lanyuanxiaoyao
e0c6ed1638
- 提取 LibreOffice 解析逻辑为公共工具函数 _utils.parse_via_libreoffice() - 新增 DocReader 独立 Reader，支持 .doc 格式 - 新增 is_valid_doc() 文件验证函数（复用 OLE2 检测） - 新增 doc 格式依赖配置（独立配置） - 新增完整的测试套件，使用静态测试文件 - 更新 README.md 和 SKILL.md，添加 .doc 格式支持说明 - 新增 openspec/specs/doc-reader/spec.md 规范文档 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
47 lines
1.2 KiB
Python
47 lines
1.2 KiB
Python
"""DOC 文件阅读器，使用 LibreOffice 解析。"""
|
|
|
|
import os
|
|
from typing import List, Optional, Tuple
|
|
|
|
from readers.base import BaseReader
|
|
from utils import is_valid_doc
|
|
|
|
from . import libreoffice
|
|
|
|
|
|
PARSERS = [
|
|
("LibreOffice", libreoffice.parse),
|
|
]
|
|
|
|
|
|
class DocReader(BaseReader):
|
|
"""DOC 文件阅读器"""
|
|
|
|
def supports(self, file_path: str) -> bool:
|
|
return file_path.lower().endswith('.doc')
|
|
|
|
def parse(self, file_path: str) -> Tuple[Optional[str], List[str]]:
|
|
failures = []
|
|
|
|
# 检查文件是否存在
|
|
if not os.path.exists(file_path):
|
|
return None, ["文件不存在"]
|
|
|
|
# 验证文件格式
|
|
if not is_valid_doc(file_path):
|
|
return None, ["不是有效的 DOC 文件"]
|
|
|
|
content = None
|
|
|
|
for parser_name, parser_func in PARSERS:
|
|
try:
|
|
content, error = parser_func(file_path)
|
|
if content is not None:
|
|
return content, failures
|
|
else:
|
|
failures.append(f"- {parser_name}: {error}")
|
|
except Exception as e:
|
|
failures.append(f"- {parser_name}: [意外异常] {type(e).__name__}: {str(e)}")
|
|
|
|
return None, failures
|