核心用法
data-type-classifier 是基于 Data-Driven Construction (DDC) 方法论第2.1章开发的智能数据分类引擎。它通过分析文件扩展名、数据源类型和样本数据，将建筑工程领域的多元数据自动归类为六大结构类型：结构化（表格数据库）、半结构化（JSON/XML/IFC）、非结构化（文档图像视频）、几何数据（CAD/BIM）、时序数据（进度计划）和空间数据（GIS坐标）。
使用流程简洁：实例化 DataTypeClassifier 类后，调用 classify_source() 对单一数据源进行分类，或调用 classify_multiple() 批量处理多个来源。系统支持从文件扩展名、MIME类型、样本内容等多维度智能识别格式，内置20+常见工程文件格式的签名数据库（.ifc/.rvt/.xer/.bcf等）。
显著优点
1. 领域专业化：专为建筑工程场景设计，原生支持IFC、BCF、XER、NWD等行业专属格式，识别精度远超通用数据分类工具
2. 智能存储推荐：基于数据特征自动推荐最优存储方案——结构化数据→关系型数据库，BIM几何→文件系统+IFC标准，合同文档→对象存储+向量数据库用于语义检索
3. 工具链集成：内置每个格式对应的开源处理工具推荐（如IfcOpenShell处理IFC、pyRevit处理RVT、pdfplumber处理PDF），降低技术选型成本
4. 批量报告生成：可输出完整的Markdown分类报告，含结构分布统计、存储策略矩阵、集成方案建议，便于团队协作与决策
潜在局限
- 依赖扩展名准确性：若文件扩展名被修改或缺失，分类置信度下降，需依赖样本内容分析作为备用
- 二进制格式深度有限：对.rvt/.nwd等私有二进制格式仅能识别容器类型，无法解析内部schema版本
- OCR依赖外部工具：PDF/DOCX等文档的文本提取需要Tesseract等外部二进制依赖，未内嵌
- 单平台限制：目前仅支持Windows环境（win32），macOS/Linux需额外适配
适合人群
- 建筑数据工程师：搭建企业级数据湖前进行资产盘点
- BIM经理：制定多源BIM数据集成策略
- 施工数字化顾问：为客户提供数据治理咨询服务
- 科研团队：处理大规模异构工程数据集
常规风险
1. 数据泄露风险：处理含敏感信息的合同PDF或设计文件时，建议在本地环境运行
2. 格式版本兼容性：IFC2x3与IFC4的schema差异可能导致后续处理工具报错
3. 存储成本误判：对"huge"体积数据的自动推荐（对象存储）需结合实际访问频率验证
4. 依赖缺失：未安装IfcOpenShell或Tesseract时，部分功能降级为仅元数据识别