيرة": {
                    "أحمر": {"min": 0, "max": 17},
                    "أخضر منخفض": {"min": 18, "max": 25},
                    "أخضر متوسط": {"min": 26, "max": 33},
                    "أخضر مرتفع": {"min": 34, "max": 40},
                    "بلاتيني": {"min": 41, "max": 100}
                }
            }
        }