PlantAI-rag/docs/FUNCTIONAL_INDEX.md

提取器功能索引

快速查找：不知道用哪个提取器时，按功能检索本文档

---

🔍 快速选择指南

你的需求	推荐提取器	位置
对标PC项目，8种实体	extractor_fusion_complete.py	extractors/current/fusion/
完整提取（附表+章节）	extract_v12_final.py	src/rag/extractors/
附表处理（Excel）	extract_v10_with_supplementary.py	scripts/extractors/
GEO数据下载	geo_extractor.py	src/rag/extractors/
附表自动下载	supplementary_downloader.py	src/rag/extractors/
实体消歧	entity_disambiguation_system.py	根目录
快速测试	extract_v12_1_fixed.py	src/rag/extractors/

---

📂 按位置分类

1. 当前推荐提取器 (extractors/current/)

fusion/ - PC融合版

文件名	功能	特点
extractor_fusion_complete.py	主提取器	8种实体，7种关系，PC规则库，推荐用于对标PC
extractor_fusion_v1.py	融合版v1	备份版本

llm/ - LLM提取器

文件名	功能	特点
llm_extractor_dashscope.py	LLM实体提取	百炼API，dashscope
llm_extractor_simple.py	简单LLM提取	基础版
llm_extractor_v2.py	LLM提取v2	旧版
llm_relation_extractor.py	LLM关系提取	专用关系抽取
universal_extractor_v2.py	通用提取器v2	通用版

---

2. RAG集成提取器 (src/rag/extractors/)

核心提取器

文件名	版本	功能	特点
extract_v12_final.py	v12	完整提取	附表下载+章节识别+实体过滤，推荐
extract_v12_1_fixed.py	v12.1	修复版	保存章节文本，可用
extract_v12_1_complete.py	v12.1	完整版	待验证
extract_v12_1_improved.py	v12.1	改进版	待验证
extract_v12_1_curl.py	v12.1	curl版	工具
extract_v11_final.py	v11	v11最终	旧版

附表/数据相关

文件名	功能	特点
supplementary_downloader.py	附表下载器	Europe PMC自动下载，核心工具
geo_extractor.py	GEO数据提取	NCBI GEO数据下载
data_availability_extractor.py	数据可用性提取	检测数据可用性声明
multi_db_extractor.py	多数据库提取	支持多数据库查询
unified_data_extractor.py	统一数据提取	整合多数据源

章节处理

文件名	功能	特点
section_supplementer.py	章节补充器	PyMuPDF章节补充
section_trigger.py	章节触发器	触发章节补充
marker_section_chunker.py	marker章节切分	marker-pdf章节识别
hybrid_section_chunker.py	混合章节切分	混合策略

实体处理

文件名	功能	特点
gene_entity_filter.py	基因实体过滤	过滤有效基因实体
gene_centric_chunker.py	gene-centric chunks	以基因为中心的文本块
complete_gene_extractor.py	完整基因提取	专用基因提取
universal_gene_family_extractor.py	通用基因家族提取	通用版
smart_gene_family_extractor.py	智能提取器	智能版v1
smart_gene_family_extractor_v2.py	智能提取器v2	智能版v2

PDF/文档处理

文件名	功能	特点
enhanced_pdf_extractor.py	增强PDF提取	旧版
enhanced_pdf_extractor_v2.py	增强PDF提取v2	旧版
expression_relation_extractor.py	表达关系提取	专用表达关系
compare_extractors.py	提取器对比	工具

---

3. 脚本提取器 (scripts/extractors/)

v10系列（附表支持）

文件名	功能	特点
extract_v10_with_supplementary.py	v10附表增强	自动检测附表目录，Excel解析，推荐
extract_v10_final.py	v10最终	旧版
extract_v10_final_v2.py	v10最终v2	旧版
extract_v10_revised.py	v10修订	旧版
extract_v10_integrated.py	v10集成	旧版
extract_v10_chromosome_complete.py	v10染色体完整	专用染色体

v7-v9系列

文件名	功能	特点
extract_v9_complete.py	v9完整	归档
extract_v8_rag.py	v8 RAG	归档
extract_v7_complete.py	v7完整	归档
extract_v7_final.py	v7最终	归档
extract_v7_full_simple.py	v7简单	归档
extract_v7_with_supp.py	v7附表	归档

系统发育专用

文件名	功能	特点
extract_phylogeny_v7_revised.py	v7修订	归档
extract_phylogeny_v7_full.py	v7完整	归档
extract_phylogeny_v7.py	v7	归档
extract_phylogeny_v6_2_universal.py	v6.2通用	归档
extract_phylogeny_v6_full.py	v6完整	归档
extract_phylogeny_v6.py	v6	归档
extract_phylogeny_v5_universal_v3.py	v5.3通用	归档

---

4. 归档提取器 (extractors/archive/)

类别	文件	说明
SUC5	extractor_suc5*.py (6个)	早期SUC5实验
PC实验	extractor_pc_*.py (8个)	PC实验版
旧版	extractor_complete_v1.py 等	旧版提取器

---

5. 根目录保留

文件名	功能	保留原因
extractor_pc_based.py	PC规则提取器	有硬编码路径依赖
entity_disambiguation_system.py	实体消歧系统	核心功能
extract_complete_sentence.py	句子提取	工具

---

🎯 按功能分类

实体提取

功能	推荐文件	位置
8种实体（PC风格）	extractor_fusion_complete.py	extractors/current/fusion/
基因实体过滤	gene_entity_filter.py	src/rag/extractors/
LLM实体提取	llm_extractor_dashscope.py	extractors/current/llm/

关系抽取

功能	推荐文件	位置
7种关系（PC风格）	extractor_fusion_complete.py	extractors/current/fusion/
LLM关系提取	llm_relation_extractor.py	extractors/current/llm/
表达关系	expression_relation_extractor.py	src/rag/extractors/

附表处理

功能	推荐文件	位置
附表自动下载	supplementary_downloader.py	src/rag/extractors/
附表Excel解析	extract_v10_with_supplementary.py	scripts/extractors/
完整流程（含附表）	extract_v12_final.py	src/rag/extractors/

章节处理

功能	推荐文件	位置
章节识别（marker）	marker_section_chunker.py	src/rag/extractors/
章节补充	section_supplementer.py	src/rag/extractors/

数据下载

功能	推荐文件	位置
GEO数据	geo_extractor.py	src/rag/extractors/
附表下载	supplementary_downloader.py	src/rag/extractors/
多数据库	multi_db_extractor.py	src/rag/extractors/

消歧

功能	推荐文件	位置
实体消歧	entity_disambiguation_system.py	根目录

---

📊 版本对比

版本	附表下载	附表解析	章节识别	关系抽取	消歧	推荐度
v12	✅	✅	✅	⚠️	❌	⭐⭐⭐⭐
v10	❌	✅	⚠️	✅	❌	⭐⭐⭐
fusion	❌	❌	❌	✅	❌	⭐⭐⭐⭐
PC	❌	❌	❌	❌	✅	参考

---

🔧 使用示例

示例1：完整提取（推荐）

from src.rag.extractors.extract_v12_final import V12FinalExtractor

extractor = V12FinalExtractor()
result = extractor.extract("paper.pdf")
# 包含：章节识别、附表下载、实体提取、关系抽取

示例2：PC风格提取

from extractors.current.fusion.extractor_fusion_complete import FusionExtractor

extractor = FusionExtractor()
result = extractor.extract(Path("paper.pdf"))
# 包含：8种实体、7种关系、PC规则库

示例3：附表下载

from src.rag.extractors.supplementary_downloader import SupplementaryDownloader

downloader = SupplementaryDownloader()
paths = downloader.download_supplementary("10.1234/example", "./output/")

---

📝 更新记录

• 2026-04-12: 创建功能索引

---

维护者：xialab的幸运星