企业官网建设流程全解析

简介：面向医疗信息化与临床记录场景，这份压缩包汇集了电子病历（EMR）常用模板，适合医疗机构科室、基层门诊、健康管理机构以及需要建立个人健康档案的用户使用。模板覆盖患者基本信息、既往史与家族史、体格检查、实验室检查、影像学资料、诊断结论、治疗方案以及费用记录等关键模块，涵盖从接诊、检查到治疗与随访的主要记录节点，有助于规范病历书写、减少遗漏，同时为后续数据统计和系统集成打下基础。压缩包整体约477KB，以rar格式存放，便于快速下载与按需筛选；目前已有589人学习下载，适合医学信息管理、临床文档标准化及EMR系统建设相关从业者参考。通过这套模板，可以快速搭建符合日常流程的病历框架，既支持院内电子病历的落地实践，也方便个人留存完整诊疗记录，提升医疗服务的准确性与可追溯性。

1. 电子病历模版集合 rar：不是拿来就能用的模板，是一套待整理的半成品

一个叫「电子病历模版集合.rar」的压缩包，解压后是几十上百个 doc。很多医院信息科和乙方实施人员拿到这种包的第一反应是直接丢进 EMR 系统，让临床科室按这个格式写病历。这个思路从一开始就错了。这类模板包的价值不在文件数量，而在你愿意花多少功夫把它从「一堆文档」变成「一套受控资源」。

我处理过的病历模板包，里面通常是门急诊病历、入院记录、病程记录、手术记录、护理记录、知情同意书混在一起，命名不统一，排版残留大量空行，有的还带着「【待补充】」占位提示。直接上线，轻则字段对不上、质控漏项，重则医生第一天就集体退回。这套流程要解决的正是这个问题：拿到 rar 之后，怎么拆、怎么整、怎么转结构化、怎么避坑，最终让这套模板能被 HIS 真正用起来。

适合谁读：医院信息科工程师、电子病历实施顾问、负责病历质控的人员，以及刚接手医院项目的乙方研发。后面所有操作以「你能碰命令行、能改脚本」为前提，先把不依赖厂商私有系统的通用流程跑通。

2. 打开模板包先做文件体检：目录解压、编码识别和格式归一

拿到 rar 先别急着双击解压。我一般会先在命令行里解压并生成文件清单，这一步花十分钟，能省掉后面两天排查命名冲突的力气。

2.1 用命令行解压并生成文件清单：先看家底再看内容

常见做法是：把 rar 解压到一个独立目录，然后立即把文件清单落盘。这样做的好处是后续所有整理动作都有据可查，而不是靠资源管理器肉眼翻目录。

mkdir -p ./emr_templates unrar x -o+ 电子病历模版集合.rar ./emr_templates/ cd ./emr_templates find . -type f \( -name "*.doc" -o -name "*.docx" -o -name "*.wps" \) | sort > file_list.txt wc -l file_list.txt

unrar x是解压并保留目录结构，-o+表示遇到同名文件直接覆盖；如果你不确定包内是否有重名文件，第一次解压时把-o+换成-o-，碰到同名会跳过并提示，这样就不会让后一个版本悄悄盖掉前一个版本。find同时匹配doc、docx、wps三种后缀，是为了把 WPS 时代的旧模板也纳入统计。sort会把文件名按字节序排列，方便我们一眼看出同一类文书到底有几个版本。

注意：第一次解压建议用-o-，宁可让同名文件卡住，也不要让老版本被新版本覆盖后还浑然不知。

清单生成后，我还会顺手统计一下文件大小分布，把 0 字节和小于 1KB 的文件单独挑出来。这类文件九成是坏的，不值得进入后续流程。

find . -type f -size -1k | grep -E "\.(doc|docx|wps)$"

这里-size -1k表示小于 1KB，grep再过滤一次后缀。看到输出后不要急着删，先对照原始 rar 确认这些文件在压缩包内是否本身就是空壳。压缩包里的空文件往往意味着拷贝源就坏了，保留原始包做证据，比自行修复更稳妥。

2.2 模板文件的三类健康问题：损坏、加密残留与同名版本冲突

文件清单出来后，我会集中检查三类问题，这也是模板包最容易翻车的三个地方。

第一是文件损坏。除了上面按大小筛出的空壳，还有一种情况是 doc 文件头被破坏，Word 打开时报「文件已损坏」，但文件大小正常。排查办法是直接用file命令看文件头：

file ./内一科/入院记录.doc

正常 doc 会输出CDF V2 Document或Composite Document File V2之类的结果；如果输出data，说明文件头不对，大概率是磁盘坏道或传输中断造成的。遇到这种文件直接放弃，不要花时间修复，模板集合里同一份文书往往有别的版本。

第二是加密残留。有些模板包来源于科室共享盘，既往人员为了保护文档设置了打开密码，解压后打开才发现要密码。这时可以用 LibreOffice 配合--password参数批量打开确认，但更快的办法是做好登记：凡是打不开的加密文档，一律退回给提供方要密码，不要自行破解。

第三是同名版本冲突。病历模板迭代非常频繁，「入院记录最终版」「入院记录新」这类命名几乎每个包里都有。用 MD5 聚类可以快速看出哪些文件虽然名字不同、内容完全相同，哪些是同一名字不同内容：

import hashlib, os from collections import defaultdict def md5(path): h = hashlib.md5() with open(path, "rb") as f: for chunk in iter(lambda: f.read(65536), b""): h.update(chunk) return h.hexdigest() groups = defaultdict(list) root = "./emr_templates" for dirpath, _, files in os.walk(root): for name in files: if name.lower().endswith((".doc", ".docx", ".wps")): full = os.path.join(dirpath, name) groups[md5(full)].append(full) for digest, paths in groups.items(): if len(paths) > 1: print(digest, len(paths)) for p in paths: print(" ", p)

这段脚本会打印出内容完全相同的文件组。看到同一份「入院记录」出现在三个目录，就知道这个包的真实模板种类比文件名显示的要少得多。相同内容的文件保留一份，以目录层级最规范的那个为准，其余归档到_archive/目录，别直接删，医院环境里任何删除操作都要留后路。

2.3 把 doc 统一转成 docx：为后续结构化解析打好地基

体检完成后，下一步是把所有能打开的 doc 转成 docx。原因很简单：python-docx 等工具链对 docx 的解析是标准化的，而老式 doc 是二进制格式，第三方库的兼容性参差不齐，处理起来像拆黑匣子。

转换常见做法是用 LibreOffice 的命令行模式，免费且支持批量：

mkdir -p ./docx_converted soffice --headless --convert-to docx --outdir ./docx_converted ./emr_templates/**/*.doc

--headless表示不启动图形界面，--convert-to docx是目标格式，--outdir指定输出目录。注意这里用了**通配符，需要 bash 开启globstar（shopt -s globstar），否则只能转换当前子目录的 doc。转换完成后，对照file_list.txt检查输出数量，确认没有文件被悄悄跳过。

转换不是万能的。带复杂域代码、旧式书签、VBA 宏的 doc，转出来的 docx 可能丢布局。所以我一般会把转换后的 docx 放进一个单独的docx_converted目录，和原始 doc 分开存放，后续所有结构化解析都基于转换后的 docx，原始 doc 只作版式对照。这一步做完，模板包才算从「能打开的文档」变成「能处理的素材」。

3. 把 Word 模板转成 HIS 结构化模板：解析段落、表格与占位符

模板包里的 Word 文档再规范，也只是一堆排版良好的文档。HIS 系统真正需要的，是把每个标签映射到数据元的「结构」。这一章说清楚从 Word 到结构化 JSON 的完整路径。

3.1 为什么不能直接挂 Word：HIS 需要的是结构不是排版

很多实施人员被临床科室逼着「把模板做成 Word，写完再转 PDF 归档」，这其实是把电子病历做成了电子打印病历。结构化电子病历要求病程记录里的「体温」「脉搏」「主诉」分别是独立字段，能被质控规则读取、能被评级检查追溯，而不是一段不可拆分的文本。

直接挂 Word 的代价在事后才显现：病历质控要统计「入院记录 24 小时内完成率」，如果「入院记录」是一整个 Word 文档，系统根本不知道它什么时候完成；要查「主诉是否与现病史重复」，Word 文本也拆不出字段。所以这一章的核心不是教你把 Word 转成 PDF，而是把 Word 里的版式转成「块」和「字段」，让 HIS 能消费。

给个具体的结构化定义：一段文本「主诉：咳嗽、咳痰 3 天」要拆成label=主诉、value=咳嗽、咳痰 3 天；一个表格式的「入院情况」要拆成表头和数据行。后面评级、质控、科研数据抽取全依赖这个结构。

3.2 用 python-docx 提取段落和表格，生成结构化 JSON

我常用的解析工具是python-docx，它能把 docx 的段落和表格按文档顺序读出来。下面是提取脚本的核心部分：

from docx import Document import json, re LABEL_RE = re.compile(r"^([^：:]{1,20})[：:]\s*(.*)$") def extract_blocks(docx_path): doc = Document(docx_path) blocks = [] # 逐段解析，空段跳过，有冒号的行拆成 label/value for p in doc.paragraphs: text = p.text.strip() if not text: continue m = LABEL_RE.match(text) blocks.append({ "type": "line", "label": m.group(1) if m else "", "value": m.group(2) if m else text, }) # 表格逐行转二维数组，供后续处理合并单元格 for t_idx, table in enumerate(doc.tables): rows = [] for row in table.rows: cells = [c.text.strip() for c in row.cells] rows.append(cells) blocks.append({"type": "table", "index": t_idx, "rows": rows}) return blocks if __name__ == "__main__": data = extract_blocks("入院记录.docx") with open("入院记录.json", "w", encoding="utf-8") as f: json.dump(data, f, ensure_ascii=False, indent=2)

LABEL_RE这个正则只匹配「一到二十个非冒号字符 + 冒号 + 内容」，基本覆盖「姓名：张三」「既往史：无」这类病历行。如果一个段落没有冒号，就把整段作为无标签文本放进 value，比如病程记录里的整段叙述性文字。

表格部分用table.rows逐行读，row.cells会返回该行所有单元格文本。注意一个坑：合并单元格在 python-docx 里会被重复返回为对同一_Cell对象的引用，所以后续写数据库时要先做去重，否则同一格内容会被写入多个列。

注意：生成 JSON 之后不要急着删 Word。这个 JSON 只用于字段映射和结构检查，真正给医生用的模板仍以 Word 或系统表单形式存在。JSON 的意义是让我们能用脚本批量比对「模板结构是否缺项」，而不是替代编辑界面。

3.3 字段映射：把「姓名：」换成 HIS 数据元 code

JSON 里的 label 还是中文，送入系统前需要映射成 HIS 的数据元标识。这个映射关系通常做成一张表，我一般建议直接维护一个 CSV，而不是写在代码里：

映射的逻辑很简单：模板里出现「姓名」的地方，一律替换为PAT_NAME的{{PAT_NAME}}占位符。下面这段代码读取上面 CSV 做替换：

import csv, re, json def build_map(csv_path): mapping = {} with open(csv_path, encoding="utf-8-sig") as f: for row in csv.DictReader(f): mapping[row["模板标签"]] = row["数据元 code"] return mapping def replace_labels(blocks, mapping): for b in blocks: if b["type"] == "line" and b["label"] in mapping: code = mapping[b["label"]] b["code"] = code b["value"] = re.sub(r"\{\{\w+\}\}", "{{" + code + "}}", b["value"]) return blocks

build_map从 CSV 读映射，utf-8-sig是为了兼容 Excel 另存 CSV 时带 BOM 的情况。替换时用re.sub把已经存在的{{旧code}}统一改成新 code，实现幂等处理。映射完成后，用一段校验逻辑把「模板里出现但映射表里没有」的 label 打印出来，这些就是要找临床确认的新增字段。

字段映射是整个落地过程中最枯燥但最关键的一步。映射漏一个字段，评级检查时对应的数据项就是空的；映射错一个类型，质控规则会把「体温 36.5」当成文本去比较。我见过团队在这一步省事，直接把整个段落作为一个大字段入库，最后统计「主诉是否超过 20 字」都做不了。

3.4 表格类模板的处理：合并单元格与重复表头

病历里有大量表格，比如体格检查表、手术风险评估表。处理表格类模板时，我通常会先做两件事：去重合并单元格，处理重复表头。

def clean_table(rows): cleaned = [] for row in rows: seen = set() new_row = [] for cell in row: # 横向合并单元格在 python-docx 中会重复出现， # 用 (文本, 长度) 做近似去重；纵向合并需另处理 key = (cell, len(cell)) if key in seen: continue seen.add(key) new_row.append(cell) cleaned.append(new_row) return cleaned

这段去重代码属于近似方案：对横向合并的单元格有效，对纵向合并的单元格，上一行出现的文本在下一行再次出现时也可能被误去重。如果同一行里有两列内容完全相同的合法数据，这个近似方案同样会误删，需要结合坐标判断。所以更可靠的做法是直接读 XML 里的gridSpan和vMerge属性，但这属于把 python-docx 的抽象层捅破，只有在模板必须完整保真的场景才值得做。绝大多数场景下，近似去重加人工抽检已经够用。

重复表头的问题出现在「首诊记录」「续页」这类分页表格里。模板作者为了打印美观，往往在每页都加表头。结构化入库时这些重复表头必须去掉，否则查询结果会出现一排空的「项目名称」。处理办法是按内容判断：当一行的单元格内容与第一行表头完全一致时，丢弃该行。注意先把表头字段名本身存好，再去匹配。

4. 模板库分级与命名规范：让内科、外科和评级检查都不打架

结构化的 JSON 做出来后，模板还是一份一份的散件。这一章讲怎么把它们组织成一套能长期维护的模板库。

4.1 一套模板包要拆成四层：全院级、专科级、操作级和个人级

我见过的失败案例，大多是所有模板平铺在一个目录里，没有层级概念。结果内科护士调用入院记录，选中的却是外科的版本，因为按修改时间排序，外科那份排在前面。

实际落地时，我一般建议分成四层，每层的审批权限不同：

这四层之间是覆盖关系：医生写一份入院记录，最终生效的模板由「全院级 + 当前科室专科级」合并而成。个人级只能加内容，不能覆盖全院级已经定义好的字段，否则质控规则会绕过去。

分级的意义不只是权限，还关系到模板冲突的判定。同一份「入院记录」，全院级定义了第一段「患者一般情况」，外科想加一个「术前诊断」，这个补充只能出现在外科专科级里，而不是直接改全院级。这样内科调用的版本永远不会被外科的修改连累。

4.2 命名规则：科室_文书类型_版本号_启用日期，杜绝「最终版」地狱

模板包里的命名混乱基本是「最终版」「改改版」「新新新」这类后缀造成的。我这边定过一条硬规则：文件名必须是科室_文书类型_版本号_启用日期，日期格式 YYYY-MM-DD。

合法示例：心血管内科_入院记录_v2.4_2024-05-01.docx非法示例：心内入院记录最终版(3).docx、入院记录新.docx

版本号规则也值得一提：主版本号在结构变更时递增，次版本号在文字修正时递增。「入院记录」从三段式改成两段式，是 2.3 到 3.0；只是把「联系电话」从选填改成必填，是 2.3 到 2.4。启用日期是模板正式生效的日期，不是文件修改日期。这样设计的好处是：评级检查时拿出科室_文书类型_版本号_日期的清单，评审员一眼就能看出模板是不是受控版本。

配合命名规则，还要有一份注册表。通常是一张 Excel 或在线表格，记录「模板 code、名称、版本、生效日期、失效日期、归属科室、负责人」。模板 code 和文件名的「科室_文书类型」部分保持完全一致，后续 HIS 导入时直接以 code 作为唯一键。这个注册表是整个模板库的事实源，比文件名更可靠。

4.3 把模板映射到电子病历评级指标：每个模板都要回答「评审问什么」

医院投入整理模板集合，多半是冲着电子病历应用水平分级评价去的。评级条目虽然各年份口径有差异，但核心检查点不外乎三点：模板是否受控、文书是否结构化、数据能否在业务系统之间复用。

受控这一点，前面两节的分级和命名已经覆盖。结构化这一点，第三章的 JSON 方案已经覆盖。数据复用这一点，可以靠「每个模板的字段必须能对应字典」来保证。比如「入院途径」只能取「门诊、急诊、其他医疗机构转入」等字典值，不能自由文本；「手术切口等级」必须关联手术字典。评级检查时，评审员往往会直接点开一条病历，看某个结论字段到底是可统计的结构化值，还是一段打字自由文本。

批量检查模板里是否存在未绑定字典的自由文本字段，可以用之前的blocksJSON 做一次扫描：

import json dict_expected = ["入院途径", "医疗付费方式", "手术切口等级", "血型"] with open("入院记录.json", encoding="utf-8") as f: blocks = json.load(f) for b in blocks: if b.get("label") in dict_expected and not b.get("code"): print(f"字段 {b['label']} 未绑定数据元，评级时可能被视为自由文本")

这个脚本的意义是把「评级准备」从评审前的临时加班，变成模板上线前的日常检查。跑出来的每个字段，要么去字典表补充映射，要么在模板库里标注「本字段按自由文本管理」。后者不是不行，但要能讲出理由。

5. 电子病历模板落地避坑：五个高频翻车现场与处理办法

模板集合从整理到真正上线，中间全是坑。这一章列五个我反复遇到的翻车现场，按「现象 → 原因 → 解决」写，照着排查能省不少时间。

5.1 翻车现场一：模板里残留「【待补充】」直接进了正式病历

现象：医生打开模板写病历，段落里出现大段的「【待补充】」「【待填写】」，忘记删就直接提交。质控抽检时发现正式病历里带着这句话，被医务处通报。

原因：模板包里的 Word 通常是业务科室给信息科整理的，作者为了标注占位，会写「【待补充：过敏史】」之类。整理时如果只做排版清洗，不做关键词检查，这些占位文本就会原样保留到模板里。

解决：在模板导入 HIS 前，用脚本全量扫描一遍所有 docx 文本，把带「待补充」「待填写」「待完善」的行全部打出来人工确认。扫描脚本很简单，基于第三章的extract_blocks即可：

grep -rl "待补充\|待填写\|待完善" ./docx_converted/

grep -rl列出包含这些关键词的文件，\|是基础正则的多选分隔写法。扫描出的内容有两种处理：删除占位文本，让该字段留空；或者替换成系统级提示「字段由医生填写」，绝不能让提示文本存在于默认模板里。上线后还要在质控规则里加一条「病历文本不得含待补充类关键词」，作为兜底。

5.2 翻车现场二：合并单元格被拆成碎片，结构化数据全乱了

现象：体格检查表是一个多行多列的合并表，导入 HIS 后，同一行的「肝脾」和「腹部」对不上，数据串位；导入数据库后，合并单元格的内容出现在错误列。

原因：第三章代码里提过，python-docx 对合并单元格会返回同一个_Cell对象，但很多实施团队用的是自己写的 XML 解析，把每个<w:tc>当成独立单元格，导致合并单元格被拆成多个空列。

解决：尽量用成熟库处理；如果走了原生 XML，必须手动处理gridSpan和vMerge。我一般会写一个专门的校验收视脚本，把解析后的二维数组打印成表格贴到文档评审群里，让临床医生逐个核对「这一列的内容是否和原表一致」。人工核对听起来土，但表格类模板的结构化准确率，靠自动化测试反而不如医生一眼看得快。

5.3 翻车现场三：全院一张模板，外科和内科的文书互相踩脚

现象：全院共用一个「手术记录」模板，内科医生写非手术操作记录时，系统仍要求填「手术者」「麻醉方式」，导致内科病历无法提交；而外科医生觉得「术后情况」栏位太少。

原因：模板整理时贪图省事，把同类文书合并成一个，没有做科室级拆分。

解决：按第四章的分级规则，把「手术记录」拆成全院通用版和专科定制版。外科版本保留「手术者、麻醉方式、失血量」，内科版本把「手术操作」改成「操作名称、操作者、操作时间」并去掉麻醉字段。特别注意：拆版之后，HIS 的模板选择器要按科室过滤，否则内科医生依然能选到外科版。我见过拆了版但没配过滤规则的，等于白拆。

5.4 翻车现场四：模板升级后历史病历版式错乱

现象：模板 v2.3 上线一个月后，v2.4 把「联系电话」从选填改成必填，并调整了段落顺序。医生打开此前保存的历史病历，发现格式全乱，有的字段跑到页面外。

原因：HIS 的住院病历往往是「模板 + 病历实例」结构，实例保存了模板当时的版本标识。一旦模板升级且字段顺序变化，旧版本实例试图套用新模板渲染时就会错乱。

解决：升级模板时必须保留旧版本模板，而不是覆盖。HIS 里对每个模板版本做唯一标识，病历保存时绑定该标识。打印和回放都用绑定的旧版本，只有新建病历才用新版本。整理模板集合时，也要养成「每次改动存为新版本文件，旧文件归档」的习惯。第四章的命名规范里，版本号就是干这个用的。

5.5 翻车现场五：带宏的模板在终端打不开或触发安全拦截

现象：模板文件里有 VBA 宏（比如自动生成当前日期、自动计算年龄），从 rar 解压出来分发给医生后，部分终端的安全策略直接拦截，双击提示「已阻止此文件打开」。

原因：文档宏在电子病历环境里本来就是高风险项。医院终端普遍装了文档安全管控，宏被认定有脚本行为就会拦截。而且宏在不同 Office 版本间的兼容性很玄学，在 Windows 10 上好的宏，换到 Windows 11 就不触发。

解决：模板集合进入 HIS 之前，统一去掉宏。日期、年龄这类动态值，由 HIS 的字段计算实现，而不是靠 Word 宏。去宏的批量处理可以用 LibreOffice 转换时的默认行为（转换 docx 会丢弃宏），但稳妥起见，我会在整理环节直接打开检查一遍「文件 → 信息 → 检查问题 → 检查文档」，把含宏的文件单列出来人工清理。别试图保留宏：电子病历的合规要求是历史可追溯、内容不可篡改，宏这种运行时动态逻辑是最难审计的。

6. 模板上线后的验证技巧：用质控规则反查模板质量

模板集合上线不等于结束，反而应该是验证的开始。我习惯用质控规则反查模板：每条规则都去模板里找一个对应字段。

6.1 建立模板与质控规则的一对一校验清单

把医院现有质控规则整理成一张表，注明每条规则读哪个字段。比如「入院记录 24 小时完成率」读完成时间戳；「主诉不超过 50 字」读主诉字段。再拿这张表对照模板 JSON，凡是被规则读取的字段，模板里必须存在且绑定正确。

质控规则 依赖字段 模板状态 入院记录24小时完成率 入院记录.完成时间 已完成 主诉不超过50字 CHIEF_COMPLAINT 已完成 手术安全核查必填 手术核查.核查时间 缺失，需补

这张对照表最好在上线第一周内跑出来逐条补齐。很多模板集合上线三个月后才发现质控项全是空的，原因就是模板根本没有收集对应字段。反查规则能把发现时间从三个月压到三天。

6.2 最小验收集：三份模拟病历跑通完整闭环

最后我会准备三份模拟病历，覆盖普通内科入院、外科手术、急诊抢救三种场景，从建模板、开病历、填字段、保存、打印到质控检查，全流程跑一遍。任何一步不通都可能是模板问题，比如字段在模板 JSON 里有，但系统的表单编辑器里渲染不出来。

这套验收用人工操作即可，但三件事必须留痕：模拟病历号、模板版本号、操作时间。上线后第一个月，让实施人员每周把「用模板创建病历失败」的记录发来，按失败原因分类。某类失败连续出现三次时，不要打补丁，回到模板本身找原因。

模板集合整理这件事，90% 的功夫都在动手前的体检和动手后的验证，中间的 Word 转结构化反而最简单。我自己的教训是：第一次接模板包时跳过了文件体检，直接把全部 doc 转成 docx，结果同名「入院记录」在三个子目录各有一份，批量覆盖后临床反馈的格式和入库版本对不上，返工两周。那以后我坚持先做 MD5 去重和版本登记，再动转换脚本。

希望这份流程能帮你在拿到「电子病历模版集合.rar」时少踩坑。模板包的价值不在「有了」，而在「受控」：每份模板都说清属于哪级、哪个版本、何时生效、由谁修改，这套功夫到位了，评级和质控自然就顺了。

本文还有配套的精品资源，点击获取