预制构件PDF图纸BOM清单提取与填写

概述

本技能用于从预制混凝土构件（叠合板等）的A4格式PDF详图中，自动提取材料表数据并填写到PCMES BOM导入模板Excel中。

适用场景

• PDF图纸为A4幅面的预制构件详图，每页一个构件
• 每页包含5类表格：底板参数表、底板配筋表、桁架钢筋表、预埋配件明细表、构件数量统计表
• 输出为PCMES 2.0标准格式的BOM导入Excel模板
• 钢筋类型或物料类型超出模板列数时，自动在右侧追加新列

工作流程

第1步：环境准备

确认Python环境已安装所需依赖：

# 使用managed python创建venv（如果尚未创建）
<python_path> -m venv <venv_path>
<venv_pip> install pdfplumber openpyxl PyMuPDF pillow

依赖包：PyMuPDF（fitz，PDF文本提取）、openpyxl（Excel读写）。

第2步：调查PDF结构

每份PDF的构件编号格式、楼栋、楼层、混凝土标号可能不同，需先调查：

import fitz, re
doc = fitz.open(pdf_path)
for i in range(len(doc)):
    text = doc[i].get_text()
    lines = [l.strip() for l in text.split('\n') if l.strip()]
    # 1. 构件编号：匹配 r'(\d+-\d+F-\d+)详图'
    # 2. 桁架类型：匹配 r'A\d{2,}(-\d+)?$'（至少2位数字，避免误匹配A2等图纸编号）
    # 3. 预埋配件：匹配 r'XH\d+'
    # 4. 混凝土标号：构件数量统计表中的C30/C35等
    # 5. 楼层信息：含 'F~' 的行
    # 6. 钢筋类型：匹配 r'\d+[a-z]?#(?:钢筋|加强筋)' 或 'JQJ'

关键注意：

• A2是图纸编号标签（出现在页面底部），不是桁架类型。桁架正则要求至少2位数字：r'A\d{2,}(-\d+)?$'
• 钢筋名称可能出现拼接（如"2#钢筋4#加强筋"在同一行），需用 split_concatenated_rebar_names() 拆分
• 部分页面可能没有桁架钢筋表（纯底板构件）

第3步：提取PDF数据

使用 scripts/extract_and_fill_bom.py 脚本，或按以下逻辑自行编写：

3.1 底板参数表

正则匹配 底板参数表 后跟构件编号，然后依次提取6个数值： 底板厚、叠合层厚、实际板跨、实际板宽、混凝土体积、底板自重。

3.2 底板配筋表

匹配 底板配筋表\n 到 桁架钢筋表|预埋配件明细表|构件数量统计表|合计 之间的文本。

解析逻辑：

1. 过滤掉表头行（含"钢筋编号"、"钢筋规格"等关键词的行）
2. 用 split_concatenated_rebar_names() 拆分拼接的钢筋名称
3. 逐行扫描，遇到钢筋名称（如"1#钢筋"、"1a#钢筋"、"JQJ"）后，收集后续所有数值
4. 最后3个数值为：单根长、总长、总重
5. 数量 = round(总长 / 单根长)

3.3 桁架钢筋表

匹配 桁架钢筋表\n 到 预埋配件明细表|构件数量统计表|合计 之间的文本。

解析逻辑：

1. 过滤表头行和构件编号行
2. 过滤 A2 等图纸编号（非桁架类型）
3. 匹配桁架名称：r'A\d{2,}(-\d+)?$'（A80, A80-1, A90, A90-1, A130, A130-1, A140, A140-1等）
4. 收集后续数值：道数、单道长度、单根重、总长、总重

3.4 预埋配件明细表

匹配 预埋配件明细表\n 到 构件数量统计表|合计 之间的文本。

解析逻辑：按 XH\d+ 编号 → 名称 → 数量 → 备注 的4行一组解析。

配件编码对照：

• XH1 → 八角照明金属线盒
• XH4 → 消防金属线盒
• XH5 → 弱电金属线盒
• XH6 → 动力金属线盒

3.5 构件数量统计表

匹配 构件数量统计表\n 到 合计 之间的文本。提取楼层（如"4F~11F"）、混凝土强度（如C30）。

第4步：填写Excel

4.1 列布局

详见 references/column_mapping.md。核心结构：

| 列范围 | 内容 | 格式 | |--------|------|------| | A-K | 构件基本信息 | 类型/型号/体积/重量/混凝土/尺寸/模具/备注 | | L-O | 楼层信息 | 楼栋/单层数量/起始层/终止层 | | P-X | 基础钢筋（3组×3列） | 1#钢筋(Φ10)、2#钢筋(Φ10)、JQJ(Φ8) | | Y-AG | 基础桁架钢筋（3组×3列） | A80、A80-1、A90 | | AH-AK | 预埋配件（4列） | XH4/XH1/XH5/XH6 | | AL+ | 扩展列（按需添加） | 新桁架/新钢筋类型 |

钢筋列格式（3列）：单根长(mm) / 数量(根) / 总重(KG) 桁架列格式（3列）：单道长度 / 道数 / 总重 物料列格式（1列）：数量

4.2 扩展列规则

当出现模板中没有的钢筋/桁架类型时，从AL列开始向右追加：

1. 先放新桁架类型（3列一组），再放新钢筋类型（3列一组）
2. 表头第3行写规格（如Φ8、Φ14）或桁架代号（如A140），不写钢筋代号
3. 新列样式从同类型已有列复制（钢筋从P列，桁架从Y列，物料从AH列）

4.3 清理模板公式

模板中AI-AL列可能有 #REF! 公式（引用已删除的工作表），需用空字符串 '' 覆盖（用 None 可能不生效）。

第5步：表格美化

使用 scripts/beautify_bom.py 脚本，或按以下逻辑：

1. 删除说明行：如需删除原第1-2行（标题+说明），必须先 unmerge_cells 所有合并区域，再 delete_rows，最后重新创建合并区域（openpyxl的 delete_rows 不会自动调整合并单元格范围）
2. 表头配色：第1行深蓝底(#4472C4)白字，第2-3行浅蓝底(#8EA9DB)白字
3. 数据行：交替底色（白色/#F2F7FC）
4. 边框：统一浅蓝细线(#B4C6E7)
5. 列宽：型号14、尺寸10、数量8、长度12、重量10
6. 冻结窗格：C4（固定表头3行+前2列）
7. 隐藏网格线：ws.sheet_view.showGridLines = False

第6步：验证

填写完成后需交叉验证：

1. 构件总数是否与PDF页数一致
2. 每个构件的钢筋/桁架类型是否与PDF一致
3. 楼栋、楼层、混凝土标号是否正确
4. 抽查3-5个构件的数值与PDF原文比对

使用脚本

extract_and_fill_bom.py

主提取脚本，接受命令行参数：

python extract_and_fill_bom.py <pdf_path> <xlsx_template> <xlsx_output> <building> <floor_start> <floor_end> <concrete>

示例：

python extract_and_fill_bom.py \
  "C:/Users/.../3#楼4-11层详图0710-1.pdf" \
  "C:/Users/.../PCMES_2.0_xxx_BOM导入_9928.xlsx" \
  "C:/Users/.../output.xlsx" \
  "3#" "4F" "11F" "C30"

脚本会自动：

• 扫描所有PDF页面，提取5类表格数据
• 统计所有钢筋/桁架类型
• 在Excel模板中添加扩展列
• 填写数据并复制样式
• 打印验证摘要

beautify_bom.py

美化脚本，接受命令行参数：

python beautify_bom.py <xlsx_path> [--delete-rows <N>]

示例：

python beautify_bom.py "C:/Users/.../output.xlsx" --delete-rows 2

常见问题

Q: PDF提取不到文本？

A: 检查PDF是否为扫描件（图片型PDF）。如果是，需先用OCR处理。本技能仅支持文本型PDF。

Q: 钢筋名称拼接在一起？

A: 如"2#钢筋4#加强筋"在同一行，使用 split_concatenated_rebar_names() 函数拆分。该函数用正则 r'\d+[a-z]?#(?:钢筋|加强筋)' 的 finditer 定位每个名称的起止位置。

Q: delete_rows后合并单元格错位？

A: openpyxl的 delete_rows 不会自动调整 merged_cells.ranges。必须先 unmerge_cells 所有合并区域，删行后再重新 merge_cells。

Q: 不同构件同一钢筋类型规格不同？

A: 钢筋表头写最常见规格（取众数），不单独加规格列。如1a#钢筋多数为Φ8，个别为Φ10/Φ12，表头写Φ8。

Q: 桁架类型误匹配A2？

A: A2是图纸编号，不是桁架。正则改为 r'A\d{2,}(-\d+)?$'，要求至少2位数字。

Q: 模板中有#REF!公式？

A: AI-AL列可能有引用已删除工作表的VLOOKUP公式。用空字符串 '' 覆盖，不要用 None（可能不生效）。