excel-parsing

# 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 ```json { "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"], "data": [ { "row": 2, "values": ["营业收入", "1000", "900", "800", "700"] }, { "row": 3, "values": ["营业成本", "600", "550", "500", "450"] } ], "merged_cells": [ { "range": "A1:E1", "value": "利润表" } ] } ], "format_info": { "number_formats": { "B2:E50": "0.00" }, "font_info": { "A1:E1": { "font": "宋体", "size": 14, "bold": true } } } } ``` --- ## 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