mcpField
L
lyxy-document-reader

lyxy-document-reader

github.com/lanyuanxiaoyaoDocuments091 installsUpdated 2w ago
Repository

About lyxy-document-reader

lyxy-document-reader is a skill that parses office documents, PDFs, and web pages into Markdown or targeted extracts. It is intended for document reading and analysis, with automatic file-type and platform detection in its script.

Key features

  1. 01Read DOC, DOCX, XLS, XLSX, PPT, and PPTX
  2. 02Parse PDFs with OCR support
  3. 03Read HTML files and URLs
  4. 04Convert content to Markdown
  5. 05Count words and lines, extract titles and sections
  6. 06Search content with keywords or regular expressions

Use cases

  1. 01Convert an office document to Markdown
  2. 02Extract headings or a specific section from a PDF
  3. 03Search a webpage or document for matching text

Install

Copy the command and run it in a terminal.

$npx skills add https://github.com/lanyuanxiaoyao/skills --skill lyxy-document-reader

After installing, type/lyxy-document-readerin Claude Code to confirm it loaded.

Bundled files

References and scripts installed along with SKILL.md.

scripts/
__init__.py
bootstrap.py
config.py
lyxy_document_reader.py
scripts/core/
__init__.py
advice_generator.py
exceptions.py
markdown.py
parser.py
scripts/pyarmor_runtime_000000/
__init__.py
scripts/readers/
__init__.py
_utils.py
base.py
scripts/readers/doc/
__init__.py
libreoffice.py
scripts/readers/docx/
__init__.py
docling.py
libreoffice.py
markitdown.py
native_xml.py
pypandoc.py
python_docx.py
unstructured.py
scripts/readers/html/
__init__.py
cleaner.py
domscribe.py
scripts/readers/html/downloader/
__init__.py
common.py
httpx.py
pyppeteer.py

Details

From the project README

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

Comments

Markdown supported