文档读取插件 Yun-tech123/dsh-document-reader

dsh-document-reader

一个 DeepSeek Harness (DSH) 网页端插件：在聊天输入框里直接读取 PDF / Word (.docx) / PPT (.pptx) / 纯文本与代码 文件，把提取出的文字填入输入框草稿。

一个 DeepSeek Harness (DSH) 网页端插件，可通过文件选择器或将文件拖拽到页面任意位置，直接将 PDF / Word (.docx) / PPT (.pptx) / 纯文本与代码 文件读取到输入框中。

功能 / Features

- 上传读取：输入框工具栏出现「文档」按钮，点击可选择文件（支持多选）。
- 整页拖拽：把文档拖到页面任意位置，出现「释放以读取文档」遮罩，松手即读取。
- 格式支持：.pdf（服务端 pdfjs-dist 精确解析）、.docx、.pptx、以及 txt / md / csv / json / yaml / 代码 等纯文本。
- 输出上限：单文件 20 万字符，超出自动截断。

- 上传：输入框工具栏出现「文档」按钮；点击可选择文件（支持多选）。
- 拖拽：将文档拖到页面任意位置并释放即可读取。
- 格式：.pdf（服务端使用 pdfjs-dist 解析）、.docx、.pptx，以及 txt / md / csv / json / yaml / code 等纯文本。
- 输出上限：单文件 20 万字符，超出会截断并附注说明。

架构 / Architecture

- 客户端 (lib/client.js)：注册到 conversation.input.left 插槽，负责 UI、拖拽、以及 .docx/.pptx（ZIP + XML）和纯文本的前端解析。
- 服务端 (lib/index.js)：注册 POST /read-document/parse 路由，用 Mozilla pdfjs-dist 解析 PDF（正确支持对象流、xref stream、CID 字体、ToUnicode CMap）。

- 客户端 (lib/client.js)：注册到 conversation.input.left 插槽；负责 UI、拖拽，以及 .docx/.pptx（ZIP + XML）和纯文本的客户端解析。
- 服务端 (lib/index.js)：注册 POST /read-document/parse，使用 Mozilla pdfjs-dist 解析 PDF（正确处理对象流、xref 流、CID 字体、ToUnicode CMap）。

安装 / Install

需要先安装 dsh 并可用 pnpm。

1. 安装到 web 配置（会自动注册到 dsh.profile.bundles）
dsh plugin --profile web add github:Yun-tech123/dsh-document-reader

2. 重启 web 服务
dsh web

安装后刷新页面，输入框工具栏即出现「文档」按钮。

dsh plugin 需要本机可用 pnpm；若未安装，可先 corepack enable 或 npm i -g pnpm。

手动安装 / Manual install

1. 把本仓库克隆到本地，dsh plugin --profile web add 。
2. 确认 package.json 的 dsh.profile.bundles 里已包含 dsh-document-reader（dsh plugin 会自动加入）。
3. 重启 dsh web，刷新页面。

限制 / Limitations

- PDF 为文本提取：纯扫描件（图片型 PDF） 无文本层，无法提取。
- 老式二进制 .doc / .xls / .ppt 暂不支持，请先另存为 .docx / .pptx。
- 需要较新浏览器（.docx/.pptx 用 DecompressionStream，Chrome/Edge/Firefox 2022+ 均可）。

- PDF 为文本提取：纯扫描件（图片型 PDF）没有文本层，无法提取。
- 不支持旧版二进制 .doc / .xls / .ppt；请先另存为 .docx / .pptx。
- 需要较新的浏览器（.docx/.pptx 使用 DecompressionStream；Chrome/Edge/Firefox 2022+ 均可）。

License

MIT