工程行业里有一类长期存在的麻烦:拿到一个 .rvt 或 .dwg 文件,想把它里面的构件、尺寸、图层、属性拉出来做统计或分析,第一反应是「先装一套对应软件」。Revit 要授权,AutoCAD 要授权,批量处理还得一个个点。cad2data 想解决的正是这一步——不装 CAD 软件,把 RVT、IFC、DWG 直接变成结构化数据。
一、项目速览
- 仓库:github.com/datadrivenconstruction/cad2data-Revit-IFC-DWG
- 定位:DDC Converters 2.0,CAD/BIM 文件到开放数据的转换工具集
- 主要语言:Python
- 社区热度:554 star、115 fork(截至 2026 年 11 月 17 日)
- 最近更新:2026 年 11 月(持续活跃)
- 发行方式:桌面程序 + 命令行,离线运行
- 许可:混合许可——脚本、工作流、文档与 ddc-tools 为 MIT;转换器本体是专有软件,仅非商业免费
二、它能转什么
覆盖了工程数据里最常见的三条链路:
- RVT / RFA → GLB、glTF、OBJ、IFC4,以及逐元素属性表(Excel / CSV / JSONL / SQLite)
- IFC / IFCZIP → Excel、JSONL、SQLite
- DWG → Excel、CSV、JSONL,另外还能转 DXF 与 SVG
几个关键的设计细节值得单独说:
不需要安装 Revit。Revit 2016–2027 保存的文件可以直接读取(官方在 2019–2027 上做过验证)。这对没有授权、或者只想在一台干净机器上做批处理的团队,价值很直接。
ElementId 贯穿始终。每一条三维几何节点都保留原生构件 ID,所以表格和模型可以按 ElementId 精确关联。这一点决定了后续能不能做「点一条数据、高亮一个构件」的联动。
每次转换都有报告。除输出文件外,还会生成 report.json 与 summary.json,写明读了什么、跳过了什么、各有多少条。工程数据转换最怕「悄悄少了一半」,这个设计是对的。

三、命令行与批处理
三种转换器都提供命令行入口,方便塞进脚本或流水线。以 RVT 转换器为例:
# 默认输出 GLB + 报告,放在输入文件旁的 .converted 目录,不覆盖已有文件夹
RVTconverter.exe "C:\Models\Project.rvt"
# 指定输出目录,并附带逐元素属性(JSONL)与 IFC4
RVTconverter.exe "C:\Models\Project.rvt" -o "C:\Out\Project" --properties --ifc
# 面向协调:毫米单位、测量点原点、只导门窗
RVTconverter.exe "C:\Models\Project.rvt" --ifc --ifc-profile coordination `
--ifc-units mm --ifc-origin survey-point --ifc-categories Doors,Windows
退出码的设计很实用:0 表示完整写出,2 表示写出来了但有缺口(报告里列明),1 是失败。CI 里可以直接判断「有没有丢数据」,而不是只看成功与否。
整棵目录树批量跑,一行 PowerShell 就够:
Get-ChildItem "C:\Projects" -Recurse -Include *.rvt | ForEach-Object {
& "C:\DDC\RVT-Converter\cli\RVTconverter.exe" $_.FullName -o "C:\Out\$($_.BaseName)" --properties --ifc
}
Python 侧也很直接——属性表是 JSONL,pandas 一行读完;IFC 转出的 Excel 有固定的 Objects 工作表,按类别聚合就是一次 groupby。
四、DDC Data Viewer
转换出来的表格如果只躺在 Excel 里,很难和模型对上号。项目附带一个免费的桌面查看器,支持十万行以上的虚拟化表格、搜索、筛选、分组求和、列选择,以及一个与表格双向联动的三维面板。

截图里这个样例建筑,1,234 个构件按类别和楼层分组后,结构框架 448、结构柱 256、楼板 196……右侧模型同步高亮,底部实时汇总面积 13,197、体积 3,720、长度 5,054。这类「边看数据边看模型」的体验,通常是大平台才有的功能。
五、围绕转换结果的免费工具
仓库里还有一套 ddc-tools(Python 3.9+,MIT,离线),直接吃转换器输出的表格:
ddc check:按 YAML 规则校验导出结果(必填参数、正则、唯一性、取值范围、枚举),输出红绿灯式 Excel 加 JSON 报告,带 CI 退出码ddc diff:对比同一个模型的两个版本,列出新增/删除/修改的构件及属性变化,可输出按变更状态着色的 GLBddc bcf:把检查与差异的结果写成 BCF 2.1/3.0 问题文件,也能把 BCF 反查成表格ddc qto:按类别、类型、楼层汇总工程量,并对缺失或为零的量给出警告- Power BI / Excel 套件:Power Query 脚本与工作簿,不用装 Python 也能读整个导出目录
把「转换」和「质检、比对、算量」拆成两层,是很务实的架构——转换器负责保真,工具层负责业务规则,后者可以随项目自由修改。
六、自动化与 AI 集成
- MCP 服务器:
integrations/mcp让 AI 助手直接调用转换器并查询构件表 - Python 包:
ddc-converter封装调用,自动定位或下载发行包 - 批处理与监听:整目录转换,或持续监视目录中的新文件
- Docker / GitHub Action:Linux 镜像与 CI 工作流示例
ddc-data:把 Excel 输出转成 Parquet / DuckDB,生成报表模板与 Power BI 星型模型- n8n 工作流:九个现成流程,涵盖转换、批量校验、AI 分类、成本与碳排放估算、工程量报告
- AI 代理指令:
AI_AGENTS_INSTRUCTIONS/提供可直接投喂给编码代理的上下文与命令行
七、必须说清楚的许可问题
这一点容易被「开源项目」四个字掩盖,值得单独强调:
- MIT 的部分:工作流、notebook、脚本、AI 指令、文档与
ddc-tools,允许商业使用。 - 非开源的部分:发行页与仓库里提供的转换器二进制包是专有软件,仅对非商业用途免费;商业使用需要申请授权。EULA 里对「商业」的定义很宽:任何企业或机构的使用、为客户处理文件、为创收项目服务,以及集成进产品、服务、流水线或 SaaS,都算商业。
- MIT 许可不延伸到它所调用的转换器。
换句话说,这是一个「工具链开源、核心转换引擎闭源」的混合模式。个人学习、学术研究、教学,以及非营利机构的评估,可以免费使用完整功能;企业要在生产环境跑,就得先谈授权。
八、适用范围与限制
- RVT:不导出贴图;IFC 输出的是带属性与算量集的网格化 IFC4;无法表示的构件会在报告里列出
- IFC:支持 IFC2x3 / IFC4 STEP 与
.ifczip,不支持 IFCXML - DWG:支持 R13–2018;部分对象类型(某些表格、多重引线、三维实体、图像)会被标记为「不支持」,而不是错误导出
- 平台:Windows 10/11 x64 为主;Linux(x64、arm64)与 macOS(arm64、x64)提供命令行版本
九、结语
如果你经常需要从工程文件里「抽数据」——算量、做资产清单、比对版本、喂给 BI 或分析模型——这个项目把原本分散在多个软件与插件里的流程,收敛成了「转换一次,后面全是表格」。
采用前建议先明确两件事:一是转换器本体的许可是否覆盖你的使用场景(商业用途需授权),二是你的文件格式是否在支持范围内(尤其 IFCXML 与较新的 DWG 对象类型)。其余的,用免费版跑一批真实文件就能验证得差不多。
项目地址:https://github.com/datadrivenconstruction/cad2data-Revit-IFC-DWG
官网:datadrivenconstruction.io
许可:脚本与工具 MIT;转换器专有(非商业免费)










