aifinlab 目录与章节结构解析 Skill
数据来源
本 Skill 支持多种长文档输入格式，核心数据来源包括：
1. 文档类型
- 报告文档：年度报告、研究报告、分析报告
- 书籍文档：书籍、手册、指南
- 法律文档：法律条文、法规文件、合同文档
- 技术文档：技术规范、技术文档、用户手册
2. 文档格式
- PDF格式：PDF格式的长文档
- Word格式：Word格式的长文档
- HTML格式：网页格式的长文档
- Markdown格式：Markdown格式的长文档
3. 文档特征
- 文档长度：长文档（>50页）、超长文档（>200页）
- 章节结构：多级章节、复杂层级结构
- 目录格式：标准目录、自定义目录格式
- 文档语言：中文、英文、多语言混合
4. 数据格式要求
- 文件路径：本地文件路径或网络文件URL
- 文件编码：UTF-8、GBK、GB2312等
- 文件权限：需要读取权限
说明：本 Skill 不包含文档采集功能，需要用户提供长文档文件。建议文档格式规范，以便进行准确的目录和章节结构解析。
功能
本 Skill 提供全面的目录与章节结构解析能力，涵盖多种解析功能：
1. 目录识别
- 目录定位：定位文档中的目录位置
- 目录结构识别：识别目录的层级结构
- 目录项提取：提取目录项和页码信息
- 目录格式识别：识别目录的格式和样式
2. 章节识别
- 章节标题识别：识别文档中的章节标题
- 章节层级识别：识别章节的层级结构
- 章节编号识别：识别章节的编号规则
- 章节位置定位：定位章节在文档中的位置
3. 章节树构建
- 章节树生成：生成完整的章节树结构
- 章节关系识别：识别章节之间的父子关系
- 章节层级标注：标注章节的层级级别
- 章节路径生成：生成章节的完整路径
4. 章节内容提取
- 章节内容提取：提取章节的具体内容
- 章节边界识别：识别章节的起始和结束位置
- 章节摘要生成：生成章节的摘要
- 章节关键词提取：提取章节的关键词
5. 章节导航
- 章节导航生成：生成章节导航结构
- 章节跳转链接：生成章节跳转链接
- 章节索引构建：构建章节索引
- 章节搜索支持：支持章节搜索功能
6. 高级处理功能
- 目录验证：验证目录的准确性
- 章节完整性检查：检查章节的完整性
- 章节结构标准化：标准化章节结构
- 章节报告生成：生成章节结构报告
使用示例
输出示例
{
"source_info": {
"document_id": "DOC001",
"document_type": "annual_report",
"source_file": "annual_report.pdf",
"page_count": 200
},
"table_of_contents": {
"toc_location": {
"start_page": 3,
"end_page": 10
},
"toc_items": [
{
"level": 1,
"title": "第一章 公司概况",
"page": 15,
"section_id": "SEC001"
},
{
"level": 2,
"title": "1.1 公司基本信息",
"page": 15,
"section_id": "SEC002"
},
{
"level": 1,
"title": "第二章 财务数据",
"page": 50,
"section_id": "SEC003"
}
]
},
"section_tree": {
"root": {
"section_id": "ROOT",
"title": "文档根节点",
"level": 0,
"children": [
{
"section_id": "SEC001",
"title": "第一章 公司概况",
"level": 1,
"page": 15,
"path": ["第一章 公司概况"],
"children": [
{
"section_id": "SEC002",
"title": "1.1 公司基本信息",
"level": 2,
"page": 15,
"path": ["第一章 公司概况", "1.1 公司基本信息"],
"children": []
}
]
},
{
"section_id": "SEC003",
"title": "第二章 财务数据",
"level": 1,
"page": 50,
"path": ["第二章 财务数据"],
"children": []
}
]
}
},
"sections": [
{
"section_id": "SEC001",
"title": "第一章 公司概况",
"level": 1,
"start_page": 15,
"end_page": 49,
"content_preview": "公司概况内容...",
"keywords": ["公司", "概况", "基本信息"]
}
],
"statistics": {
"total_sections": 20,
"max_level": 3,
"average_section_length": 10,
"parsing_confidence": 0.94
}
}
注意事项与限制
1. 文档格式要求
- 标准格式文档解析准确率较高
- 非标准格式可能影响解析
- 扫描版文档需要OCR支持
2. 目录识别准确性
- 标准目录格式识别准确率较高
- 非标准目录可能需要人工处理
- 复杂目录可能需要人工分析
3. 章节识别准确性
- 标准章节格式识别准确率较高
- 非标准章节可能需要人工处理
- 复杂章节结构可能需要人工分析
4. 章节层级
- 标准层级结构识别准确率较高
- 非标准层级可能需要人工处理
- 深层嵌套可能需要特殊处理
5. 使用限制
- 本 Skill 不包含文档编辑功能
- 解析结果需要人工复核
- 复杂文档可能需要人工处理
参考资料
- 见 references/ 目录中的相关文档，包括：
- 目录与章节结构解析方法手册
- 章节识别算法说明
- 章节树构建指南
- 性能优化指南