核心用法
Doc Processor 是一款开源本地文档处理引擎，主打格式互通与批量自动化。核心功能覆盖六大维度：读取（解析文本、表格、元数据）、写入（基于模板或 JSON 数据生成新文档）、转换（Word↔Excel↔CSV↔Markdown）、合并（多文件整合为单一文档）、提取（表格识别、指定页码范围读取）。支持 Python API 与 Shell 脚本双模式，既可嵌入自动化流程，也能命令行快速操作。
显著优点
1. 格式覆盖全面：原生支持现代 Office 格式（docx/xlsx），配合系统级 Poppler 工具链实现 PDF 解析，避免商业软件依赖。
2. 模板化工作流：v2.3+ 引入三层模板系统与样式感知，可基于既有文档样式生成新文件，保持企业视觉一致性。
3. 性能优化：v2.5+ 模板缓存、v2.7+ 性能监控，批量处理场景下响应速度可控。
4. 隐私优先：纯本地执行，文档不上传云端，适合敏感资料处理。
潜在局限
- 旧格式支持缺失：.doc/.xls 等二进制格式需借助 LibreOffice 预转换，增加一步操作成本。
- PDF 只读限制：无法直接生成或编辑 PDF，需绕道 Word 再转档。
- 系统依赖较重：Linux/macOS 需预装 poppler-utils，Windows 兼容性未明确说明。
- AI 总结功能浅层：日志中提及的 "AI 总结" 实为辅助特性，非核心卖点，不要过度期待智能生成质量。
适合人群
- 企业行政、财务、法务等需批量处理合同、报表的职能团队
- 本地优先、数据合规要求高的政府/医疗/金融机构
- 开发者构建自动化文档流水线（RPA、CI/CD 报告生成）
常规风险
- 路径注入：Shell 脚本接收文件路径参数，若未校验可能触发路径遍历（如
--input ../../../etc/passwd）。建议对输入路径做白名单校验。 - 依赖供应链：Python 包（python-docx/openpyxl/pandas）需从可信镜像源安装，避免投毒。
- 内存占用：大文件全量读取可能导致 OOM，建议结合
pages/sheet_names选项做分页/分 Sheet 处理。