10分钟用PyCATIA实现CATIA几何特征识别与批量法线生成：工业软件二次开发的完整实战

【免费下载链接】pycatiapython module for CATIA V5 automation项目地址: https://gitcode.com/gh_mirrors/py/pycatia

去年秋天的一个深夜，我在赶一个航空机翼曲面的分析任务。需要在NACA翼型曲面上布置48个采样点，并为每个点生成曲面法线，供后续流体仿真使用。按照老办法：点选曲面、逐个创建点、再逐条画法线，折腾了两个多小时，中途还因为误选错了一个点导致整批数据重来。那天晚上我忍不住想：CATIA 这种以"精确"著称的工业软件，为什么最基础的重复劳动反而最折磨人？

后来我找到了答案——PyCATIA。这是一个专门用于CATIA V5 自动化的开源 Python 模块，它的定位一句话就能说清：给 CATIA V5 装一个 Python 遥控器。从那以后，类似的批量几何特征识别与法线生成任务，我只需要十几行代码、按一次回车，几秒钟全部搞定，而且结果可复现、可追溯。这篇文章就带你从零到一，把这条路完整走一遍。

30秒看懂：PyCATIA 到底是什么

你可以把 CATIA 想象成一台精密的数控机床：它自带一块操作面板（也就是图形界面），工程师靠鼠标键盘"点按钮"干活。但这台机床还留了一个隐蔽的外部控制端口——COM 接口。PyCATIA 干的事情，就是用 Python 写了一套"遥控器程序"，把这个端口包装成顺手的 Python 对象。

对照关系大致是这样：

看懂这张表，你就掌握了 PyCATIA 的核心心智模型：界面上的每一次点选，本质上都可以翻译成一条 Python 语句。

开箱即上手：三步跑通第一个脚本

先别急着写复杂逻辑，我们走一遍最短路径。前提条件有两个：一台装有CATIA V5的 Windows 电脑，以及 Python 3.8 以上环境（PyCATIA 依赖 pywin32 与 COM 通信，所以跨平台这一步暂时绕不开）。

第一步，安装依赖：

pip install pycatia pywin32

第二步，写一个连接脚本：

from pycatia import catia # 连接正在运行的 CATIA 实例 application = catia() # 新建一个零件文档 part_document = application.documents.add("Part") part = part_document.part # Part 对象是所有几何操作的入口 part.update()

第三步，运行：确保 CATIA 已经启动，然后直接执行这个脚本。如果一切顺利，CATIA 里会弹出一个新建的零件文档——恭喜，你已经"遥控"成功了一台工业级 CAD 软件。

原理通俗拆解：几何特征识别的三个底层知识点

理解了"遥控器"这个比喻，我们再往深一层，看看实现几何特征识别需要知道的三个小知识点。

知识点一：一切从 COM 连接开始

PyCATIA 的底层连接逻辑藏在pycatia/base_interfaces/base_application.py里，核心就一行：用win32com.client.Dispatch('CATIA.Application')拿到 CATIA 的 COM 对象，再包一层 Python 壳。对使用者来说完全透明——你只管from pycatia import catia就好。这个设计决定了 PyCATIA 的形态：它不是模拟器，也不是插件，而是一个"翻译官"。

知识点二：特征树就是对象树

CATIA 零件里的一切几何元素（点、线、面、体）都以 HybridShape 的形式挂在"几何集"（HybridBody）下面。从 Part 出发，可以像剥洋葱一样逐层取到任意特征：

Part └─ hybrid_bodies # 所有几何集的集合 └─ hybrid_shapes # 某个几何集里的所有形状 └─ item(i) # 按序号取出第 i 个形状

代码里几乎所有"遍历特征"的套路，都是在重复这个剥洋葱的动作。

知识点三：类型识别靠一个枚举

识别"这个特征到底是点、线还是面"，核心是hybrid_shape_factory.get_geometrical_feature_type()这个方法。它返回GeometricalFeatureType枚举（定义在pycatia/enumeration/enums.py），取值如下：

⚠️一个易踩的坑：查询类型前，必须先调用part.create_reference_from_object(shape)把特征转成"引用（Reference）"再传给查询方法。直接把原始对象传进去会报错。这是 CATIA API 的一个老规矩，PyCATIA 完整保留了它。

💡技巧：除了识别类型，你还可以用同一个工厂对象的add_new_point_on_surface_with_uv()、add_new_line_normal()等方法"就地创建"新特征——识别和创建，用的都是这一个对象。

实战小案例：48 个曲面法线，从两小时到八秒钟

我们回到开头的机翼案例。项目仓库的user_scripts/create_lines_normal_to_surface.py就是一个现成的完整实现，思路非常清晰：

1. 让用户在 CATIA 里框选目标曲面和包含采样点的几何集；
2. 遍历几何集里所有形状，用get_geometrical_feature_type()过滤出点；
3. 对每个点调用add_new_line_normal()生成法线；
4. 把所有法线收进新建的 "Lines" 几何集，最后part.update()刷新。

去掉交互和异常处理，核心逻辑其实只有这么一小段：

from pycatia import catia from pycatia.enumeration.enums import GeometricalFeatureType application = catia() part = application.active_document.part hsf = part.hybrid_shape_factory # 几何工厂：识别类型、创建特征都靠它 lines_body = part.hybrid_bodies.add() lines_body.name = "Lines" # 遍历几何集，识别出点，逐个生成法线 for shape in points_body.hybrid_shapes: ref = part.create_reference_from_object(shape) # 先转引用再查询 if hsf.get_geometrical_feature_type(ref) == GeometricalFeatureType.Point: line = hsf.add_new_line_normal(surface_ref, ref, -20, 20, False) lines_body.append_hybrid_shape(line) part.update()

效果对比如下：

同样的思路稍作扩展，就是"批量处理"：把"遍历一个几何集"改成"遍历多个几何集"或"遍历多个曲面"，配合part_document.save()定时保存进度，就是一套完整的批处理流水线。项目里的examples/example__hybrid_shape_factory__001.py还演示了一个姊妹场景——批量识别并重命名所有点特征，这正是特征识别技术的直接延伸。

高频问题 FAQ

Q1：PyCATIA 一定要装 CATIA 才能用吗？是的。它是"遥控器"，不是"模拟器"。没有 CATIA 本体，脚本毫无用武之地；而且因为依赖 COM，目前主要在 Windows 平台使用。

Q2：运行时报 "ModuleNotFoundError: win32com" 怎么办？先执行pip install pywin32，并确认 CATIA 已启动。最稳妥的做法是先手动打开一个 CATPart 文件，再运行脚本，让连接过程避开"空文档"的边界情况。

Q3：和 CATIA 自带的 VBA 宏相比，PyCATIA 优势在哪？最大的优势是 Python 生态。你可以用 NumPy/Pandas 处理采样数据，把脚本纳入 Git 版本管理，写单元测试，甚至结合 CI 跑批量回归。VBA 能做的大多数事，PyCATIA 都能做，且代码更易维护。

Q4：脚本会不会把好好的模型搞坏？风险确实存在，但有成熟应对：先在副本上试、处理前手动另存、给几何集起规范名字、每一步update()前检查关键引用。工业软件自动化项目的铁律是——先备份，再动手。

Q5：PyCATIA 能覆盖 CATIA 的哪些功能？覆盖面相当广。从项目源码目录就能看出来：零件设计（part_interfaces）、曲面造型（hybrid_shape_interfaces）、装配（product_structure_interfaces）、工程图（drafting_interfaces）、知识工程（knowledge_interfaces）、空间分析（space_analyses_interfaces）、DMU 与数控加工等几十个模块都有对应封装。

进阶与展望：从自动化走向智能化

如果你已经跑通了上面的例子，接下来可以往这几个方向走：

• 批量改名与规范化：参考examples/example__hybrid_shape_factory__001.py，把特征树里散乱命名的点统一成Point.001、Point.002这样的规范序列，配合团队命名标准，数据追溯从此不再头疼。
• 参数化与知识工程：通过 knowledge_interfaces 读写 CATIA 参数，把脚本和设计意图绑定——改一个参数，几何跟着变。
• 自动化出图：user_scripts目录里还有把图纸批量导出 PDF、把子零件批量导出 STEP 的社区脚本，配上docs/images/DrawingTemplate.png这类工程模板，交付环节也能一键完成。
• 数据处理增强：把采样点坐标交给 NumPy 做拟合、插值，再写回 CATIA，形成"计算在外面、建模在里面"的混合工作流。

想深入研究的读者，推荐三条路径：仓库里的examples/目录是活教材，每个文件都对应一个真实场景；user_scripts/是社区贡献的实战脚本，含金量很高；docs/api/下的 RST 文档则是完整 API 参考。把仓库克隆下来（git clone https://gitcode.com/gh_mirrors/py/pycatia），从最简单的 example 开始跑，比读十篇教程都管用。

写在最后

回到那个深夜：同样的 48 个采样点，手动要两小时，脚本只要八秒。这 900 倍的差距，不是操作熟练度的差距，而是工具思维的差距。CATIA 二次开发的门槛没有想象中那么高——你不需要成为 COM 专家，也不需要精通 C++，一个装好 Python 的笔记本、一份 PyCATIA，就能把那些重复到令人窒息的操作，变成一段段可复用、可分享、可进化的代码。

从今天起，给自己定个小目标：挑一个你每周都要做的重复操作，用 PyCATIA 把它写成脚本。当第一次按下回车、看着 CATIA 自己动起来的那一刻，你会回来感谢现在的自己。

【免费下载链接】pycatiapython module for CATIA V5 automation项目地址: https://gitcode.com/gh_mirrors/py/pycatia