claude-office-skills/data-extractor

O que data-extractor faz?

Esta skill permite que o Claude Code extraia dados estruturados de documentos do Office (DOCX, PPTX, XLSX, etc.) e os exporte como JSON limpo. Ela detecta automaticamente tabelas, listas, cabeçalhos e outros elementos estruturados, convertendo-os em um formato utilizável para processamento posterior ou integração com outras ferramentas.

Como usar

1. Adicione a skill ao seu projeto:

   claude add skill claude-office-skills/data-extractor
   

2. Solicite extração de um arquivo do Office:

   Extraia todas as tabelas do arquivo relatorio.docx para JSON
   

3. Obtenha dados estruturados prontos para consumo.

Funcionalidades

• Suporte a DOCX, PPTX, XLSX e outros formatos comuns.
• Extração de tabelas, listas numeradas e com marcadores, e cabeçalhos.
• Saída em JSON válido, fácil de integrar com scripts ou APIs.
• Preservação de formatação básica (negrito, itálico) nos dados extraídos.
• Tratamento de documentos grandes com eficiência.

Exemplo de saída

Para um arquivo DOCX com uma tabela de vendas:

{
  "tabelas": [
    {
      "nome": "Tabela 1",
      "linhas": [
        ["Produto", "Quantidade", "Preço"],
        ["Caneta", "50", "1.50"],
        ["Caderno", "20", "12.00"]
      ]
    }
  ],
  "listas": [
    {
      "tipo": "numerada",
      "itens": ["Item A", "Item B", "Item C"]
    }
  ]
}

Plataformas suportadas

• Claude Code (recomendado)

Notas técnicas

• A skill depende da biblioteca python-docx para DOCX e openpyxl para XLSX. Instale-as com pip install python-docx openpyxl.
• Para PPTX, é usada a biblioteca python-pptx.
• O caminho do arquivo deve ser absoluto ou relativo ao diretório de trabalho atual do Claude Code.

Limitações

• Documentos protegidos por senha não são suportados.
• Tabelas mescladas podem ser representadas com células vazias.
• Imagens e gráficos incorporados não são extraídos.

Contribuição

Contribuições são bem-vindas! Consulte o repositório oficial para reportar issues ou enviar pull requests.