aifinlab/excel-parsing

Excel解析 Skill

数据来源

本 Skill 支持多种Excel文档输入格式，核心数据来源包括：

1. Excel文档类型

• .xls格式：Microsoft Excel 97-2003文档
• .xlsx格式：Microsoft Excel 2007及以上版本文档
• .xlsm格式：包含宏的Excel文档
• .csv格式：CSV格式数据文件

2. 文档内容类型

• 财务报表：利润表、资产负债表、现金流量表
• 数据报表：业务数据报表、统计报表
• 清单表格：产品清单、客户清单、交易清单
• 分析表格：数据分析表格、对比分析表格

3. 文档特征

• 工作表数量：单工作表、多工作表
• 数据规模：小表格（<1000行）、大表格（>10000行）
• 格式复杂度：简单表格、复杂格式表格

4. 数据格式要求

• 文件路径：本地文件路径或网络文件URL
• 文件编码：UTF-8、GBK、GB2312等
• 文件权限：需要读取权限

说明：本 Skill 不包含文档采集功能，需要用户提供Excel文档文件。建议文档格式规范，以便进行准确的解析。

---

功能

本 Skill 提供全面的Excel文档解析能力，涵盖多种解析功能：

1. 工作表识别

• 工作表列表：识别所有工作表名称
• 工作表类型：识别工作表类型和用途
• 工作表结构：识别工作表的整体结构
• 工作表选择：支持指定工作表解析

2. 表格数据提取

• 单元格数据提取：提取单元格的具体数据
• 行列数据提取：提取指定行列的数据
• 区域数据提取：提取指定区域的数据
• 数据格式识别：识别数据的格式类型

3. 表格结构识别

• 表头识别：识别表格的表头行
• 数据区域识别：识别数据区域范围
• 合并单元格处理：处理合并单元格的情况
• 空行空列处理：识别和处理空行空列

4. 格式信息提取

• 单元格格式：提取单元格的格式信息
• 字体信息：提取字体、字号、颜色等信息
• 对齐方式：提取对齐方式信息
• 边框样式：提取边框样式信息

5. 公式处理

• 公式识别：识别单元格中的公式
• 公式计算：计算公式的结果值
• 公式依赖：识别公式的依赖关系

6. 图表识别

• 图表提取：提取Excel中的图表
• 图表类型识别：识别图表类型
• 图表数据提取：提取图表的数据源

7. 高级处理功能

• 数据类型转换：自动转换数据类型
• 数据清洗：清洗和规范化数据
• 结构化输出：输出结构化的表格数据

---

使用示例

输出示例

{
  "document_info": {
    "filename": "financial_report.xlsx",
    "file_size": 2048000,
    "sheet_count": 3,
    "language": "zh-CN"
  },
  "sheets": [
    {
      "sheet_name": "利润表",
      "sheet_index": 0,
      "row_count": 50,
      "column_count": 5,
      "data_range": "A1:E50",
      "headers": ["项目", "2024年", "2023年", "2022年", "2021年"],
      "data": [
        {
          "row": 2,
          "values": ["营业收入", "1000", "900", "800", "700"]
        },
        {
          "row": 3,
          "values": ["营业成本", "600", "550", "500", "450"]
        }
      ],
      "merged_cells": [
        {
          "range": "A1:E1",
          "value": "利润表"
        }
      ]
    }
  ],
  "format_info": {
    "number_formats": {
      "B2:E50": "0.00"
    },
    "font_info": {
      "A1:E1": {
        "font": "宋体",
        "size": 14,
        "bold": true
      }
    }
  }
}

---

注意事项与限制

1. 文档格式要求

• 支持标准Excel格式文档
• 复杂格式可能影响解析准确性
• 受保护工作表可能无法解析

2. 解析准确性

• 标准表格解析准确率较高
• 复杂格式表格可能有限
• 公式计算需要Excel引擎支持

3. 性能考虑

• 大表格处理可能需要较长时间
• 内存占用与表格大小成正比
• 建议对大表格进行分块处理

4. 格式兼容性

• 不同Excel版本格式可能不同
• 需要处理格式兼容性问题
• 特殊格式可能需要特殊处理

5. 使用限制

• 本 Skill 不包含Excel编辑功能
• 解析结果需要人工复核
• 受保护文档可能无法解析

---

参考资料

• 见 references/ 目录中的相关文档，包括：
  • Excel解析方法手册
  • 表格结构识别算法说明
  • 公式处理使用指南
  • 性能优化指南

License

• 本 skill 代码部分采用 MIT License，详见 LICENSE 文件
• 依赖与运行环境以 requirements.txt 为准
• 文档内容采用 CC BY 4.0 许可