CAD 表格提取导出 Excel

Overview

从 CAD 图纸（DWG/DXF）中自动识别由文本 + 线条构成的表格，按坐标重建行列结构，还原特殊字符，导出为多 sheet 的 Excel 文件。核心是几何聚类，而非 OCR：靠竖线定位列、横线定位行、文本坐标归位单元格。

何时使用

用户给出 .dxf / .dwg 文件，要求"导出里面的表格""把表转成 Excel""提取图上的表"。
图纸中的表格是 CAD 原生表格（TEXT/MTEXT + LINE 边框），而非扫描图片。
若表格是扫描/图片形式，本技能不适用，需走 OCR 路线。

环境与依赖

Python：C:\Users\ZJ\.workbuddy\binaries\python\envs\default\Scripts\python.exe（隔离 venv）。
依赖 ezdxf、openpyxl，通常已装；缺则 pip install ezdxf openpyxl。
若输入是 .dwg（非 ASCII 的 DXF），先用 cad-viewer 技能或 ODA/ezdxf 转成 .dxf 再处理。

工作流

1. 先跑自动提取

cd "C:\Users\ZJ\.workbuddy\skills\cad-table-extract"
"C:\Users\ZJ\.workbuddy\binaries\python\envs\default\Scripts\python.exe" \
  scripts/extract_tables.py "C:\path\to\drawing.dxf" "C:\path\to\output.xlsx"

脚本会自动：识别表格带（上下排列的多表）→ 按 x 大间隙分割（左右排列的多表）→ 推导行列边界 → 文本归位 → 生成多 sheet Excel。终端会打印每张表的行列数与提示。

2. 结果错位时用诊断工具定位

"C:\Users\ZJ\.workbuddy\binaries\python\envs\default\Scripts\python.exe" \
  scripts/dump_texts.py "C:\path\to\drawing.dxf" --lines

dump 全部文本的 x/y/字号/对齐与全部 LINE 端点，据此判断每张表的真实列边界（竖线 x）与行边界（横线 y）。若自动推导仍不准，在脚本内按实际坐标硬编码 col_edges / 表带 x 范围（参照本技能此前处理"洁净手术室参数表"三个左右排列表的做法）。

3. 验证输出

用 openpyxl 读回 Excel，打印每个 sheet 的前几行，核对：表头多级结构、单位行、特殊符号、行/列归属。多级表头（如"夏季/冬季"分组、上下拼接的单位）通常需要手动合并单元格，在脚本里用 merge_cells 补。

已知坑（务必人工核对）

≤/≥ 错位：CAD 的 SHX 字体里 ≥ 与 ≤ 在字符表位置相邻，导出 DXF 后可能互相错位。导出后按业务逻辑判断，例如"最厚保温档对应最大管径"应为 ≥ 而非 ≤。必要时在脚本加后处理强制纠正。
特殊字符：%%D→°、%%C→∅、%%P→±、%%DC→℃、%%%→%、m2/m3→²/³。脚本已内置 fix()，若字体特殊可调整。
MTEXT 多行：MTEXT 的 \P 换行与格式码需清理，脚本已处理，但复杂 MTEXT 表格建议先 dump 核对。
无框线表格：若表格只有文本没有 LINE 边框，几何聚类失效，需退化为按文本 y/x 聚类（cluster_ys 思路），参照 dump_texts.py 输出手工建边界。

脚本清单

scripts/extract_tables.py — 自动提取主脚本（通用，坐标聚类）。
scripts/dump_texts.py — 诊断工具，dump 文本坐标与线条端点。