file-reader

name: file-reader description: 通用文件读取器，支持 Excel (.xlsx, .xls)、Word (.docx)、PowerPoint (.pptx)、PDF (.pdf) 和文本文件。当用户需要读取、查看或提取这些文件格式的内容时使用。自动检测文件类型并使用适当的方法提取可读文本内容。

文件读取器 Skill

通用文件读取器，从各种文件格式中提取可读文本内容。

支持的文件类型

使用方法

方式一：自动检测（推荐）

python scripts/read_file.py <文件路径>

自动检测文件类型并使用相应的读取器。

方式二：指定读取器

# Excel 文件
python scripts/read_xlsx.py <文件路径> [工作表名称]

# Word 文件
python scripts/read_docx.py <文件路径>

# PowerPoint 文件
python scripts/read_pptx.py <文件路径>

# PDF 文件
python scripts/read_pdf.py <文件路径>

前置条件

安装所需的 Python 包：

# 一键安装所有依赖
pip install -r requirements.txt

或单独安装：

• pip install pandas openpyxl - 用于 Excel 文件
• pip install python-docx - 用于 Word 文件
• pip install python-pptx - 用于 PowerPoint 文件
• pip install pypdf - 用于 PDF 文件
• pip install chardet - 用于编码检测（可选）

输出格式

所有读取器输出纯文本到标准输出：

• Excel：带表头的表格数据，未指定工作表时显示所有工作表
• CSV/TSV：带表头的表格数据
• Word：段落文本后跟表格内容
• PowerPoint：每张幻灯片的文本内容，按页分隔
• PDF：逐页文本，包含元数据信息
• 文本文件：原始内容

示例

# 读取 Excel 文件（显示工作表列表，读取第一个工作表）
python scripts/read_file.py "data.xlsx"

# 读取指定工作表
python scripts/read_xlsx.py "data.xlsx" "Sheet2"

# 读取 Word 文档
python scripts/read_docx.py "report.docx"

# 读取 PowerPoint
python scripts/read_pptx.py "presentation.pptx"

# 读取 PDF
python scripts/read_pdf.py "document.pdf"

# 读取 CSV 文件
python scripts/read_file.py "data.csv"

# 读取 TSV 文件
python scripts/read_file.py "data.tsv"

错误处理

• 文件不存在：清晰的错误信息，显示文件路径
• 不支持的格式：列出支持的格式
• 缺少依赖：显示 pip 安装命令
• 编码问题：自动检测，回退到 UTF-8

各文件类型功能

Excel (.xlsx, .xls)

• 列出所有可用工作表
• 读取指定工作表或默认读取第一个
• 显示行数、列数和列名
• 输出完整表格数据

CSV/TSV

• 自动检测文件编码
• 显示行数、列数和列名
• 输出完整表格数据

Word (.docx)

• 提取所有段落文本
• 读取表格行数据
• 保留文档结构

PowerPoint (.pptx)

• 从每张幻灯片提取文本
• 按页显示内容
• 处理无文本的幻灯片

PDF (.pdf)

• 显示页数和元数据（标题、作者、主题）
• 逐页提取文本
• 保留页面结构

文本文件

• 自动编码检测（UTF-8、GBK 等）
• 使用检测到的编码直接读取
• 无处理开销

注意事项

路径包含特殊字符

当文件路径包含中文括号 （ ） 或其他特殊字符时，请使用引号包裹路径：

python scripts/read_file.py "文件路径（带括号）.pdf"