Documentation
¶
Index ¶
- func New(content string, mime string) core.Document
- func Open(filePath string) (core.Document, error)
- type ParseFunc
- type RawDocument
- func NewRawDoc(text string) *RawDocument
- func ParseCSV(r io.Reader) (*RawDocument, error)
- func ParseDocx(r io.Reader) (*RawDocument, error)
- func ParseEML(r io.Reader) (*RawDocument, error)
- func ParseEPUB(r io.Reader) (*RawDocument, error)
- func ParseHTML(r io.Reader) (*RawDocument, error)
- func ParseImage(r io.Reader) (*RawDocument, error)
- func ParseMSG(r io.Reader) (*RawDocument, error)
- func ParsePDF(r io.Reader) (*RawDocument, error)
- func ParsePPTX(r io.Reader) (*RawDocument, error)
- func ParseText(r io.Reader) (*RawDocument, error)
- func ParseXlsx(r io.Reader) (*RawDocument, error)
Constants ¶
This section is empty.
Variables ¶
This section is empty.
Functions ¶
Types ¶
type RawDocument ¶
func NewRawDoc ¶
func NewRawDoc(text string) *RawDocument
func ParseDocx ¶
func ParseDocx(r io.Reader) (*RawDocument, error)
ParseDocx reads a .docx file and converts it to Markdown. Uses only standard library (archive/zip + encoding/xml).
func ParseEML ¶ added in v1.1.11
func ParseEML(r io.Reader) (*RawDocument, error)
ParseEML 解析 EML 邮件文件（RFC 822/MIME 格式）。 提取发件人、收件人、主题、日期等元信息，将正文转为 Markdown。
func ParseEPUB ¶ added in v1.1.11
func ParseEPUB(r io.Reader) (*RawDocument, error)
ParseEPUB 解析 EPUB 电子书，将内容提取为 Markdown 格式。 EPUB 是 ZIP 容器，包含 OPF 元数据文件和 XHTML 内容文件。 使用已有的 html-to-markdown 库将 XHTML 转为 Markdown。
func ParseHTML ¶
func ParseHTML(r io.Reader) (*RawDocument, error)
ParseHTML 将 HTML 内容转换为 Markdown 格式的 RawDocument。 使用 html-to-markdown 库处理标题、列表、链接、表格、图片、代码块等元素。 自动从 <title> 标签提取文档标题。
func ParseImage ¶
func ParseImage(r io.Reader) (*RawDocument, error)
ParseImage 读取图片文件，返回 RawDocument 优化：只加载缩略图（224x224）以节省内存，并检测图片真实 MIME 类型
func ParseMSG ¶ added in v1.1.11
func ParseMSG(r io.Reader) (*RawDocument, error)
ParseMSG 解析 Outlook MSG 文件（OLE2 复合文档格式）。 提取发件人、主题、日期、收件人等元信息，将正文转为 Markdown。
func ParsePPTX ¶
func ParsePPTX(r io.Reader) (*RawDocument, error)
ParsePPTX reads a .pptx file and converts it to Markdown. Uses only standard library (archive/zip + encoding/xml).
func ParseXlsx ¶
func ParseXlsx(r io.Reader) (*RawDocument, error)
ParseXlsx reads an .xlsx file and converts it to Markdown tables.
func (*RawDocument) AddImage ¶
func (r *RawDocument) AddImage(data []byte) *RawDocument
func (*RawDocument) AddImages ¶
func (r *RawDocument) AddImages(data [][]byte) *RawDocument
func (*RawDocument) GetID ¶
func (r *RawDocument) GetID() string
func (*RawDocument) SetValue ¶
func (r *RawDocument) SetValue(key string, value any) *RawDocument
Source Files