环评知识库提炼

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

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