dsh-office-extractor

为 DeepSeek Harness (DSH) 代理准备的 Office 文档解析包（阶段一：docx + xlsx）： 提供 dsh-office 命令行工具与 Node.js API，支持全文、表格、元数据提取与关键词搜索。

不修改 DSH 任何核心代码 —— 以「独立 npm 包 + 一份 DSH Skill 指令」的插件形式接入。

功能

| 能力 | CLI | API | | --- | --- | --- | | 元信息（类型/页数/sheet 数/标题/作者…） | dsh-office info | officeInfo() | | 全文 | dsh-office text | extractText() | | 分页/sheet 分隔 | dsh-office pages | extractText() | | 表格（Markdown/CSV/JSON） | dsh-office tables | extractTables() | | 关键词搜索（页码 + 片段） | dsh-office search | searchText() |

• --pages：xlsx 工作表索引（1-based）；docx 忽略。
• 加密 xlsx：--password <密码>。

格式映射

• docx：整篇视为 1 页；meta 含 core 文档属性；表格从文档 HTML 中提取。
• xlsx：每工作表为 1 页（即一张表，首行表头）；meta 含工作表名与工作簿属性。

安装 CLI

npm install -g dsh-office-extractor
dsh-office --help

安装 DSH Skill

# 项目级（写入 <项目>/.dsh/skills/office-extractor/SKILL.md）
node scripts/install-skill.mjs --project <项目目录>
# 用户级
node scripts/install-skill.mjs --user

安装后新建 DSH 会话即被发现。

使用

dsh-office info report.docx
dsh-office text ledger.xlsx --pages 1-2
dsh-office tables ledger.xlsx --format csv
dsh-office search report.docx "conclusion"

安全说明

解析基于 mammoth（docx）、xlsx（SheetJS）与 cheerio/jszip。npm 官方发布的 [email protected] 存在已知安全提示（原型污染/ReDoS），对本地可信任文件解析可接受； 如需处理不可信来源，请升级到 SheetJS 官方 CDN 维护版或改用 exceljs。

测试

npm run build
npm run gen-sample   # 生成 test/sample.docx 与 test/sample.xlsx
npm run smoke        # 冒烟测试（23 项断言）

发布

仓库附带 .github/workflows/publish.yml：推送 v* tag 触发 CI（npm ci → build → smoke → npm publish --access public）。认证用仓库 Secret NPM_TOKEN（npm 自动化 token，绝不写入提交）。