# python切片

**Repository Path**: oyster_qi/python-slicing

## Basic Information

- **Project Name**: python切片
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-04-03
- **Last Updated**: 2026-05-11

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 多格式文档解析系统

文档解析与分片服务。

## 技术栈

- Python 3.10+
- FastAPI
- PyMuPDF (PDF解析)
- python-docx (Word解析)
- openpyxl (Excel解析)
- python-pptx (PPT解析)

## 环境变量

```bash
# RabbitMQ
MQ_HOST=localhost
MQ_PORT=5672
MQ_USER=docmind
MQ_PASS=

# MinIO
MINIO_ENDPOINT=localhost:9000
MINIO_ACCESS_KEY=docmind
MINIO_SECRET_KEY=
MINIO_BUCKET_NAME=docmind-files

# Kimi API (可选)
KIMI_API_KEY=
```

## 启动方式

```bash
conda activate PythonProject
python main.py
```

## API 接口

| 接口 | 方法 | 说明 |
|------|------|------|
| `/parse` | POST | 解析文档 |
| `/task/{task_id}` | GET | 查询任务状态 |
| `/chunk` | POST | 解析并分片 |
| `/export/markdown` | POST | 导出Markdown |

## AST Block 输出字段

| 字段 | 类型 | 说明 |
|------|------|------|
| block_id | string | 块ID |
| block_type | string | 块类型: heading/paragraph/table/image/formula |
| text | string | 文本内容 |
| page_number | int | 页码 |
| heading_path | string | 标题路径 |
| paragraph_index | int | 段落索引 |
| text_hash | string | 文本指纹 |

## 目录结构

```
doc_parser/
├── api.py              # FastAPI 服务入口
├── main.py             # 主程序入口
├── worker.py           # 异步任务 Worker
├── requirements.txt    # 依赖
├── .env.example        # 环境变量示例
├── app/                # 核心应用代码
│   ├── parsers/        # 文档解析器
│   ├── models/         # 数据模型
│   ├── utils/          # 工具函数
│   ├── chunker.py      # 分片器
│   ├── exporter.py     # 导出器
│   └── multimodal.py   # 多模态处理
├── config/             # 配置文件
├── static/             # 静态资源
└── uploads/            # 上传文件存储
```