0b7fc29ac4
Co-authored-by: Dt8333 <25431943+Dt8333@users.noreply.github.com> Co-authored-by: Soulter <905617992@qq.com>
52 lines
963 B
Python
52 lines
963 B
Python
"""文档解析器基类和数据结构
|
|
|
|
定义了文档解析器的抽象接口和相关数据类。
|
|
"""
|
|
|
|
from abc import ABC, abstractmethod
|
|
from dataclasses import dataclass
|
|
|
|
|
|
@dataclass
|
|
class MediaItem:
|
|
"""多媒体项
|
|
|
|
表示从文档中提取的多媒体资源。
|
|
"""
|
|
|
|
media_type: str # image, video
|
|
file_name: str
|
|
content: bytes
|
|
mime_type: str
|
|
|
|
|
|
@dataclass
|
|
class ParseResult:
|
|
"""解析结果
|
|
|
|
包含解析后的文本内容和提取的多媒体资源。
|
|
"""
|
|
|
|
text: str
|
|
media: list[MediaItem]
|
|
|
|
|
|
class BaseParser(ABC):
|
|
"""文档解析器基类
|
|
|
|
所有文档解析器都应该继承此类并实现 parse 方法。
|
|
"""
|
|
|
|
@abstractmethod
|
|
async def parse(self, file_content: bytes, file_name: str) -> ParseResult:
|
|
"""解析文档
|
|
|
|
Args:
|
|
file_content: 文件内容
|
|
file_name: 文件名
|
|
|
|
Returns:
|
|
ParseResult: 解析结果
|
|
|
|
"""
|