药典数据准备操作指南

版本：v1.0
适用于：数据录入人员、药典内容整理人员

一、数据格式

药典数据使用 JSON 格式，每条药品一个对象。必须严格遵循以下 Schema：

{
  "drug_id": "H20000001",
  "name": "阿莫西林",
  "name_en": "Amoxicillin",
  "pinyin": "Amoxilin",
  "category": "化学药",
  "subcategory": "β-内酰胺类抗生素",
  "sections": {
    "性状": "...",
    "鉴别": "...",
    "检查": "...",
    "含量测定": "...",
    "类别": "...",
    "贮藏": "...",
    "制剂": "...",
    "用法与用量": "...",
    "禁忌": "...",
    "不良反应": "...",
    "注意事项": "..."
  },
  "source": {
    "version": "2020年版",
    "volume": "二部",
    "page": "567-569"
  }
}

字段说明

字段	类型	必填	说明
`drug_id`	字符串	✅	唯一标识。化学药格式 `H` + 8 位数字，中药 `Z` + 8 位数字，生物制品 `S` + 8 位数字
`name`	字符串	✅	药品通用名（中文）
`name_en`	字符串		英文名
`pinyin`	字符串		汉语拼音
`category`	字符串	✅	必须为以下值之一：`化学药` `中药` `生物制品` `辅料`
`subcategory`	字符串		药理分类，如 `β-内酰胺类抗生素` `清热药` `解热镇痛抗炎药`
`sections`	对象	✅	药品各栏目内容，见下方栏目说明
`source.version`	字符串	✅	药典版本，如 `2020年版`
`source.volume`	字符串	✅	部，如 `一部` `二部` `三部` `四部`
`source.page`	字符串	✅	页码，如实填写

sections 栏目说明

栏目名	说明	示例
`性状`	药品的物理形态、颜色、气味、溶解性	本品为白色结晶性粉末...
`鉴别`	化学鉴别方法	(1) 取本品约10mg...
`检查`	质量标准检查项	酸度取本品0.5g...
`含量测定`	有效成分含量测定方法	照高效液相色谱法...
`类别`	药品药理类别	β-内酰胺类抗生素
`贮藏`	保存条件	遮光，密封保存
`制剂`	该药的制剂类型	片剂、胶囊剂、注射剂
`用法与用量`	给药方式、剂量	口服，一次0.5g...
`禁忌`	禁忌症	对本品过敏者禁用
`不良反应`	已知不良反应	常见恶心、呕吐...
`注意事项`	使用注意	孕妇慎用...

原则：逐字照搬药典原文，不要改写、不要省略、不要添加个人理解。

二、文件准备

步骤 1：创建 JSON 文件

在 data-pipeline/data/ 目录下创建 .json 文件，数组格式：

data-pipeline/
└── data/
    ├── sample_drugs.json      ← 示例数据（已有4条，可参考）
    ├── chem_drugs.json         ← 化学药数据（你创建的）
    ├── tcm_drugs.json          ← 中药数据
    └── biologics.json          ← 生物制品数据

步骤 2：验证格式

# 在项目根目录执行
python3 -c "
import json
with open('data-pipeline/data/你的文件.json') as f:
    data = json.load(f)
print(f'共 {len(data)} 条，第1条药品名：{data[0][\"name\"]}')
"

步骤 3：入库

# 修改 data-pipeline/ingest.py 中最后几行的文件路径，或直接执行：
source .venv/bin/activate
python3 -c "
import asyncio, json, sys
sys.path.insert(0, 'data-pipeline')
from ingest import ingest_drugs
asyncio.run(ingest_drugs('data-pipeline/data/你的文件.json'))
"

三、数据来源

来源	方式	说明
药典 PDF 拷贝粘贴	手动	打开药典 PDF，逐个药品复制粘贴到 JSON 模板
NMPA 官网说明书	半自动	通过批准文号搜索，复制说明书内容
结构化表格	Excel → JSON	如有 Excel 格式的药品数据表，可写脚本批量转换

从药典 PDF 录入技巧

用 Adobe Acrobat 或任意 PDF 阅读器打开《中国药典》
Ctrl+F 搜索药品名
逐栏目复制到 JSON 模板
特别注意：化学符号上标下标（如 C₁₆H₁₈O₉），建议保留为普通文本 C16H18O9

四、批量导入模板

如果数据量大，可以先填 Excel 再脚本转换。Excel 表头如下：

drug_id	name	category	subcategory	性状	鉴别	检查	含量测定	类别	贮藏	制剂	用法与用量	禁忌	不良反应	注意事项	version	volume	page

五、常见问题

Q: 一个药品的栏目太多，有些没有内容怎么办？ A: 不填该栏目即可，sections 中只保留有内容的栏目。

Q: 来源页码怎么写？ A: 如实写药典原文所在页码。如 567-569（跨页），216（单页）。

Q: drug_id 怎么编？ A: 化学药用批准文号去掉地区码，如国药准字H20000001 → H20000001。中药同理。没有批准文号的药品按 H00000001 自增编号。

Q: 入库后怎么更新？ A: 修改 JSON 文件重新执行入库脚本即可，脚本会 ON CONFLICT DO UPDATE 自动覆盖同名 drug_id。

DATA_GUIDE.md 5.3 KB Historia Raaka