doc-parser 是做什麼的？
解析 Office 文檔並提取結構化內容，供 AI 代理使用。
概述
claude-office-skills/doc-parser 是一個專門解析 Microsoft Office 文檔（Word、Excel、PowerPoint）的技能。它能將文件中的文字、表格、投影片內容提取出來，轉換為結構化資料，方便後續由 AI 代理進行分析、摘要或轉換。
支援格式
- Word 文檔 (.docx)
- Excel 試算表 (.xlsx)
- PowerPoint 簡報 (.pptx)
使用方式
安裝
確保您的專案中包含必要的相依套件。通常透過 pip 安裝 python-docx、openpyxl、python-pptx 等函式庫。
pip install python-docx openpyxl python-pptx
範例：解析 Word 文檔
from doc_parser import parse_word
document = parse_word("path/to/document.docx")
print(document.text) # 輸出純文字
範例：解析 Excel 試算表
from doc_parser import parse_excel
data = parse_excel("path/to/spreadsheet.xlsx")
print(data.sheets[0].rows[0]) # 輸出第一張工作表的首行資料
範例：解析 PowerPoint 簡報
from doc_parser import parse_powerpoint
presentation = parse_powerpoint("path/to/presentation.pptx")
for slide in presentation.slides:
print(slide.title)
for shape in slide.shapes:
if shape.has_text:
print(shape.text)
輸出格式
輸出預設為結構化的 JSON 或 Python 物件，包含：
- 文字內容：文檔中的主要文字
- 表格資料：表格內的結構化行與列
- 中繼資料：如作者、建立日期、修改日期（依格式支援）
注意事項
- 僅支援 Office Open XML 格式（.docx, .xlsx, .pptx），不支援舊版 .doc 或 .xls 格式。
- 圖片、圖表等非文字元素不會被解析，僅提取其替代文字（如有）。
- 大型檔案可能需要較長處理時間，建議適當分割或設定逾時。
貢獻
歡迎提交 Issue 或 Pull Request 來改善此技能。請確保遵循現有的程式碼風格與測試規範。