table-spec-extractor

name	table-spec-extractor
description	【非推奨】spec-value-finder を使用してください。Excel/PDFの仕様書テーブルをTable TransformerでAST化しNeo4jグラフへ保存・GraphRAG検索するパイプライン（deprecated）。Neo4j・GPU依存が重く可搬性に欠けるため後継スキルへ移行。
metadata	{"version":"2.4.0","tier":"deprecated","deprecated_by":"spec-value-finder","deprecated_since":"2.4.0","category":"integration","tags":["neo4j","graphrag","deprecated","excel","table-transformer"]}

⚠️ 【非推奨】このスキルは deprecated です。 Neo4j サーバと Table Transformer（torch/transformers, ~1-2GB）への依存が重く、 スキルとしての可搬性に欠けるため、後継の spec-value-finder（純Python・サーバ/GPU不要）へ移行してください。 「元仕様書から記入すべき値を探す」用途は spec-value-finder がカバーします。

テーブル仕様抽出パイプライン

Excel/PDFの仕様書テーブルを解析し、Neo4jグラフとして蓄積・検索するパイプライン。 結合セルの階層構造を保持したまま保存できるため、「どの画面の・どの機能の・どの設定値か」という文脈を壊さずに管理できる。

Windows / macOS / Linux 対応。コマンド例はすべて python を使用する（環境によっては python3）。

モード一覧

モード	目的	最初に使うか
init	依存インストール＋Neo4j疎通確認	初回必須
save	ドキュメント→AST→Neo4jへロード	ドキュメント追加時
search	グラフ全文＋列コンテキスト付き検索	検索時
config	複数Neo4jプロファイル管理	接続先変更時

スクリプト配置

scripts/
├── run.py                 # エントリポイント（__file__ 基準でパス解決、どこから実行しても動作）
├── models.py              # Document ASTノード定義（Cell.path含む）
├── ingest.py              # PDF描画（pypdfium2）・Excel読込（openpyxl）
├── table_extractor.py     # Table Transformer検出・構造認識
├── ast_builder.py         # AST組み立て＋carry-forward breadcrumb推定
├── markdown_serializer.py # Table → Markdown変換（LLM向け中間表現）
├── graph_loader.py        # Neo4j MERGE＋インデックス作成
├── search.py              # GraphRAGクエリ（全文＋SAME_COLUMNトラバーサル）
├── config.py              # プロファイル管理（複数Neo4j対応）
└── requirements.txt       # 依存ライブラリ一覧

run.py は __file__ を基準にパスを解決するため、スキルが .github/skills/・~/.claude/skills/ など どこに配置されていても動作する。

---

configモード（複数Neo4jプロファイル管理）

保存先ごとに接続情報とローカルデータパスを設定できる。 設定ファイル: ~/.table-spec-extractor/config.json（TABLE_SPEC_EXTRACTOR_CONFIG 環境変数で上書き可）

# プロファイルを追加
python scripts/run.py config add local \
  --neo4j bolt://localhost:7687 \
  --user neo4j --password "" \
  --data-path ~/graph-data/local \
  --set-default

python scripts/run.py config add prod \
  --neo4j bolt://prod-server:7687 \
  --user neo4j --password secret \
  --data-path ~/graph-data/prod

# 一覧・詳細
python scripts/run.py config list
python scripts/run.py config show local

# デフォルト変更・削除
python scripts/run.py config set-default prod
python scripts/run.py config remove local

data-path: saveモード実行時にASTのJSONスナップショットを保存するディレクトリ。 Neo4jが不要な場合はここだけ設定してローカル保存のみも可能。

---

initモード

依存ライブラリをインストールし、Neo4j接続を確認する。初回に必ず実行する。

Excel のみ使う場合（デフォルト・軽量）:

python scripts/run.py init

PDF も処理する場合（torch / transformers / Pillow 等を追加インストール）:

python scripts/run.py init --enable-pdf

Neo4j 疎通確認を同時に行う場合:

python scripts/run.py init --profile local
python scripts/run.py init --enable-pdf --neo4j bolt://localhost:7687 --password secret

requirements	内容	サイズ目安
requirements.txt	openpyxl, neo4j	~数MB
requirements-pdf.txt	pypdfium2, pdfplumber, torch, transformers, Pillow	~1-2GB

---

saveモード

Excel/PDFをTable Transformerで解析してNeo4jへロードする。 テーブルはMarkdown形式でも保存されるため、LLMがmarkdown_textプロパティを直接参照できる。

Step 1 — dry-run（ASTを事前確認）

python scripts/run.py save <FILE> --dry-run

セクション数・テーブル数・段落数を確認する。テーブルが0件の場合はStep 1で止まり、 --dpi 200（解像度向上）や --threshold 0.7（検出感度向上）を提案する。

Step 2 — Neo4jへロード

# プロファイル使用（data-pathへのスナップショット保存も自動実行）
python scripts/run.py save <FILE> --profile local

# URI直接指定
python scripts/run.py save <FILE> --neo4j bolt://localhost:7687 --password secret

saveオプション

オプション	デフォルト	説明
--profile	""	使用するプロファイル名
--dpi	150	PDF描画解像度（高いほど検出精度向上・低速）
--threshold	0.9	テーブル検出信頼度（下げると検出数増加）
--device	cpu	Torchデバイス（cuda 指定で高速化）
--data-path	""	ローカルスナップショット保存先（プロファイルを上書き）
--dry-run	—	Neo4jへロードせずASTをJSON表示

---

searchモード

Neo4jグラフを全文検索＋グラフトラバーサルで検索する。 セル検索では同一列のヘッダーセルとbreadcrumb pathをコンテキストとして付与する。

python scripts/run.py search "検索クエリ" --profile local
python scripts/run.py search "売上" --neo4j bolt://localhost:7687 --limit 20
python scripts/run.py search "MaxConnections" --profile prod --json

ヒットが0件の場合はsaveモードでドキュメントがロード済みか確認する。

---

グラフスキーマ

(:Document)-[:HAS_SECTION]->(:Section)
(:Section)-[:CONTAINS]->(:Table | :Paragraph)
(:Table {markdown_text})-[:HAS_ROW]->(:Row)
(:Row)-[:HAS_CELL]->(:Cell {text, path, is_header})
(:Row)-[:NEXT_ROW]->(:Row)
(:Cell)-[:NEXT_CELL]->(:Cell)    # 同行・左→右
(:Cell)-[:SAME_COLUMN]->(:Cell)  # 同列・上→下（GraphRAGの要）

Cell.path は breadcrumb 配列。例: ["Config", "Network", "IP Address"] Table.markdown_text はLLM向けMarkdown表現。

全文インデックス: cell_fulltext（Cell.text）、para_fulltext（Paragraph.text）

---

ベクトル検索（将来の拡張）

Neo4j 5.x+ は vector index をサポートする。以下の手順で追加可能:

1. sentence-transformers などで Cell.text / Paragraph.text の埋め込みを生成
2. CREATE VECTOR INDEX cell_vector FOR (n:Cell) ON (n.embedding) OPTIONS {indexConfig: {...}}
3. CALL db.index.vector.queryNodes(...) で近傍検索

現時点では依存の重量（~500MB）から本スキルには含めていない。

---

エラー対処

エラー	原因	対処
No module named pypdfium2	initが未実行	initモードを実行
テーブル0件	低解像度・高閾値	--dpi 200 --threshold 0.7
ServiceUnavailable	Neo4j未起動	Neo4jサービスを確認
index not found	インデックス未作成	saveを一度実行してインデックスを作成
KeyError: 'profiles'	config.json形式不正	config listで確認後、手動で修正