MiroFish/txt2graph

txt2graph

将文本文件（PDF/Markdown/TXT）转换为知识图谱的工具。

功能特点

• 支持多种文件格式：PDF、Markdown、TXT
• 基于 Zep Cloud 的知识图谱构建
• 自动提取真实存在的实体（人物、公司、组织、地点、产品、事件、媒体）
• 交互式图谱可视化界面
• 实体和关系的详细展示

实体类型

本工具只提取现实生活中真实存在的、可以有行动的实体：

类型	说明	示例
Person	真实的人物	马化腾、Elon Musk
Company	注册的公司	腾讯、Apple Inc.
Organization	组织机构	武汉大学、联合国
Location	地理位置	北京、硅谷
Product	具体产品/服务	iPhone、微信
Event	真实事件	2024年巴黎奥运会
Media	媒体机构	人民日报、CNN

安装

1. 激活conda环境

conda activate MiroFish

2. 安装依赖

cd txt2graph
pip install -r requirements.txt

3. 配置环境变量

复制 .env.example 为 .env 并填入你的 Zep API Key：

cp .env.example .env
# 编辑 .env 文件，填入 ZEP_API_KEY

获取 API Key: https://app.getzep.com

使用方法

方式1: Web界面（推荐）

启动 Streamlit 应用：

streamlit run app.py

然后在浏览器中打开显示的URL（通常是 http://localhost:8501）

方式2: 命令行

from text_extractor import extract_text
from graph_builder import build_graph_from_text

# 从文件提取文本
text = extract_text("your_document.pdf")

# 构建知识图谱
graph_data = build_graph_from_text(
    text=text,
    graph_name="我的知识图谱",
    progress_callback=print
)

# 查看结果
print(f"节点数: {len(graph_data.nodes)}")
print(f"边数: {len(graph_data.edges)}")

项目结构

txt2graph/
├── app.py              # Streamlit Web应用
├── text_extractor.py   # 文本提取模块
├── graph_builder.py    # 图谱构建模块
├── ontology.py         # 实体类型定义
├── requirements.txt    # 依赖列表
├── .env.example        # 环境变量示例
└── README.md           # 说明文档

注意事项

1. 处理时间：知识图谱构建可能需要几分钟，取决于文本长度
2. API限制：Zep Cloud 有API调用限制，大文件建议分批处理
3. 文本质量：输入文本的质量直接影响实体提取效果
4. 费用：Zep Cloud 可能会产生API调用费用，请查看其定价

技术栈

• Zep Cloud - 知识图谱服务
• Streamlit - Web界面框架
• PyVis - 图可视化
• PyMuPDF - PDF处理