增加运维机器人单元

aibox/skills/doc2txt.py

@@ -0,0 +1,104 @@
+#!/usr/bin/env python3
+"""
+doc2txt - 将 Word 文档（.docx）转换为纯文本的工具
+"""
+
+import argparse
+import sys
+import os
+
+from docx import Document
+
+
+def extract_text(input_path, enable_tables=False, verbose=False):
+    """
+    从 docx 文件中提取文本内容。
+    
+    Args:
+        input_path: docx 文件路径
+        enable_tables: 是否提取表格内容
+        verbose: 是否打印详细信息
+    
+    Returns:
+        提取的文本字符串
+    """
+    if not os.path.exists(input_path):
+        print(f"错误：文件不存在 - {input_path}", file=sys.stderr)
+        sys.exit(1)
+    
+    if not input_path.endswith('.docx'):
+        print(f"警告：文件不是 .docx 格式 - {input_path}", file=sys.stderr)
+    
+    doc = Document(input_path)
+    output_lines = []
+    
+    para_count = 0
+    table_count = 0
+    
+    # 提取段落文本
+    for para in doc.paragraphs:
+        text = para.text.strip()
+        if text:
+            output_lines.append(text)
+            para_count += 1
+    
+    # 提取表格文本（可选）
+    if enable_tables:
+        for table_idx, table in enumerate(doc.tables):
+            table_count += 1
+            if output_lines:
+                output_lines.append("")  # 空行分隔
+            output_lines.append(f"--- 表格 {table_idx + 1} ---")
+            for row in table.rows:
+                row_text = " | ".join(cell.text.strip() for cell in row.cells)
+                output_lines.append(row_text)
+    
+    if verbose:
+        print(f"[信息] 共处理 {len(doc.paragraphs)} 个段落", file=sys.stderr)
+        print(f"[信息] 提取非空段落 {para_count} 个", file=sys.stderr)
+        print(f"[信息] 共处理 {len(doc.tables)} 个表格", file=sys.stderr)
+        if enable_tables:
+            print(f"[信息] 提取表格 {table_count} 个", file=sys.stderr)
+    
+    return "\n".join(output_lines)
+
+
+def main():
+    parser = argparse.ArgumentParser(
+        description="将 Word 文档（.docx）转换为纯文本",
+        epilog="""
+参数说明:
+  -i, --input   输入的 .docx 文件路径（必填）
+  -o, --output  输出 .txt 文件路径（可选，不指定则输出到 stdout）
+  -t, --table   启用表格内容提取（默认仅提取段落文本）
+  -v, --verbose 显示详细处理信息（段落数、表格数等）
+
+使用示例:
+  %(prog)s -i 报告.docx -o 报告.txt
+  %(prog)s -i 报告.docx                        # 输出到终端
+  %(prog)s -i 报告.docx -t                     # 同时提取表格
+  %(prog)s -i 报告.docx -o 报告.txt -t -v      # 完整模式
+        """,
+        formatter_class=argparse.RawDescriptionHelpFormatter
+    )
+    
+    parser.add_argument("-i", "--input", required=True, help="输入的 .docx 文件路径")
+    parser.add_argument("-o", "--output", help="输出的 .txt 文件路径（可选，不指定则输出到 stdout）")
+    parser.add_argument("-t", "--table", action="store_true", help="启用表格内容提取")
+    parser.add_argument("-v", "--verbose", action="store_true", help="显示详细处理信息")
+    
+    args = parser.parse_args()
+    
+    text = extract_text(args.input, enable_tables=args.table, verbose=args.verbose)
+    
+    if args.output:
+        with open(args.output, "w", encoding="utf-8") as f:
+            f.write(text)
+        if args.verbose:
+            print(f"[信息] 已写入文件：{args.output}", file=sys.stderr)
+    else:
+        print(text)
+
+
+if __name__ == "__main__":
+    main()