mcpField
L
lyxy-document-reader

lyxy-document-reader

github.com/lanyuanxiaoyao文档处理091 次安装2 周前更新
代码仓库

关于 lyxy-document-reader

lyxy-document-reader 是用于解析办公文档、PDF 和网页的技能，可输出 Markdown 或指定内容。它面向文档阅读与分析，脚本会自动检测文件类型和当前平台。

主要功能

  1. 01读取 DOC、DOCX、XLS、XLSX、PPT 和 PPTX
  2. 02解析 PDF 并支持 OCR
  3. 03读取 HTML 文件和 URL
  4. 04将内容转换为 Markdown
  5. 05统计字数和行数，提取标题与章节
  6. 06按关键词或正则表达式搜索内容

适用场景

  1. 01将办公文档转换为 Markdown
  2. 02从 PDF 提取标题或指定章节
  3. 03在网页或文档中搜索匹配文本

安装

复制下面的命令，在终端中运行。

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

安装后在 Claude Code 中输入/lyxy-document-reader确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

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

详细介绍

来自项目 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

评论

支持 Markdown