lanyuanxiaoyao/lyxy-document
1
0
Fork 0
Code Releases Activity
Files
5cc347589bb6aa9318077b04f60b9a8164be5fc7
lyxy-document/SKILL.md
lanyuanxiaoyao a490b2642c feat: 新增 PPT 旧格式支持，重构 LibreOffice 转换工具 
- 新增 PPT (旧格式) 解析器
- 重构 _utils.py，提取通用 convert_via_libreoffice 函数
- 更新依赖配置，添加 PPT 相关依赖
- 完善文档，更新 README 和 SKILL.md
- 添加 PPT 文件检测函数
- 新增 PPT 解析器测试用例
2026-03-16 22:49:04 +08:00

3.4 KiB
Raw Blame History

name, description, license, compatibility
name description license compatibility
lyxy-document-reader 统一文档解析工具 - 将 DOC、DOCX、XLS、XLSX、PPT、PPTX、PDF、HTML/URL 转换为 Markdown。支持全文输出、字数统计、行数统计、标题提取、章节提取、正则搜索。当用户要求"读取/解析/打开文档"、上传 .doc/.docx/.xls/.xlsx/.ppt/.pptx/.pdf/.html 文件、或提供 URL 时使用。 MIT Requires Python 3.11+。优先使用 lyxy-runner-python skill，次选 uv run --with，降级到主机 Python。

统一文档解析 Skill

🔴 重要：执行路径优先级（必须遵守）

执行路径选择（按优先级顺序）

  1. lyxy-runner-python skill（首选） - 自动管理依赖
  2. python scripts/lyxy_document_reader.py - 自启动，自动检测依赖
  3. uv run --with - 手动指定依赖
  4. 主机 Python + pip install - 手动安装依赖

推荐用法

# 直接运行（自动检测依赖并执行）
python scripts/lyxy_document_reader.py <文件路径或URL>

脚本会自动检测文件类型、当前平台，并用正确的 uv 命令执行。

Purpose

支持格式

  • DOC（Word 旧格式）
  • DOCX（Word 文档）
  • XLS（Excel 旧格式）
  • XLSX（Excel 表格）
  • PPT（PowerPoint 旧格式）
  • PPTX（PowerPoint 演示文稿）
  • PDF（PDF 文档，支持 OCR）
  • HTML / URL（网页内容）

When to Use

触发场景

  • 文档转换：将各类文档转为 Markdown
  • 文档元数据：字数、行数统计
  • 标题分析：提取标题结构
  • 章节提取：提取特定章节
  • 内容搜索：关键词或正则搜索

触发词

  • 中文："读取/解析/打开 文档/Word/Excel/PPT/PDF/网页"
  • 英文："read/parse/extract document/doc/docx/xls/xlsx/ppt/pptx/pdf/html"
  • 文件扩展名：.doc、.docx、.xls、.xlsx、.ppt、.pptx、.pdf、.html、.htm
  • URL：http://、https://

Quick Reference

参数 说明
(无) 输出完整 Markdown
-c/--count 字数统计
-l/--lines 行数统计
-t/--titles 提取所有标题（1-6级）
-tc <name> 提取指定标题的章节内容
-s <pattern> 正则表达式搜索
-n <num>/--context <num> 与 -s 配合，指定上下文行数（默认 2）

参数使用示例

# 读取全文（自动检测依赖）
python scripts/lyxy_document_reader.py document.docx

# 统计字数
python scripts/lyxy_document_reader.py document.docx -c

# 提取标题
python scripts/lyxy_document_reader.py document.docx -t

# 提取指定章节
python scripts/lyxy_document_reader.py document.docx -tc "第三章"

# 搜索内容
python scripts/lyxy_document_reader.py document.docx -s "关键词"

# 正则搜索
python scripts/lyxy_document_reader.py document.docx -s "\d{4}-\d{2}-\d{2}"

# 指定搜索上下文行数
python scripts/lyxy_document_reader.py document.docx -s "关键词" -n 5

错误处理

错误 原因 解决
错误: input_path 不能为空 未提供输入 提供 file_path 或 URL
错误: 不支持的文件类型 无对应 reader 检查文件扩展名
所有解析方法均失败 所有解析器失败 检查文件是否损坏
错误: 无效的正则表达式 正则语法错误 检查正则语法
错误: 未找到匹配 搜索无结果 检查搜索词或正则
ModuleNotFoundError 缺少依赖 脚本会自动检测并安装依赖
View Git Blame Copy Permalink