Python API

KnowledgeGraphBuilder

主入口类。完整构建流程：

from kg_core import KnowledgeGraphBuilder

builder = KnowledgeGraphBuilder(file_path, model_name="qwen2.5:3b")

构造参数

参数	类型	默认	说明
file_path	str	必填	电子文件路径（自动识别格式）
model_name	str	"qwen2.5:3b"	Ollama 模型名（仅 summary=True 时使用）

方法

load_book()

加载并解析电子文件。自动识别格式：

• PDF（文本型）→ PyMuPDF
• PDF（图像型）→ EasyOCR 自动回退
• EPUB → ebooklib
• DOCX → python-docx
• PPTX → python-pptx
• XLSX → openpyxl
• HTML → beautifulsoup4
• Markdown / TXT → 内置解析（自动检测编码）

extract_entities()

提取实体：

• 章节标题（一级、二级标题）
• 参考文献编号（[1] Singhal 等）

返回 List[Entity]，每个 Entity 包含 name、is_reference、chapter 等字段。

extract_definitions_and_paragraphs()

为每个实体提取：

• definition：核心定义
• paragraphs：相关上下文段落

build_relations()

构建实体间的语义关系（共现、引用、衍生等）。

build()

返回完整的 dict，可直接 json.dump：

{
    "book_name": "...",
    "entities": [...],
    "relations": [...],
    "chapters": [...],
    "stats": {...}
}

save_json(path)

保存为 JSON 文件。

save_js(path)

保存为 JS 文件（前端可直接 loadKnowledgeGraph()）。

save_md(path, book_name="")

保存原文为 Markdown，按章节组织，自动格式化参考文献小节。

---

工具函数

clean_text(text)

清洗文本：去除多余空白、不可见字符、合并换行等。

split_chapters(text)

按章节切分文本，返回 Dict[chapter_num, chapter_text]。

---

SummaryGenerator

LLM 摘要生成器（基于 Ollama）：

from kg_core import SummaryGenerator

gen = SummaryGenerator(model_name="qwen2.5:3b")
summary = gen.generate("一段文本...")

---

命令行接口

kg-build <input> [--output JSON] [--js JS] [--model NAME] [--summary]

详见 命令行工具。