doc-parser은(는) 무엇을 하나요?
이 스킬은 Office 문서(.docx, .xlsx, .pptx)에서 텍스트와 메타데이터를 추출하여 AI 에이전트가 처리할 수 있는 형식으로 변환합니다.
지원 문서 형식
| 형식 | 라이브러리 | 설명 |
|---|---|---|
| .docx | python-docx | Microsoft Word 문서 |
| .xlsx | openpyxl | Microsoft Excel 통합 문서 |
| .pptx | python-pptx | Microsoft PowerPoint 프레젠테이션 |
기능
- 텍스트 추출: 문서의 모든 텍스트 내용을 추출합니다.
- 메타데이터 추출: 작성자, 제목, 생성일 등 문서 속성 정보를 추출합니다.
- 표 데이터 추출: Word 및 Excel 문서의 표 데이터를 구조화된 형식으로 변환합니다.
- 슬라이드 내용 변환: PowerPoint 슬라이드의 각 요소(텍스트, 이미지, 도형)를 텍스트로 변환합니다.
사용 방법
- 문서 파일 경로를 입력합니다.
- 파싱할 문서 형식(.docx, .xlsx, .pptx)을 지정합니다.
- 필요한 추출 옵션(텍스트, 메타데이터, 표 등)을 선택합니다.
- 결과는 JSON 형식으로 반환됩니다.
예시
from doc_parser import parse_document
data = parse_document("example.docx", extract_metadata=True, extract_tables=True)
print(data)
의존성
- python-docx
- openpyxl
- python-pptx