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

• DOCX（Word 文档）
• XLS（Excel 旧格式）
• XLSX（Excel 表格）
• 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/docx/xls/xlsx/pptx/pdf/html"
• 文件扩展名：.docx、.xls、.xlsx、.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