统一文档解析 Skill
推荐用法
直接运行脚本即可，它会自动检测文件类型、当前平台，并用正确的 uv 命令执行：
python scripts/lyxy_document_reader.py <文件路径或URL>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 |