lanyuanxiaoyao
cf10458dd6
- 新增 DocReader，支持 markitdown 和 pypandoc-binary 解析器 - 新增 XlsReader，支持 unstructured、markitdown 和 pandas+xlrd 解析器 - 新增 PptReader，支持 markitdown 解析器 - 添加 olefile 依赖用于验证 OLE2 格式 - 更新 config.py 添加 doc/xls/ppt 依赖配置 - 更新 --advice 支持 doc/xls/ppt 格式 - 添加相应的测试用例 - 同步 specs 到主目录
42 lines
1.3 KiB
Python
42 lines
1.3 KiB
Python
"""使用 pandas+xlrd 库解析 XLS 文件"""
|
|
|
|
from typing import Optional, Tuple
|
|
|
|
|
|
def parse(file_path: str) -> Tuple[Optional[str], Optional[str]]:
|
|
"""使用 pandas+xlrd 库解析 XLS 文件"""
|
|
try:
|
|
import pandas as pd
|
|
from tabulate import tabulate
|
|
except ImportError as e:
|
|
if "pandas" in str(e):
|
|
missing_lib = "pandas"
|
|
elif "xlrd" in str(e):
|
|
missing_lib = "xlrd"
|
|
else:
|
|
missing_lib = "tabulate"
|
|
return None, f"{missing_lib} 库未安装"
|
|
|
|
try:
|
|
sheets = pd.read_excel(file_path, sheet_name=None, engine="xlrd")
|
|
|
|
markdown_parts = []
|
|
for sheet_name, df in sheets.items():
|
|
if len(df) == 0:
|
|
markdown_parts.append(f"## {sheet_name}\n\n*工作表为空*")
|
|
continue
|
|
|
|
table_md = tabulate(
|
|
df, headers="keys", tablefmt="pipe", showindex=True, missingval=""
|
|
)
|
|
markdown_parts.append(f"## {sheet_name}\n\n{table_md}")
|
|
|
|
if not markdown_parts:
|
|
return None, "Excel 文件为空"
|
|
|
|
markdown_content = "# Excel数据转换结果\n\n" + "\n\n".join(markdown_parts)
|
|
|
|
return markdown_content, None
|
|
except Exception as e:
|
|
return None, f"pandas 解析失败: {str(e)}"
|