Doc Processor

Other

智能文档生成引擎 - 样式感知 + 三层模板 + 动态分类支持 Word/Excel/PDF/CSV/TXT 读取、写入、转换、合并、提取、模板填充 v2.7: 性能监控 + 用户文档 + 错误增强 v2.6: Excel 格式保持 + PDF 生成 v2.5: 批量处理 + 模板缓存 v2.4: 日志系统 +...

Install

openclaw skills install doc-processor

文档处理 Skill (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

v2.7.11 起，AI 功能（AI 摘要、AI 分析）已移除，原因：

职责单一: doc-processor 专注文档处理
架构优化: AI 能力由 OpenClaw 主程序统一提供
简化配置: 无需单独配置 LLM_BASE_URL 等环境变量
提升安全: 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：

# 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__(ai_service_type)`	AI 服务配置	参数已移除
`DocumentProcessor.__init__(ai_service_type)`	AI 服务配置	参数已移除
`create_ai_service()`	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):

processor = DocumentProcessor(ai_service_type='hybrid')
summary = processor.summarize_document('file.docx')

新代码 (v2.7.11):

# 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

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

详情见：SECURITY.md

手动安装

1. 安装系统依赖

# 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

# 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 PIP_INDEX_URL=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

python3 check_deps.py

使用示例

获取文档信息

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

读取文档

# 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

# 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

# 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

# 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

# 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

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：

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：

# 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