---
name: lyxy-reader-office
description: 优先解析 docx、xlsx、pptx、pdf 四种办公文档的 skill，将文档转换为 Markdown 格式，支持全文提取、标题提取、章节提取、正则搜索、字数统计、行数统计，PDF 额外支持 OCR 高精度模式。使用时请阅读 scripts/README.md 获取详细用法。
compatibility: Requires Python 3.6+. DOCX/PPTX/XLSX 无需额外依赖（XML 原生解析）；PDF 至少需要 pypdf。推荐通过 lyxy-runner-python skill 使用 uv 自动管理依赖。
---

# 办公文档解析 Skill

将 Microsoft Office 文档（.docx、.pptx、.xlsx）和 PDF 文件解析为 Markdown 格式，支持多种查询模式。

## Purpose

**统一入口**：使用 `scripts/parser.py` 作为统一的命令行入口，自动识别文件类型并分派到对应的格式解析器。

**依赖选项**：此 skill 必须优先使用 lyxy-runner-python skill 执行，不可用时降级到直接 Python 执行。

## When to Use

任何需要读取或解析 .docx、.xlsx、.pptx、.pdf 文件内容的任务都应使用此 skill。

### 典型场景
- **文档内容提取**：将 Word/PPT/Excel/PDF 文档转换为可读的 Markdown 文本
- **文档元数据**：获取文档的字数、行数等信息
- **标题分析**：提取文档的标题结构
- **章节提取**：提取特定章节的内容
- **内容搜索**：在文档中搜索关键词或模式
- **PDF OCR**：对扫描版 PDF 启用 OCR 高精度解析

### 触发词
- 中文："读取/解析/打开 docx/word/xlsx/excel/pptx/pdf 文档"
- 英文："read/parse/extract docx/word/xlsx/excel/pptx/powerpoint/pdf"
- 文件扩展名：`.docx`、`.xlsx`、`.pptx`、`.pdf`

## Quick Reference

| 参数 | 说明 |
|------|------|
| （无参数） | 输出完整 Markdown 内容 |
| `-c` | 字数统计 |
| `-l` | 行数统计 |
| `-t` | 提取所有标题 |
| `-tc <name>` | 提取指定标题的章节内容 |
| `-s <pattern>` | 正则表达式搜索 |
| `-n <num>` | 与 `-s` 配合，指定上下文行数 |
| `--high-res` | PDF 专用，启用 OCR 版面分析 |

## Workflow

1. **检查依赖**：优先使用 lyxy-runner-python，否则降级到直接 Python 执行
2. **选择格式**：根据文件扩展名自动识别格式
3. **执行解析**：调用 `scripts/parser.py` 并传入参数
4. **输出结果**：返回 Markdown 格式内容或统计信息

### 基本语法

```bash
# 使用 lyxy-runner-python（推荐）
uv run --with "markitdown[docx]" scripts/parser.py /path/to/file.docx

# 降级到直接执行
python3 scripts/parser.py /path/to/file.docx
```

## References

详细文档请参阅 `references/` 目录：

| 文件 | 内容 |
|------|------|
| `references/examples.md` | 各格式完整提取、字数统计、标题提取、章节提取、搜索等示例 |
| `references/parsers.md` | 解析器说明、依赖安装、各格式输出特点、能力说明 |
| `references/error-handling.md` | 限制说明、最佳实践、依赖执行策略 |

> **详细用法**：请阅读 `scripts/README.md` 获取完整的命令行参数和依赖安装指南。