企业官网建设流程全解析

简介：河南省在建工程技术资料档案管理系统操作手册以PDF格式呈现，面向建筑施工企业的档案录入人员、项目工程师与项目经理，也适合需要熟悉工程资料归档流程的技术管理人员查阅。手册围绕资料收集、整理、录入到归档的完整链条展开，重点讲清各方职责划分与操作规范，帮助使用者解决案卷著录项填写不统一、组卷口径不一致等实际问题。整包仅含1个PDF文件，约35KB，便于在电脑或手机上留存查阅。目录依次覆盖职责说明、系统实施流程、具体资料录入操作、案卷与卷内各著录项填写规范、录入人员设置及工程技术资料组卷要求，并附建筑工程技术资料目录清单，对案卷号、密级、起止日期、部门、分类号、保管期限、卷内顺序号等字段逐条给出填写口径，标注「★」的资料需挂接原文彩色扫描件。目前已有90人学习，读者可据此对照项目实际，厘清从预归档到正式归档的操作要点，提高资料录入的规范性与检索效率。

1. 从验收前找一份检验批说起：河南省在建工程技术资料档案管理系统到底管什么

验收前三天，项目部最常出现的场景不是资料写不出来，而是"知道有这份资料，但不知道在谁电脑里、在第几卷、页码对不对"。河南省在建工程技术资料档案管理系统要解决的正是这个：它不把资料当普通文件堆在服务器上，而是从一份检验批记录、一张混凝土试块报告产生的当天，就把它挂到"单位工程—分部—分项—检验批"的固定节点上，同时记下编号、日期、责任人、监理签认状态。

系统真正管的是四件事：资料落在哪个目录节点、文件本体的元数据是什么、当前处于编制还是已归档状态、谁能改谁只能看。读这份操作手册落地的人分两类，一类是资料员和项目总工，按章节顺序把资料录进去；另一类是做系统实施和二次开发的工程师，需要把纸质用表、卷内目录、移交清单翻译成表结构和校验规则。前者关心"这一步点哪里"，后者关心"这一步背后落了哪些字段、校验拦在哪一层"。后面几章按这个顺序展开。

2. 在建工程技术资料档案管理系统的数据模型怎么定

2.1 工程—案卷—卷内文件—元数据：四层结构为什么比文件夹树好用

很多项目最初就是用共享盘加文件夹做归档，前两个月很顺，到中期开始崩。原因是文件夹只有"位置"一个维度：一份文件想同时属于"3 号楼"和"混凝土工程"和"2024 年 5 月"，只能靠一层层的名字拼，一旦有人改了目录名或者把文件拖走，历史不可追溯，权限也只能按目录粗粒度给。把分类维度和存储维度拆开，用四层结构落库，后面所有检索、统计、移交都从这里长出来。

分部、分项、检验批不单独建层级，而是作为 document 上的分类码存在。这样做的原因是分部数量随工程类型变化大，做成表会撑出十几层深的树，查询和界面都会很难受；做成两位分类码，既能在卷内目录里排序，又能当检索条件用。

2.2 把卷内目录搬进数据库：核心表的建表语句

纸质卷内目录上的每一列，都要在库里找到落点。下面这段 DDL 是常见做法，字段名按实际系统习惯改即可，关键是约束要立在库这一层，而不是只写在页面校验里。

-- 案卷表：一卷对应一个可装订、可移交的归档单元 CREATE TABLE volume ( id BIGSERIAL PRIMARY KEY, project_id BIGINT NOT NULL, -- 所属工程 / 单位工程 volume_no VARCHAR(32) NOT NULL, -- 案卷号，如 03-02-005 title VARCHAR(200) NOT NULL, -- 案卷题名，来自卷内目录首行 archive_type VARCHAR(20) NOT NULL, -- 基建 / 监理 / 施工 / 竣工验收 retention VARCHAR(10) DEFAULT '永久', -- 保管期限：永久 / 30年 / 10年 status SMALLINT DEFAULT 0, -- 0编制中 1待审核 2已归档 3已移交 created_at TIMESTAMPTZ DEFAULT now(), UNIQUE (project_id, volume_no) ); -- 卷内文件表：卷内目录的每一行 CREATE TABLE document ( id BIGSERIAL PRIMARY KEY, volume_id BIGINT REFERENCES volume(id), doc_no VARCHAR(64) NOT NULL, -- 文件编号，编码规则见 2.3 title VARCHAR(200) NOT NULL, -- 文件题名 author VARCHAR(64), -- 责任者，落到具体单位或个人 doc_date DATE, -- 文件形成日期，不是上传日期 page_from INT, -- 卷内起页 page_to INT, -- 卷内止页 copies SMALLINT DEFAULT 1, -- 份数 status SMALLINT DEFAULT 0, -- 与案卷状态联动 ocr_text TEXT, -- 扫描件识别结果 content_tsv TSVECTOR -- 全文检索列，见 4.1 ); CREATE INDEX idx_doc_volume ON document (volume_id, page_from); CREATE UNIQUE INDEX uk_doc_no_current ON document (doc_no) WHERE status < 2;

几个字段值得单独说。retention用中文枚举而不是数字，是因为移交清单直接按中文输出，少一层映射少一次出错；doc_date必须与上传时间分开，扫描补录时两者能差半年；uk_doc_no_current是部分唯一索引，只约束未归档的记录，归档后的历史版本允许同编号共存，这正是 4.3 里版本留痕的基础。如果数据库用的是 MySQL，TSVECTOR换成FULLTEXT或者干脆把正文同步到检索引擎。

录入时最常见的失败是"文件能传上去但归档按钮是灰的"，八成是doc_date为空或者volume_id还没绑定，这一类问题在 5 章的自检脚本里会被提前拦下。

2.3 文件命名与唯一编码：让每一份资料自带检索路径

文件名带中文不是错，但拿中文文件名当主键一定会出事：同名的"检验批质量验收记录"在一条线上能有几百份，跨系统导出时编码还可能被截断。稳妥的做法是给每份资料生成一个可反解的英文数字编号，原始中文题名只作为title字段保存。编码规则建议固定六段：

import re # 项目码6位 - 单位工程2位 - 分部2位 - 分项2位 - 流水号4位 - 版本号2位 PATTERN = re.compile(r"^[A-Z0-9]{6}-\d{2}-\d{2}-\d{2}-\d{4}-V\d{2}$") def build_doc_no(project: str, unit: int, branch: int, item: int, seq: int, ver: int = 1) -> str: """按固定位数补零，保证字符串排序等于业务排序""" return f"{project}-{unit:02d}-{branch:02d}-{item:02d}-{seq:04d}-V{ver:02d}" def parse_doc_no(doc_no: str) -> dict: """反向解析，用于按分部批量筛资料和生成卷内目录""" if not PATTERN.match(doc_no): raise ValueError(f"编号不符合规则: {doc_no}") p = doc_no.split("-") return dict(project=p[0], unit=p[1], branch=p[2], item=p[3], seq=p[4], version=p[5])

流水号补四位、版本号补两位，看起来是小事，实际决定了排序和分页。补零之后，字符串升序就是业务升序，卷内目录不用再写自定义比较器。版本号放进编号而不是放在文件属性里，好处是同一条记录的多次修订天然可区分，V01和V02在库里是两行，谁签的、什么时候替换的一目了然。反解析函数在批量导入时尤其有用：清单里只给编号，系统就能自动填出单位工程和分部，减少人工选错。

用PATTERN做前置校验时注意，项目码允许大写字母和数字，别只写\d{6}，实际项目码里常带字母。导入十万条清单时，建议先整表跑一遍正则再入库，把不合规的行导成 Excel 退回，比一条条弹窗提示高效得多。

3. 从单份资料录入到批量归档组卷：操作手册里最常翻的三步

3.1 单份资料录入：先校验元数据再上传文件

顺序很关键。先填元数据、后传文件，是为了避免文件已经落到对象存储、记录却因为字段缺失没写进去，最后变成"有文件没台账"的孤儿文件。下面这些字段建议在页面上就设成必填，别留给后端补。

操作上还有一个细节：扫描件在录入前先做一遍方向校正和去黑边，再上传。系统的 OCR 对倾斜页面的识别率会明显下降，这一步花两分钟，后面检索能省很多翻页。

3.2 批量导入：Excel 清单加一个约定好的文件包目录

一个分部做完，往往积压几百份资料，逐条录不现实。批量导入的关键不是接口快慢，而是清单和文件包之间有一个谁都不能违反的对应关系：文件包里的 PDF 以文件编号命名，清单第一列也是文件编号。目录约定一旦定下来，脚本就能自己找文件、自己对不上就报错。

import pandas as pd from pathlib import Path BASE = Path("/data/import/project_2024") # 导入包根目录 df = pd.read_excel(BASE / "导入清单.xlsx", dtype=str) # 全部按字符串读，避免编号被转成科学计数法 ok, bad = 0, [] for _, row in df.iterrows(): doc_no = row["文件编号"].strip() src = BASE / "files" / f"{doc_no}.pdf" # 文件包内一律用编号命名 if not src.exists(): bad.append((doc_no, "文件缺失")); continue size_mb = src.stat().st_size / 1024 / 1024 if size_mb > 50: # 超大文件先拆分或压缩再导 bad.append((doc_no, f"体积超限 {size_mb:.1f}MB")); continue if not row["文件题名"].strip(): bad.append((doc_no, "题名为空")); continue upload(volume_no=row["案卷号"], doc_no=doc_no, title=row["文件题名"], author=row["责任者"], doc_date=row["形成日期"], file=src) ok += 1 print(f"成功 {ok} 条，失败 {len(bad)} 条") pd.DataFrame(bad, columns=["文件编号", "原因"]).to_excel(BASE / "导入失败清单.xlsx", index=False)

dtype=str这一句别省，Excel 里 12 位以上的数字编号经常被自动转成科学计数法，读进来就成了1.23457E+11，后面所有匹配全错。失败清单一定要落盘成文件，导完让资料员照着改，比在控制台刷屏有用。

3.3 归档组卷：卷内目录生成与 PDF 合并

案卷状态从"编制中"改成"待审核"之前，通常要完成两件事：卷内文件按页码顺序合并成一个整卷 PDF，以及生成一份与页码完全对应的卷内目录。合并顺序必须由page_from决定，不能依赖文件名的字母序。

#!/usr/bin/env bash # 按卷内页码顺序合并归档 PDF（页码存在库里，这里用导出的序号文件名模拟） VOL="/data/volume/03-02-005" ls "$VOL"/pages | sort -t- -k5,5n # 先确认序号顺序，避免合并后页码错位 python - <<'PY' from pypdf import PdfWriter, PdfReader import glob, os files = sorted(glob.glob("/data/volume/03-02-005/pages/*.pdf"), key=lambda p: int(os.path.basename(p).split("-")[4])) # 按流水号排序 w = PdfWriter() cursor = 1 for f in files: r = PdfReader(f) w.append(r) # 逐份追加，保留原始页 print(f"{os.path.basename(f)}\t起页 {cursor}\t页数 {len(r.pages)}") cursor += len(r.pages) with open("/data/volume/03-02-005/卷内文件.pdf", "wb") as out: w.write(out) print(f"合计 {cursor - 1} 页") PY

合并后打印的起页信息就是卷内目录的原始数据，直接回写数据库的page_from和page_to，比手工数页码可靠。整卷 PDF 建议再做一次文本层检测：如果卷内文件.pdf用文本搜索搜不到任何关键词，说明之前上传的是纯图片，需要回退到 OCR 流程补文本层，否则检索模块在这卷上是空的。

4. 检索、权限与版本：让在建资料找得到、改得对、追得回

4.1 图纸和扫描件的全文检索怎么落

在建工程里超过一半的文件是扫描件和图纸，纯靠文件名检索等于没检索。落地方案分两步：上传后异步跑 OCR 把文本写进ocr_text，再把title、doc_no、ocr_text合并进检索引擎。中文分词在多数数据库自带的全文检索里支持一般，常见做法是外挂带中文分词插件的检索引擎，或者在写入前用分词库处理一遍。

-- 写检索列：把编号、题名、识别文本合并，编号用分词友好写法保留 UPDATE document SET content_tsv = to_tsvector('simple', coalesce(doc_no,'') || ' ' || coalesce(title,'') || ' ' || coalesce(ocr_text,'')) WHERE id = :id; -- 查"混凝土试块"相关记录，相关度优先、日期次之 SELECT doc_no, title, author, doc_date, volume_id, ts_rank(content_tsv, q) AS rank FROM document, to_tsquery('simple', '混凝土 & 试块') q WHERE content_tsv @@ q AND status < 2 -- 只看在建资料，已移交的走另一套库 ORDER BY rank DESC, doc_date DESC LIMIT 50;

'simple'配置不做词干还原，对中文和编号混合的场景反而稳，因为编号被切碎后就搜不到了。OCR 文本入库前做一次去空白和全角转半角，能明显减少"搜不到"的投诉。检索结果一定要带上volume_id和卷内页码，资料员拿着结果就能直接去翻纸质卷。

4.2 角色权限矩阵与在建、归档状态机

权限别写成一个个布尔开关撒在代码里，按角色收敛成一张矩阵，实施和运维都看得懂。

状态机配合权限一起生效：status=2（已归档）之后，document的更新接口直接返回 403，而不是让前端把按钮置灰。前端的灰按钮挡不住直接调接口，这一点在做验收演示时经常被忽略。

4.3 版本留痕与签章冻结

一份资料在签认之前可能改五遍，签认之后再改就是事故。做法是把"可改"和"已固定"用一条明确的分界线切开：签章动作完成的那一刻，当前记录置为status=2并写入frozen_at、frozen_by和文件哈希。之后再要修改，只能新增一条V(n+1)记录，旧记录保留在库里。

哈希值在这里是核心，sha256存一份，移交或调阅时重新算一遍比对，能证明文件从签章到现在没被动过。前端展示时建议把版本历史排成时间线，而不是只显示最新版，否则出了问题连"当时提交的是哪一版"都说不清。

5. 交付前的自检：把操作手册里的检查项变成一条命令

操作手册末尾通常附一页检查清单，人工对着清单翻几百卷非常费时间，也很容易漏。更稳的做法是把清单翻译成脚本，在提交归档申请之前跑一次，把问题清单导出来派活。下面这段是最常用的几项。

import pandas as pd, re, hashlib REQ = ["doc_no", "title", "author", "doc_date", "page_from", "page_to"] PATTERN = re.compile(r"^[A-Z0-9]{6}-\d{2}-\d{2}-\d{2}-\d{4}-V\d{2}$") def sha256_of(path): h = hashlib.sha256() with open(path, "rb") as f: for chunk in iter(lambda: f.read(1 << 20), b""): h.update(chunk) return h.hexdigest() def check(df, base_dir): issues = [] seen = {} for _, r in df.iterrows(): doc_no = str(r["doc_no"]) for f in REQ: # 必填字段 if pd.isna(r[f]) or str(r[f]).strip() == "": issues.append((doc_no, f"缺少必填字段 {f}")) if not PATTERN.match(doc_no): # 编号规则 issues.append((doc_no, "编号不符合六段规则")) if pd.notna(r["page_from"]) and pd.notna(r["page_to"]) and r["page_to"] < r["page_from"]: issues.append((doc_no, "起止页倒置")) if doc_no in seen: # 同编号重复，且都没有版本区分 issues.append((doc_no, f"与第 {seen[doc_no]} 行重复")) seen[doc_no] = r.name p = base_dir / f"{doc_no}.pdf" if not p.exists(): issues.append((doc_no, "文件缺失")) elif r.get("file_hash") and sha256_of(p) != r["file_hash"]: issues.append((doc_no, "文件哈希与记录不一致")) return pd.DataFrame(issues, columns=["文件编号", "问题"]) # 用法：读导出清单，跑完直接生成整改工单 df = pd.read_excel("/data/export/卷内清单.xlsx", dtype=str) out = check(df, base_dir=__import__("pathlib").Path("/data/volume/03-02-005/pages")) out.to_excel("/data/export/归档前自检问题.xlsx", index=False) print(out["问题"].value_counts().to_string())

几处参数值得按项目调整。REQ里如果有项目不强制要求的字段（例如部分监理资料不填页号），从列表里去掉即可，别为了跑通脚本硬填假数据；file_hash在早期库里可能为空，判断前先做if r.get("file_hash")的保护，否则会刷出一堆无意义的哈希不一致；base_dir指向的是文件包目录而不是数据库，文件包命名规则改了，这里必须同步改，否则缺失项会全量误报。

最后一层校验靠不住的地方是页码连续性。库里page_from和page_to只保证不重叠、不倒置，不保证中间不缺页。跑完上面的脚本后，再按volume_id分组排序，检查第 n 行的page_from是否等于上一行page_to + 1，不等就是缺页或者页码没回写，这一条检查十分钟能写完，赶上验收前能省一整晚。

本文还有配套的精品资源，点击获取