核心功能
Doc Parse 是一款专用于 Microsoft Word 文档（.doc/.docx）结构化解析的专业工具，底层采用 MinerU 文档处理引擎。该 skill 能够深度提取 Word 文件的层级架构，将复杂的文档内容解构为清晰有序的数据组件，包括标题层级、章节划分、正文段落、表格数据及文档元信息。
显著优势
- 精准结构识别：智能解析文档大纲层级，准确识别各级标题及其从属关系
- 多元素提取：完整捕获段落文本、表格数据、列表结构、图片位置等多元内容
- 标准化输出：生成结构化的 JSON 格式数据，便于对接数据库、数据管道及下游应用
- 双格式兼容：同时支持传统 .doc 格式与现代 .docx 格式
- 自动化就绪：专为程序化工作流设计，可无缝嵌入文档处理流水线
潜在局限
- 格式依赖：复杂排版或非标准 Word 文档可能解析异常
- 样式敏感性：高度依赖文档内置样式定义，手动格式化的"假标题"可能识别失败
- 媒体处理：图片、图表等内容提取位置信息为主，OCR 识别需额外配置
- 引擎限制：受 MinerU 本身能力边界约束，极端复杂文档结构可能简化处理
适用人群
- 数据工程师与 ETL 开发者（构建文档数据管道）
- 企业知识管理团队（文档库结构化入库）
- RPA 开发者（自动化文档处理流程）
- 内容分析师（批量文档信息提取）
- 法律/金融文档处理人员（合同、报告结构化分析）
常规风险提示
- 隐私合规：处理含敏感信息的文档时需确保数据脱敏与传输加密
- 完整性校验：关键业务场景建议人工抽检解析结果，避免层级错位
- 版本兼容：建议优先使用 .docx 格式，.doc 二进制格式偶有兼容性波动
- 权限管理：确保调用方具备文档读取权限，避免因权限不足导致的解析失败