- name
- eia-knowledge-extractor
- description
- 环评报告知识库提炼工具 - 从环评报告表中提取结构化知识库文件，支持PDF/DOCX解析
- license
- MIT
- version
- 2.3
环评知识库提炼
从环境影响评价报告表中自动提取环境数据，生成结构化知识库文件。
输入
环评报告表文件（支持PDF、DOCX、DOC、TXT格式）
输出
生成5个知识库CSV文件：
1. 污染因子知识库（19字段）
污染物ID、行业、区域、产污工段、产污设施、原辅材料、污染物条件1-3、污染物名称、污染因子名称、污染物种类、排放位置、标准条件1-3、适用标准、标准限值-浓度/速率/高度/其他、备注、出处
2. 废气源强核算知识库（15字段）
污染物ID、污染物种类、污染因子种类、行业、区域、核算污染因子、产生量核算方法类型/依据/方法、核算公式、所需参数、产污系数、类比项目规模信息/污染物量、出处
3. 废水源强核算知识库（15字段）
同上
4. 固废源强核算知识库（16字段）
污染物ID、污染物种类、污染因子种类、固废类型、危废代码、行业、区域、核算污染因子、产生量核算方法类型/依据/方法、核算公式、所需参数、产污系数、类比项目规模信息/污染物量、出处
5. 噪声源强核算知识库（13字段）
污染物ID、污染物种类、污染因子种类、行业、区域、噪声源、规格型号、声源类型、计量单位/方式、声源源强值、降噪措施、降噪后源强值、出处
数据规范
- 污染物ID格式：
行业_原辅料_产污工段_其他条件_污染物 - 示例：
通用设备制造业_铸件_抛丸_/_抛丸粉尘 - 污染物种类：废气、废水、固废、噪声
- 空值：用
/表示
质量核查
生成后需核查：文件完整性（5个CSV）、命名规则、字段完整性（19/15/15/16/13）、与原报告一致性（不可缩写/缩减/缺漏）
使用方法
python scripts/main.py report.pdf -o output_dir依赖
pip install pymupdf pandas python-docx