73 lines
1.5 KiB
Go
73 lines
1.5 KiB
Go
package document
|
|
|
|
import (
|
|
"io"
|
|
"os"
|
|
|
|
"apigo.cc/go/cast"
|
|
"apigo.cc/go/file"
|
|
"github.com/young2j/oxmltotext/docxtotext"
|
|
)
|
|
|
|
// Docx 封装了 Word 文档的读取与识别。
|
|
type Docx struct {
|
|
filename string
|
|
Content string
|
|
Metadata map[string]any
|
|
}
|
|
|
|
// OpenDocx 打开一个 Word 文档 (.docx)。
|
|
func OpenDocx(filename string) (*Docx, error) {
|
|
if !file.Exists(filename) {
|
|
return nil, os.ErrNotExist
|
|
}
|
|
d := &Docx{
|
|
filename: filename,
|
|
Metadata: make(map[string]any),
|
|
}
|
|
|
|
dp, err := docxtotext.Open(filename)
|
|
if err == nil {
|
|
defer dp.Close()
|
|
d.Content, _ = dp.ExtractTexts()
|
|
}
|
|
|
|
return d, nil
|
|
}
|
|
|
|
// ToJSON 返回包含元数据和内容的 JSON 字符串。
|
|
func (d *Docx) ToJSON() string {
|
|
res, _ := cast.ToJSON(map[string]any{
|
|
"metadata": d.Metadata,
|
|
"content": d.Content,
|
|
})
|
|
return res
|
|
}
|
|
|
|
// ToMarkdown 返回 Markdown 格式的内容。
|
|
func (d *Docx) ToMarkdown() string {
|
|
return d.Content
|
|
}
|
|
|
|
// Save 保存文档。目前主要支持保存提取后的文本。
|
|
func (d *Docx) Save(filename ...string) error {
|
|
path := d.filename
|
|
if len(filename) > 0 && filename[0] != "" {
|
|
path = filename[0]
|
|
}
|
|
// 如果是原格式保存，目前仅作为文本保存或保持原样
|
|
// 复杂的 Docx 写入暂未集成
|
|
return file.Write(path, d.Content)
|
|
}
|
|
|
|
// ReadText 从 io.Reader 中读取并提取 Word 文本。
|
|
func (d *Docx) ReadText(r io.ReaderAt, size int64) (string, error) {
|
|
dp, err := docxtotext.OpenReader(r, size)
|
|
if err != nil {
|
|
return "", err
|
|
}
|
|
defer dp.Close()
|
|
|
|
return dp.ExtractTexts()
|
|
}
|