LEGO Parts Extractor

从 LEGO 说明书 PDF 中提取零件清单，生成符合模板格式的 Excel 文件。

工作流程

1. 确认输入文件

• PDF 文件位置（单个或批量）
• 模板 Excel 文件（用于颜色代码映射）
• 输出目录

2. 提取 PDF 图片

LEGO 说明书通常是图片型 PDF，需要先提取内嵌图片：

import fitz  # pymupdf

doc = fitz.open(pdf_path)
for page_num in range(len(doc)):
    page = doc[page_num]
    pix = page.get_pixmap(dpi=150)
    pix.save(f"page_{page_num+1}.png")

3. 定位零件表页面

关键规则：零件表通常在特定页面，其他页面是拼搭步骤

• 先询问用户零件表在哪几页（如 "只有第3页是零件表"）
• 常见模式：Page 2-3 或仅 Page 3
• 拼搭步骤页面（Step 1, 2, 3...）不是完整零件清单

4. 视觉提取零件数据

从零件表图片中识别：

• 零件编号：如 3024, 3005, 4073 等
• 颜色名称：如 Black, White, Dark Bluish Gray 等
• 数量：每个零件的数量

5. 颜色代码映射

从模板 Excel 的 Sheet2 获取颜色代码：

• D列 = 颜色编号
• E列 = Stud.io 颜色名称

常见颜色映射（参考 references/color_codes.md）：

• Black = 026
• White = 001
• Dark Bluish Gray = 199
• Light Bluish Gray = 194
• Reddish Brown = 192

6. 生成 Excel 文件

输出格式（四列）：

使用 scripts/generate_excel.py 批量生成。

批量处理模式

当有多个套装时：

1. 将所有 PDF 放在同一目录
2. 使用 scripts/batch_extract.py 批量提取图片
3. 逐个套装提取零件数据
4. 使用 scripts/generate_excel.py 批量生成 Excel

关键注意事项

PDF 访问问题

• 文件名含 & 等特殊字符时，Python/PowerShell 可能无法直接访问
• 解决方案：使用 glob 匹配或复制到临时路径

Excel 文件锁定

• Windows 下 Excel 文件可能被 WPS/Edge 锁定
• 解决方案：生成到临时文件名，然后用 -Force 覆盖

颜色代码缺失

• 模板中可能缺少某些颜色
• 查阅 Stud.io 标准编号手动补充
• 参考 references/color_codes.md

编码问题

• Windows 下使用 openpyxl 而非 pandas（pandas 有中文编码问题）
• PowerShell 不支持 &&，用 ; 或分开执行

Resources

scripts/

• generate_excel.py - 批量生成 Excel 文件的主脚本
• extract_images.py - 从 PDF 提取图片

references/

• color_codes.md - LEGO 颜色代码映射参考

assets/

• template.xlsx - Excel 模板文件（可选，用户可指定自己的模板）