技能名称: doc-processor
详细描述:

文档处理技能 (Doc Processor)

统一的本地文档处理工具，支持多种格式的读取、写入、转换、合并和数据提取。

支持格式

格式	扩展名	读取	写入	转换	合并	提取
PDF	.pdf	✅	❌	⚠️	❌	✅
Word

.docx | ✅ | ✅ | ✅ | ✅ | ✅ | | Excel | .xlsx | ✅ | ✅ | ✅ | ✅ | ✅ | | CSV | .csv | ✅ | ✅ | ✅ | - | ✅ | | 文本 | .txt | ✅ | ✅ | ✅ | - | ✅ | | Markdown | .md | ✅ | ✅ | ✅ | - | ✅ |

注意:

• - ❌ 不支持 .doc 和 .xls 旧格式（需先用 LibreOffice 转换）
• ✅ PDF 处理使用系统工具 poppler-utils

v2.7.11 重要变更

AI 功能已移除

自 v2.7.11 起，AI 功能（AI 摘要、AI 分析）已移除，原因如下：

1. 1. 职责单一: doc-processor 专注于文档处理
2. 架构优化: AI 能力由 OpenClaw 主程序统一提供
3. 简化配置: 无需单独配置 LLMBASEURL 等环境变量
4. 提升安全性: 移除网络请求，消除 ClawHub 安全标记

如需 AI 功能，请使用 OpenClaw 主程序的 LLM 能力：

python

1. 使用 doc-processor 读取文档

content = doc_processor.read(report.docx)

2. 将内容发送给 OpenClaw 的 LLM 进行摘要/分析

(通过 OpenClaw 的消息系统或 API)

受影响的 API

以下方法已移除或修改：

方法	原功能	新行为
ContentAdapter.init(aiservicetype)	AI 服务配置	参数已移除
DocumentProcessor.init(aiservicetype)

AI 服务配置 | 参数已移除 |
| createaiservice() | 创建 AI 服务 | 抛出 NotImplementedError |
| summarize_document() | AI 摘要 | 抛出 NotImplementedError |

迁移指南

原代码 (v2.7.10):
python
processor = DocumentProcessor(aiservicetype=hybrid)
summary = processor.summarize_document(file.docx)

新代码 (v2.7.11):
python

1. 读取文档

processor = DocumentProcessor()
content = processor.read(file.docx)

2. 使用 OpenClaw 主程序进行 AI 处理

(具体方式取决于 OpenClaw 的实现)

安装

一键安装

bash
cd ~/.openclaw/workspace/skills/doc-processor
./setup.sh

安装脚本说明:

• - ✅ 标准 pip 操作，安装 Python 依赖
• ✅ 依赖列表：python-docx, openpyxl, pandas, python-dotenv
• ✅ 从官方 PyPI 或可信镜像源安装
• ✅ 无恶意代码，完全开源

详情请见：SECURITY.md

手动安装

1. 安装系统依赖

bash

Linux (Debian/Ubuntu)

sudo apt install poppler-utils

Linux (RHEL/CentOS)

sudo yum install poppler-utils

macOS

brew install poppler

2. 安装 Python 依赖

bash

使用默认官方源

./setup.sh

使用清华镜像源（中国大陆推荐）

./setup.sh https://pypi.tuna.tsinghua.edu.cn/simple

或使用环境变量

export PIPINDEXURL=https://pypi.tuna.tsinghua.edu.cn/simple ./setup.sh

其他镜像源

./setup.sh https://pypi.mirrors.ustc.edu.cn/simple

3. 验证安装

bash
python3 check_deps.py

使用示例

获取文档信息

bash
./scripts/doc-info.sh report.pdf

读取文档

bash

读取 PDF

./scripts/doc-read.sh report.pdf

读取 Word（包含表格）

./scripts/doc-read.sh meeting.docx

读取 Excel（所有 sheet）

./scripts/doc-read.sh data.xlsx

写入文档

bash

写入 Word

echo {title: 报告, paragraphs: [第一段, 第二段]} | \
./scripts/doc-write.sh -o output.docx

写入 Excel

echo [[姓名, 年龄], [张三, 25], [李四, 30]] | \ ./scripts/doc-write.sh -o data.xlsx

格式转换

bash

Word 转 CSV

./scripts/doc-convert.sh table.docx table.csv

Excel 转 Word

./scripts/doc-convert.sh data.xlsx report.docx

PDF 转文本

./scripts/doc-convert.sh report.pdf report.txt

合并文档

bash

合并 Word 文档

./scripts/doc-merge.sh part1.docx part2.docx -o merged.docx

合并 Excel（每个文件→独立 sheet）

./scripts/doc-merge.sh q1.xlsx q2.xlsx -o yearly.xlsx

提取数据

bash

提取 Word 中的表格

python3 doc_processor.py --action extract \
--input report.docx --options {include_tables: true}

提取 Excel 指定 sheet

python3 doc_processor.py --action extract \ --input data.xlsx --options {sheet_names: [Sheet1]}

Python API

python
from doc_processor import DocumentProcessor

processor = DocumentProcessor(workspace=/path/to/workspace)

获取文档信息

info = processor.get_info(report.docx) print(info.to_dict())

读取内容

content = processor.read(report.docx) print(content.data[paragraphs])

写入文档

processor.write(output.docx, { title: 新文档, paragraphs: [内容 1, 内容 2] })

转换格式

processor.convert(input.docx, output.csv)

合并文档

processor.merge([a.docx, b.docx], merged.docx)

提取数据

data = processor.extract(data.xlsx)

依赖说明

依赖	类型	用途	自动安装
poppler-utils	系统	PDF 读取	✅ (Linux/macOS)
python3

系统 | 运行环境 | ❌ (需预装) | | python-docx | Python | Word 处理 | ✅ (setup.sh) | | openpyxl | Python | Excel 读写 | ✅ (setup.sh) | | pandas | Python | 数据处理 | ✅ (setup.sh) |

更新日志

v1.0.4 (2026-03-25)

Bug 修复:

• - ✅ 修复 Excel 写入失败问题 - 支持 {sheet_name: ..., data: [...]} 格式
• ✅ 修复 Word 合并失败问题 - 正确处理相对路径，避免 Package not found 错误

v1.0.3 (2026-03-25)

Bug 修复:

• - ✅ 修复 CSV→Excel 转换问题
• ✅ 修复 DocInfo 属性问题

常见问题

Q: 为什么不支持 .doc 和 .xls？

A: 这些是旧的二进制格式，需要 LibreOffice 转换。建议先用 LibreOffice 转换为 .docx/.xlsx：

bash
libreoffice --headless --convert-to docx old.doc
libreoffice --headless --convert-to xlsx old.xls

Q: PDF 写入支持吗？

A: 不支持。PDF 是只读格式。如需生成 PDF，可先创建 Word 文档再手动转换。

Q: 大文件处理慢怎么办？

A: 建议使用 --options 限制读取范围：

bash

只读取 PDF 前 5 页

python3 doc_processor.py --action read \
--input large.pdf --options {pages: 1-5}

许可证

MIT License