# 办公文件处理 Skill

处理用户发来的 Word (.docx)、Excel (.xlsx)、PowerPoint (.pptx)、PDF (.pdf) 等办公文件。

## 工作流程

```
收到用户文件请求
  ↓
从 files/ 目录找到文件（或先用 qq_get_file.py 下载）
  ↓
复制到 self-workplace/ 下处理（避免污染原文件）
  ↓
用 Python 脚本处理并输出结果
  ↓
将处理结果通过 qq_send_msg.py 或 qq_send_file.py 发送给用户
  ↓
删除 self-workplace/ 下的临时副本
```

## 环境

虚拟环境位置：`YOUR_WORKSPACE_PATH/self-workplace/.venv`
用 `.venv/bin/python3` 调用，或用 `source .venv/bin/activate` 激活后直接 `python3`。

已安装的包：

| 包 | 用途 | 支持格式 |
|---|---|---|
| python-docx | 读写 Word 文档 | .docx |
| python-pptx | 读写 PPT 演示文稿 | .pptx |
| openpyxl | 读写 Excel 工作簿 | .xlsx |
| PyMuPDF (fitz) | PDF 通用解析（文字/图片/元数据） | .pdf |
| pdfplumber | PDF 精确提取（表格友好） | .pdf |
| Pillow | 图片处理 | .jpg/.png |

## 使用方法

### 1. Word (.docx) — python-docx

```python
from docx import Document

doc = Document("self-workplace/文件名.docx")

# 读取所有段落
for para in doc.paragraphs:
    print(f"[{para.style.name}] {para.text}")

# 读取表格
for table in doc.tables:
    for row in table.rows:
        print(" | ".join(cell.text for cell in row.cells))

# 修改后保存
# doc.save("self-workplace/输出.docx")
```

### 2. PowerPoint (.pptx) — python-pptx

```python
from pptx import Presentation

prs = Presentation("self-workplace/文件名.pptx")

for slide in prs.slides:
    print(f"--- 幻灯片 {slide.slide_id} ---")
    for shape in slide.shapes:
        if shape.has_text_frame:
            text = shape.text_frame.text.strip()
            if text:
                print(text)
        if shape.has_table:
            table = shape.table
            for row in table.rows:
                print(" | ".join(cell.text for cell in row.cells))
```

### 3. Excel (.xlsx) — openpyxl

```python
from openpyxl import load_workbook

wb = load_workbook("self-workplace/文件名.xlsx", data_only=True)

# 工作表列表
print("工作表:", wb.sheetnames)

# 读取第一个工作表
ws = wb.active
for row in ws.iter_rows(values_only=True):
    print(" | ".join(str(cell) if cell is not None else "" for cell in row))
```

### 4. PDF — PyMuPDF（通用提取）

```python
import fitz

doc = fitz.open("self-workplace/文件名.pdf")
print(f"共 {len(doc)} 页")

for page_num in range(len(doc)):
    page = doc[page_num]
    text = page.get_text()
    print(f"--- 第 {page_num+1} 页 ---")
    print(text)
```

### 5. PDF 表格 — pdfplumber（表格提取）

```python
import pdfplumber

with pdfplumber.open("self-workplace/文件名.pdf") as pdf:
    for i, page in enumerate(pdf.pages):
        tables = page.extract_tables()
        for t_idx, table in enumerate(tables):
            print(f"--- 第 {i+1} 页 表格 {t_idx+1} ---")
            for row in table:
                print(" | ".join(str(c) if c else "" for c in row))
```

## 注意事项

1. **复制到 self-workplace 处理**：先 cp 过去再处理，原始文件不动，处理完删临时副本
2. **处理完发送结果**：用 `qq_send_msg.py` 发文字摘要，或 `qq_send_file.py` 发生成的文档
3. **必须清理**：处理完成后删除 `self-workplace/` 下的副本，防止堆积
4. **编码问题**：Python 默认 utf-8，一般没问题。中文 .docx 如果有乱码可尝试 `encoding="utf-8"`