IFC 数据提取

概述

此技能使用 IfcOpenShell 提供全面的 IFC 文件解析与数据提取功能。可从 BIM 模型中提取构件数据、工程量、属性及关系信息，用于分析与报告。

基于开放建筑信息模型（Open BIM）标准 —— 采用厂商无关的 IFC 格式，实现最大化的互操作性。

"IFC 是一种开放标准，用于交换 BIM 数据，使信息提取独立于软件平台。"

—— DDC 方法论

快速开始

import ifcopenshell
import ifcopenshell.util.element as element_util
import pandas as pd

# 打开 IFC 文件
ifc = ifcopenshell.open("model.ifc")

# 获取项目信息
project = ifc.by_type("IfcProject")[0]
print(f"项目: {project.Name}")

# 提取所有墙体
walls = ifc.by_type("IfcWall")
print(f"墙体总数: {len(walls)}")

# 获取墙体数据
wall_data = []
for wall in walls:
    psets = element_util.get_psets(wall)
    wall_data.append({
        'GlobalId': wall.GlobalId,
        'Name': wall.Name,
        'Type': wall.is_a(),
        'Level': get_level(wall),
        'Properties': psets
    })

df = pd.DataFrame(wall_data)
print(df.head())

核心提取函数

构件提取器类

markdown

IFC 数据提取

概述

本技能用于从 IFC 文件中提取建筑信息模型数据，包括元素属性、层级结构、材料、数量统计、空间信息和元素间关系。

依赖库

• ifcopenshell：IFC 文件解析库
• pandas：数据处理与表格化
• typing：类型提示支持

类定义：IFCExtractor

初始化

def __init__(self, ifc_path: str)

打开指定路径的 IFC 文件，并初始化几何设置。

参数：

• ifc_path (str)：IFC 文件路径

获取项目信息

def get_project_info(self) -> Dict

提取项目元数据。

返回值：

• Dict 包含以下字段：

- project_id：项目唯一标识符（GlobalId）

- project_name：项目名称

- description：项目描述

- site_count：场地数量

- building_count：建筑数量

- schema：使用的 IFC 标准版本

提取所有元素数据

def get_all_elements(self, element_types: List[str] = None) -> pd.DataFrame

提取指定类型的全部元素数据。

参数：

• element_types (List[str], 可选)：要提取的 IFC 元素类型列表。默认为：

  ['IfcWall', 'IfcSlab', 'IfcColumn', 'IfcBeam',
   'IfcDoor', 'IfcWindow', 'IfcStair', 'IfcRoof']

返回值：

• pd.DataFrame：包含每个元素的详细信息，列包括：

- GlobalId

- Name

- Description

- ObjectType

- Level（所在楼层）

- Material（材料名称）

- TypeName（类型名称）

- PropertySets（所有属性集）

- Length, Width, Height, Area, Volume（基本量）

提取单个元素数据

def _extract_element_data(self, element) -> Dict

从单个 IFC 元素中提取基础信息。

内部逻辑：

• 基础属性：GlobalId、Name、Description、ObjectType
• 所在楼层：通过 ContainedInStructure 关系获取
• 材料信息：通过 HasAssociations 中的 IfcRelAssociatesMaterial 获取
• 类型名称：通过 IsTypedBy 关系获取
• 属性集（Psets）：使用 ifcopenshell.util.element.get_psets() 提取
• 常见数量字段：

- Length：长度

- Width：宽度

- Height：高度

- Area：净侧面积或总表面积

- Volume：净体积或总体积

获取元素所在楼层

def _get_element_level(self, element) -> Optional[str]

根据元素的空间包含关系，获取其所在的建筑楼层名称。

返回值：

• str：楼层名称，若无则返回 None

获取元素材料

def _get_element_material(self, element) -> Optional[str]

从元素关联的材料关系中提取材料名称。

优先级：

1. 直接材料名称（Material.Name）
2. 层状材料集合中的第一层材料名称

返回值：

• str：材料名称，若未找到则返回 None

获取元素类型名称

def _get_element_type(self, element) -> Optional[str]

通过 IsTypedBy 关系获取元素的类型名称。

返回值：

• str：类型名称，若无则返回 None

提取数量统计

def extract_quantities(self) -> pd.DataFrame

按元素类型和楼层分组，汇总数量信息。

输出字段：

• IFC_Type：元素类型
• Level：所在楼层
• Count：该类型在该楼层的数量
• Volume：体积总和
• Area：面积总和
• Length：长度总和

提取楼层信息

def extract_levels(self) -> pd.DataFrame

提取所有建筑楼层（IfcBuildingStorey）的信息。

返回字段：

• GlobalId
• Name
• Elevation：标高
• Description

结果按标高升序排列。

提取空间/房间信息

def extract_spaces(self) -> pd.DataFrame

提取所有空间（IfcSpace）的数据。

返回字段：

• GlobalId
• Name
• LongName
• Level：所在楼层
• Area：净地面面积
• Volume：净体积
• Height：高度

提取材料汇总

def extract_materials(self) -> pd.DataFrame

统计各材料在模型中的使用情况。

输出字段：

• index：材料名称
• count：使用该材料的元素数量
• volume：该材料的总体积（基于 NetVolume）

提取元素间关系

def extract_relationships(self) -> pd.DataFrame

提取两类主要关系：

1. 空间包含关系（IfcRelContainedInSpatialStructure）

表示元素被包含于某个结构中。

1. 聚合关系（IfcRelAggregates）

表示某元素是另一个对象的一部分。

返回字段：

• Element：元素 GlobalId
• Element_Type：元素类型（如 IfcWall）
• Relationship：关系类型（"ContainedIn" 或 "PartOf"）
• Related_To：被关联对象的 GlobalId
• Related_Type：被关联对象类型

几何提取

（待补充具体实现内容）

提取几何数据

import numpy as np

class IFCGeometryExtractor:
    """从 IFC 元素中提取几何数据"""

    def __init__(self, ifc_path: str):
        self.model = ifcopenshell.open(ifc_path)
        self.settings = ifcopenshell.geom.settings()
        self.settings.set(self.settings.USE_WORLD_COORDS, True)

    def get_element_geometry(self, element) -> Dict:
        """提取单个元素的几何信息"""
        try:
            shape = ifcopenshell.geom.create_shape(self.settings, element)

            verts = shape.geometry.verts
            faces = shape.geometry.faces

            # 计算包围盒
            vertices = np.array(verts).reshape(-1, 3)
            min_coords = vertices.min(axis=0)
            max_coords = vertices.max(axis=0)
            dimensions = max_coords - min_coords

            return {
                'GlobalId': element.GlobalId,
                'vertices_count': len(vertices),
                'faces_count': len(faces) // 3,
                'min_x': min_coords[0],
                'min_y': min_coords[1],
                'min_z': min_coords[2],
                'max_x': max_coords[0],
                'max_y': max_coords[1],
                'max_z': max_coords[2],
                'length': dimensions[0],
                'width': dimensions[1],
                'height': dimensions[2],
                'center_x': (min_coords[0] + max_coords[0]) / 2,
                'center_y': (min_coords[1] + max_coords[1]) / 2,
                'center_z': (min_coords[2] + max_coords[2]) / 2
            }
        except:
            return {'GlobalId': element.GlobalId, 'error': '几何提取失败'}

    def get_bounding_boxes(self, element_type: str) -> pd.DataFrame:
        """获取指定类型所有元素的包围盒信息"""
        elements = self.model.by_type(element_type)
        boxes = [self.get_element_geometry(e) for e in elements]
        return pd.DataFrame(boxes)

    def calculate_volumes(self, element_type: str) -> pd.DataFrame:
        """基于几何数据计算体积"""
        elements = self.model.by_type(element_type)
        volumes = []

        for elem in elements:
            try:
                shape = ifcopenshell.geom.create_shape(self.settings, elem)
                # 通过网格简化计算体积
                verts = np.array(shape.geometry.verts).reshape(-1, 3)
                bbox_volume = np.prod(verts.max(axis=0) - verts.min(axis=0))

                volumes.append({
                    'GlobalId': elem.GlobalId,
                    'Name': elem.Name,
                    'BBox_Volume': bbox_volume
                })
            except:
                pass

        return pd.DataFrame(volumes)

导出功能

导出为多种格式

markdown

IFC 数据提取

概述

该技能用于从 IFC 文件中提取结构化数据，并支持导出为多种格式，包括 Excel、CSV、JSON 和 SQL 数据库。

类定义：IFCExporter

class IFCExporter:
    """将 IFC 数据导出到多种格式"""

    def __init__(self, extractor: IFCExtractor):
        self.extractor = extractor

    def to_excel(self, output_path: str, include_all: bool = True):
        """导出为包含多个工作表的 Excel 文件"""
        with pd.ExcelWriter(output_path, engine='openpyxl') as writer:
            # 项目信息
            project_info = pd.DataFrame([self.extractor.get_project_info()])
            project_info.to_excel(writer, sheet_name='Project', index=False)

            # 所有构件
            if include_all:
                elements = self.extractor.get_all_elements()
                elements.to_excel(writer, sheet_name='Elements', index=False)

            # 数量信息
            quantities = self.extractor.extract_quantities()
            quantities.to_excel(writer, sheet_name='Quantities', index=False)

            # 层高信息
            levels = self.extractor.extract_levels()
            levels.to_excel(writer, sheet_name='Levels', index=False)

            # 空间信息
            spaces = self.extractor.extract_spaces()
            spaces.to_excel(writer, sheet_name='Spaces', index=False)

            # 材料信息
            materials = self.extractor.extract_materials()
            materials.to_excel(writer, sheet_name='Materials', index=False)

        return output_path

    def to_csv(self, output_dir: str):
        """导出为多个 CSV 文件"""
        import os
        os.makedirs(output_dir, exist_ok=True)

        exports = {
            'elements.csv': self.extractor.get_all_elements(),
            'quantities.csv': self.extractor.extract_quantities(),
            'levels.csv': self.extractor.extract_levels(),
            'spaces.csv': self.extractor.extract_spaces(),
            'materials.csv': self.extractor.extract_materials()
        }

        for filename, df in exports.items():
            df.to_csv(os.path.join(output_dir, filename), index=False)

        return output_dir

    def to_json(self, output_path: str):
        """导出为 JSON 格式"""
        import json

        data = {
            'project': self.extractor.get_project_info(),
            'elements': self.extractor.get_all_elements().to_dict('records'),
            'quantities': self.extractor.extract_quantities().to_dict('records'),
            'levels': self.extractor.extract_levels().to_dict('records'),
            'materials': self.extractor.extract_materials().to_dict('records')
        }

        with open(output_path, 'w', encoding='utf-8') as f:
            json.dump(data, f, indent=2, default=str)

        return output_path

    def to_database(self, connection_string: str, table_prefix: str = 'ifc_'):
        """导出到 SQL 数据库"""
        from sqlalchemy import create_engine

        engine = create_engine(connection_string)

        tables = {
            f'{table_prefix}elements': self.extractor.get_all_elements(),
            f'{table_prefix}quantities': self.extractor.extract_quantities(),
            f'{table_prefix}levels': self.extractor.extract_levels(),
            f'{table_prefix}spaces': self.extractor.extract_spaces(),
            f'{table_prefix}materials': self.extractor.extract_materials()
        }

        for table_name, df in tables.items():
            # 移除复杂列以适配数据库存储
            simple_df = df.select_dtypes(exclude=['object']).copy()
            for col in df.columns:
                if df[col].dtype == 'object':
                    simple_df[col] = df[col].astype(str)

            simple_df.to_sql(table_name, engine, if_exists='replace', index=False)

        return list(tables.keys())

快速参考

属性集查找表

# 常见 IFC 属性集
PSETS = {
    'Pset_WallCommon': ['IsExternal', 'LoadBearing', 'FireRating'],
    'Pset_SlabCommon': ['IsExternal', 'LoadBearing', 'AcousticRating'],
    'Pset_ColumnCommon': ['IsExternal', 'LoadBearing'],
    'Pset_BeamCommon': ['LoadBearing', 'FireRating'],
    'Pset_DoorCommon': ['FireRating', 'AcousticRating', 'SecurityRating'],
    'Pset_WindowCommon': ['ThermalTransmittance', 'GlazingType'],
    'BaseQuantities': ['Length', 'Width', 'Height', 'Area', 'Volume']
}

参考资源

• IfcOpenShell: https://ifcopenshell.org
• IFC 标准: https://www.buildingsmart.org/standards/bsi-standards/industry-foundation-classes/
• DDC 官方网站: https://datadrivenconstruction.io

后续步骤

• 查看 bim-validation-pipeline 以验证提取的数据
• 查看 qto-report 以生成工程量清单报告
• 查看 4d-simulation 以实现与进度计划的关联