PDF教学进程表 → Excel 智能转换技能
把人才培养方案 PDF 里的「教学进程表」一句话变成结构化 Excel —— 跨页、合并单元格、多学期课程自动拆分，专业信息自动识别，准确率 95%+。
更新重点
- v3.9.8：移除 SKILL.md 中冗余的 WorkBuddy 社区贡献声明和官方网站链接。
- v3.9.7：版本号更新，为 SkillHub 发布做准备。
- v3.9.6：精简 SKILL.md 文档（移除「本地分发」相关说明），新增「上手示例」小节。
- v3.9.5：修正「执行结果」Sheet 中「课程数（去重）」统计逻辑（多学期课程拆分后去掉末尾序号再去重，如"形势与政策1""形势与政策2"计为1门）。
- v3.9.4：修正「执行结果」Sheet 中「课程数（展开）」统计逻辑（多学期课程拆分后应按实际学期数计算）。
- v3.9.2：修正「各专业课程数明细」区块统计逻辑；修复 SkillHub 测评问题（文档与包内容一致、中文文件名乱码）。
概述
将高等学历继续教育人才培养方案 PDF 中的教学进程表一键转换为结构化 Excel 文件。Skill 内置了 v2.0+ 智能优化能力，无需用户手动分析 PDF 结构：
- 单文件模式：处理单个 PDF 文件（1 个专业）
- 批量处理模式：处理目录下所有 PDF（每个文件 1 个专业）
- 单文件多专业模式：处理单个 PDF（含多个专业）
支持智能识别：
- 专业信息（专业名称/代码/办学层次/学习形式）
- 学期列与考核列（自动排除混淆）
- 跨页表格（续页表头自动跳过、列数校验）
- 合并单元格（课程类别自动向下填充 + 字符多重集识别）
- 终结性考核√标记（直接读取标记列）
- 课程代码清洗（去除中文/特殊字符）
- 汇总行过滤（"小计"、"合计"等）
- 课程性质（必修课/选修课）自动打标（v3.1）
- 选修课"至少选N门"自动合并单元格（v3.1）
输出支持三种方式：
- separate：每个专业一个独立 Excel
- merged：所有专业合并到一个 Excel 的不同 sheet
- merged-sheet：所有专业合并到同一个 sheet（通过"专业名称"列区分）
上手示例
> 👤 用户：把 /Users/lijiahui/Desktop/2027级培养方案/ 目录下的所有 PDF 教学进程表合并成一个 Excel，输出到 /Users/lijiahui/Desktop/output.xlsx，所有专业放一个 sheet 里。
> 🤖 WorkBuddy：
> 1. 扫描目录下 9 份 PDF，每个文件识别出 1 个专业
> 2. 自动提取专业信息（专业名称、代码、办学层次、学习形式）放到最前面
> 3. 拆分多学期课程（如"形势与政策"占 4 个学期 → 拆成 4 行）
> 4. 自动加序号（形势与政策1、形势与政策2…）
> 5. 合并到同一 sheet，按"专业名称"列区分
> 6. 生成"执行结果"Sheet，记录转换统计
> ✅ 3 秒后 Excel 生成在 /Users/lijiahui/Desktop/output.xlsx，含 1 个"教学进程表"Sheet（9 个专业）+ 1 个"执行结果"Sheet。
快速开始
1. 安装依赖
请使用系统 Python（不要使用 WorkBuddy 自带的 managed Python，存在代码签名问题）。
依赖包体积较大（含 pandas、pdfplumber 等），默认从国外 PyPI 下载可能很慢。安装时建议指定国内镜像源，例如清华大学 TUNA 镜像：
macOS / Linux：
python3 -m pip install -r requirements.txt \
-i https://pypi.tuna.tsinghua.edu.cn/simple \
--trusted-host pypi.tuna.tsinghua.edu.cn
Windows：
python -m pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn
> 也可将清华源配置为 pip 默认源（一次设置，永久生效）：
> bash
> python3 -m pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
> python3 -m pip config set global.trusted-host pypi.tuna.tsinghua.edu.cn
>
> 配置后，以后直接用 pip install -r requirements.txt 即可走国内镜像。
2. 在 SkillHub 中启用 Skill
- 打开 WorkBuddy
- 进入「技能中心」/ SkillHub
- 搜索
pdf-teaching-schedule-to-excel - 点击「安装」即可启用
启用后，直接用自然语言告诉 WorkBuddy 你的需求即可，无需关心脚本细节。
使用方法
模式 A：单文件处理
适用场景：单个 PDF 文件，含 1 个专业的教学进程表
自然语言指令：
> "请将 [PDF文件绝对路径] 中的教学进程表转换为 Excel。
> 要求：
> 1. 自动提取专业信息（专业名称、代码、办学层次、学习形式）放到最前面
> 2. 区分线上/线下的理论和实验实训学时
> 3. 增加学期列（数字 1-N），多学期课程拆分为多行
> 4. 学分和学时按学期平均分配
> 5. 毕业论文/设计类课程不拆分
> 6. 多学期拆分后课程名称自动加序号（如"形势与政策1"）
> 7. 课程代码自动清洗中文字符
> 8. 学期列放最后
> 输出到：[输出Excel绝对路径]"
模式 B：批量处理多份 PDF
适用场景：目录下有多个 PDF 文件，每个文件对应一个专业
自然语言指令：
> "请将 [目录绝对路径] 目录下的所有 PDF 文件中的教学进程表转换为 Excel。
> 要求：
> 1. 批量识别目录下所有 PDF
> 2. 输出方式：[separate / merged / merged-sheet]
> 3. 输出目录：[输出目录绝对路径]"
模式 C：单文件多专业处理
适用场景：单个 PDF 包含多个专业（如 2027 级培养方案合订本）
自然语言指令：
> "请将 [PDF文件绝对路径] 这个 PDF 文件中的所有专业的教学进程表转换为 Excel。
> 说明：这个 PDF 包含多个专业，每个专业有独立的专业信息页和教学进程表。
> 要求：
> 1. 自动识别 PDF 中的所有专业
> 2. 输出方式：[separate / merged / merged-sheet]
> 3. 输出目录：[输出目录绝对路径]"
Python 命令行调用
除 WorkBuddy 自然语言调用外，也可直接用 Python 调用脚本。
# 模式A：单文件处理
python scripts/smart_pdf_to_excel.py --mode A \
--input "/path/to/培养方案.pdf" \
--output "/path/to/output.xlsx"
# 模式B：批量处理（每个PDF一个专业）
python scripts/smart_pdf_to_excel.py --mode B \
--input "/path/to/pdf_dir" \
--output "/path/to/output.xlsx" \
--output-mode merged-sheet
# 模式C：单文件多专业处理
python scripts/smart_pdf_to_excel.py --mode C \
--input "/path/to/multi_major.pdf" \
--output "/path/to/output.xlsx" \
--output-mode merged
--output-mode 取值（仅 B/C 模式有效）：
- separate（默认）：每个专业一个独立 Excel
- merged：所有专业合并到一个 Excel 的不同 sheet
- merged-sheet：所有专业合并到同一个 sheet（通过"专业名称"列区分）
其他常用参数：
- --quiet：静默模式，只输出警告和错误
- --report <path>：输出 JSON 格式数据质量报告到指定路径
智能能力清单
| 智能能力 | 描述 |
|---|---|
| 自动匹配专业和教学进程表 | 扫描"专业名称"关键词，自动定位每个专业的教学进程表 |
| 自动识别学期列 | 按列头关键词分类，扫描√标记，自动建立列映射 |
| 智能跨页表格处理 | 检测续页表头并跳过，验证列数一致性 |
| 自动填充合并单元格 | 课程类别合并单元格自动向下填充 |
| 多学期自动拆分 | 自动拆分多学期课程，平均分配数值 |
| 课程名称自动加序号 | 拆分后自动加"形势与政策1"等序号 |
| 终结性考核√标记识别 | 直接读取√标记，无√则不记录 |
| 课程代码自动清洗 | 正则去掉中文字符，修复竖排文字污染 |
| 汇总行自动过滤 | 自动过滤"小计"、"合计"等行 |
| 三种输出方式 | separate / merged / merged-sheet |
| 课程类别字符多重集识别 | 处理 pdfplumber 字符按列错位（如"职业能力拓展课"→"职拓业展能课力"） |
| 课程性质自动打标 | 必修课/选修课自动识别，列位置在课程名称之后 |
| 选课门数自动合并 | 同一课程类别下，必修课显示"必选"，选修课显示"至少选【N】门"并自动合并单元格 |
| 执行结果 Sheet | 自动生成"执行结果"Sheet，记录转换时间、处理文件数、总课程数、多学期课程清单等 |
输出规范
Excel 列顺序
专业名称 | 专业代码 | 办学层次 | 学习形式 |
课程类别 | 课程代码 | 课程名称 | 课程性质 | 选课门数 | 学分 | 总学时 |
线上教学理论学时 | 线上教学实验实训学时 |
线下教学理论学时 | 线下教学实验实训学时 |
过程性考核 | 终结性考核 | 学期
> 💡 课程性质：必修课/选修课。
> 💡 选课门数：必修课显示"必选"；选修课从"选修课小计"中自动提取 N，显示"至少选【N】门"，并在同一课程类别下自动合并单元格（Excel 标准行为：仅左上角显示值）。
执行结果 Sheet
每次转换会自动追加一个「执行结果」Sheet，包含：
- 基本信息：转换时间、转换模式、PDF 来源、输出路径
- 处理统计：处理文件数、成功 / 失败数、总课程数
- 各专业课程数明细：每个专业的"课程数（去重）"、"课程数（展开）"、"多学期课程数"
- 多学期课程清单：列出所有被拆分的多学期课程
平台支持
| 平台 | 支持 | Python 路径 |
|---|---|---|
| macOS | ✅ | 系统 Python 3.8+ 或 brew install python@3.11 |
| Windows 10/11 | ✅ | 官方安装包 https://www.python.org/downloads/ |
| Linux | ✅ | 系统包管理器（apt/yum/dnf） |
> ⚠️ 禁止使用 WorkBuddy 自带的 managed Python（~/.workbuddy/binaries/python/），存在代码签名问题。
常见问题
| 错误现象 | 原因 | 解决方法 |
|---|---|---|
OSError: Operation not permitted |
使用了 managed Python | 改用系统 Python |
ModuleNotFoundError: No module named 'pdfplumber' |
依赖未安装 | pip install -r requirements.txt |
| 学期列只识别到 1 个 / 缺失第5学期 | auto_detect_semester_cols 只扫描教学进程表第一页，跨页续页的第5学期√标记被遗漏 |
v3.6+ 已改为扫描所有教学进程表页码，合并表头信息和√标记分布 |
| 课程类别大量空白 | 旧版本未做合并单元格填充 | v2.0+ 已自动向下填充 |
| 显示"公\n共\n基\n础\n课" | PDF 竖排文字 | v2.0+ 已自动清理 |
| 课程代码混入中文字符 | PDF 表格提取问题 | v2.2+ 已自动正则清洗 |
| 输出表头带"Unnamed: 10" | header 行某些列无名 | 已通过显式列顺序解决 |
| 课程类别大量空白（"职拓业展能课力"） | PDF 占位符 + 字符按列错位 | v3.1+ 已字符多重集识别 |
| 选修课至少选课门数未合并 | 旧版未做合并 | v3.1+ 已自动合并单元格 |
更多历史问题与解决方案，请查阅 references/UpdateLog.md。
进阶使用
- 用户日常使用手册：
references/SOP_UserManual.md - 技术实现细节 / 版本演进 / 跨平台命令对照：
references/UpdateLog.md
许可
本 Skill 遵循 MIT 协议，可自由使用、修改、分发。
贡献
欢迎提交 Issue 和 PR：
- 适配新 PDF 模板
- 优化识别准确率
- 补充更多输出格式（CSV、JSON 等）
- 跨平台兼容性改进
Skill 版本：3.9.8
最后更新：2026-07-21
