mirror of https://github.com/hansjone/oclaw.git synced 2026-10-10 03:53:16 +08:00

oliver 4d9232f3b3 统一技能安装与 Skills 市场接入链路。

新增公开安装工具与多来源 provider 支持，补齐管理端与目录加载逻辑，并同步更新相关测试与文档以保证可见性和路径安全。

Made-with: Cursor

2026-04-30 22:17:50 +08:00

4.6 KiB

Raw Blame History

Word Reader 技能开发完成

🎯 技能概述

成功创建了一个功能完整的 Word 文档读取技能，支持读取 .docx 和 .doc 格式的 Word 文档，能够提取文本内容、表格数据、文档元信息，并提供多种输出格式。

📁 技能结构

word-reader/
├── SKILL.md                    # 技能定义文件
├── README.md                   # 使用说明
├── skill.json                  # 技能配置
├── demo.sh                     # 演示脚本
├── install.sh                  # 安装脚本
├── test.md                     # 测试文档
└── scripts/
    └── read_word.py            # 核心脚本

✨ 主要功能

1. 文档解析能力

✅ 文本提取 - 提取文档中的所有段落文本
✅ 表格解析 - 解析表格数据并转换为结构化格式
✅ 元数据获取 - 读取文档属性（标题、作者、创建时间等）
✅ 图片信息 - 获取文档中图片的基本信息

2. 格式支持

✅ .docx - Office 2007+ 格式（主要支持）
✅ .doc - 旧版 Word 格式（需要 antiword）

3. 输出格式

✅ JSON - 结构化数据，适合程序处理
✅ Text - 纯文本格式，简单易读
✅ Markdown - 格式化输出，保留文档结构

4. 高级功能

✅ 批量处理 - 支持处理整个目录的文档
✅ 选择性提取 - 可只提取特定内容类型
✅ 文件输出 - 支持保存结果到文件
✅ 编码支持 - 支持多种文本编码

🚀 使用示例

基本用法

# 读取文档
python3 scripts/read_word.py 文档.docx

# JSON 格式输出
python3 scripts/read_word.py 文档.docx --format json

# Markdown 格式输出
python3 scripts/read_word.py 文档.docx --format markdown

# 只提取文本
python3 scripts/read_word.py 文档.docx --extract text

批量处理

# 批量处理目录下所有文档
python3 scripts/read_word.py ./文档目录 --batch

# 批量处理并保存结果
python3 scripts/read_word.py ./文档目录 --batch --format json --output results.json

🔧 安装和配置

自动安装

cd word-reader/
./install.sh

手动安装

# 安装 Python 依赖
pip3 install python-docx

# 安装系统依赖（可选）
sudo apt-get install antiword  # Ubuntu/Debian
brew install antiword          # macOS

# 设置执行权限
chmod +x scripts/read_word.py

📊 输出示例

JSON 格式

{
  "metadata": {
    "filename": "文档.docx",
    "title": "文档标题",
    "author": "作者",
    "created": "2024-01-01T10:00:00",
    "modified": "2024-01-01T12:00:00"
  },
  "format": "docx",
  "text": "文档内容...",
  "tables": [...],
  "images": [...]
}

Markdown 格式

# 文档.docx

**标题**：文档标题  
**作者**：作者  
**创建时间**：2024-01-01T10:00:00  

## 正文内容

文档内容...

## 表格内容

| 表头1 | 表头2 |
|-------|-------|
| 数据1 | 数据2 |

🎨 技能特点

1. 智能错误处理

友好的错误提示
自动检测文档格式
优雅的异常处理

2. 性能优化

流式处理大文件
内存使用优化
进度显示（批量模式）

3. 用户友好

详细的帮助信息
多种使用方式
完整的文档说明

4. 可扩展性

模块化设计
易于添加新功能
支持自定义输出格式

🎯 应用场景

1. 文档内容分析

快速查看 Word 文档内容
提取特定信息
文档摘要生成

2. 批量处理

处理大量文档
文档格式转换
内容索引创建

3. 自动化工作流

集到文档处理系统
自动化文档分析
内容管理系统集成

📝 开发总结

实现的功能

完整的 Word 文档解析框架
支持多种输出格式
批量处理能力
错误处理和用户友好性

技术亮点

模块化设计，易于维护
优雅的错误处理机制
支持多种文件格式
灵活的输出选项

改进空间

可以添加 PDF 支持
可以增加图片提取功能
可以优化大文件处理性能
可以添加更多文档元素支持

🚀 发布到 ClawHub

要发布此技能到 ClawHub，可以运行：

# 安装 ClawHub CLI
npm i -g clawhub

# 登录
clawhub login

# 发布技能
clawhub publish ./word-reader \
  --slug word-reader \
  --name "Word Reader" \
  --version 1.0.0 \
  --changelog "Initial release with .docx and .doc support" \
  --tags document,word,office,text-extraction

4.6 KiB Raw Blame History Unescape Escape