| name | excel-parsing |
| description | 用于Excel表解析的Excel解析原子 skill,适用于通用行业文档解析场景。 |
Excel解析 Skill
数据来源
本 Skill 支持多种Excel文档输入格式,核心数据来源包括:
1. Excel文档类型
- .xls格式:Microsoft Excel 97-2003文档
- .xlsx格式:Microsoft Excel 2007及以上版本文档
- .xlsm格式:包含宏的Excel文档
- .csv格式:CSV格式数据文件
2. 文档内容类型
- 财务报表:利润表、资产负债表、现金流量表
- 数据报表:业务数据报表、统计报表
- 清单表格:产品清单、客户清单、交易清单
- 分析表格:数据分析表格、对比分析表格
3. 文档特征
- 工作表数量:单工作表、多工作表
- 数据规模:小表格(<1000行)、大表格(>10000行)
- 格式复杂度:简单表格、复杂格式表格
4. 数据格式要求
- 文件路径:本地文件路径或网络文件URL
- 文件编码:UTF-8、GBK、GB2312等
- 文件权限:需要读取权限
说明:本 Skill 不包含文档采集功能,需要用户提供Excel文档文件。建议文档格式规范,以便进行准确的解析。
功能
本 Skill 提供全面的Excel文档解析能力,涵盖多种解析功能:
1. 工作表识别
- 工作表列表:识别所有工作表名称
- 工作表类型:识别工作表类型和用途
- 工作表结构:识别工作表的整体结构
- 工作表选择:支持指定工作表解析
2. 表格数据提取
- 单元格数据提取:提取单元格的具体数据
- 行列数据提取:提取指定行列的数据
- 区域数据提取:提取指定区域的数据
- 数据格式识别:识别数据的格式类型
3. 表格结构识别
- 表头识别:识别表格的表头行
- 数据区域识别:识别数据区域范围
- 合并单元格处理:处理合并单元格的情况
- 空行空列处理:识别和处理空行空列
4. 格式信息提取
- 单元格格式:提取单元格的格式信息
- 字体信息:提取字体、字号、颜色等信息
- 对齐方式:提取对齐方式信息
- 边框样式:提取边框样式信息
5. 公式处理
- 公式识别:识别单元格中的公式
- 公式计算:计算公式的结果值
- 公式依赖:识别公式的依赖关系
6. 图表识别
- 图表提取:提取Excel中的图表
- 图表类型识别:识别图表类型
- 图表数据提取:提取图表的数据源
7. 高级处理功能
- 数据类型转换:自动转换数据类型
- 数据清洗:清洗和规范化数据
- 结构化输出:输出结构化的表格数据
使用示例
输出示例
{
"document_info": {
"filename": "financial_report.xlsx",
"file_size": 2048000,
"sheet_count": 3,
"language": "zh-CN"
},
"sheets": [
{
"sheet_name": "利润表",
"sheet_index": 0,
"row_count": 50,
"column_count": 5,
"data_range": "A1:E50",
"headers": ["项目", "2024年", "2023年", "2022年", "2021年"]
注意事项与限制
1. 文档格式要求
- 支持标准Excel格式文档
- 复杂格式可能影响解析准确性
- 受保护工作表可能无法解析
2. 解析准确性
- 标准表格解析准确率较高
- 复杂格式表格可能有限
- 公式计算需要Excel引擎支持
3. 性能考虑
- 大表格处理可能需要较长时间
- 内存占用与表格大小成正比
- 建议对大表格进行分块处理
4. 格式兼容性
- 不同Excel版本格式可能不同
- 需要处理格式兼容性问题
- 特殊格式可能需要特殊处理
5. 使用限制
- 本 Skill 不包含Excel编辑功能
- 解析结果需要人工复核
- 受保护文档可能无法解析
参考资料
- 见 references/ 目录中的相关文档,包括:
- Excel解析方法手册
- 表格结构识别算法说明
- 公式处理使用指南
- 性能优化指南
License
- 本 skill 代码部分采用 MIT License,详见
LICENSE 文件
- 依赖与运行环境以
requirements.txt 为准
- 文档内容采用 CC BY 4.0 许可