网页表格导入
用户给一个链接(或要求把某个网页/PDF 的表格"抓下来")时,把表格注册为当前会话的数据源,注册后立即用常规 SQL / 图表工具分析。注册是可叠加的:已有上传数据不受影响。
Tool routing
- 用户给出具体 URL 且要求导入表格时,直接调用
fetch_table(url)——一步完成抓取 + 建表 + 注册,支持 HTML 页面、JSON 接口、CSV 文件和 PDF 文档。返回结果中列出每张表的名称、行数、列名和截断标记。 fetch_table返回 FETCH-001(无表格)且页面需要 JavaScript 渲染时:先browser_navigate(url)打开页面,确认表格已渲染,再调用browser_extract_tables()提取当前页面的全部<table>并注册。- 仅当需要先阅读页面内容、确认目标链接时才用
browse_webpage;不要用它替代fetch_table做导入。 - 注册成功后,向用户报告表名、行数与截断情况,然后用
get_schema确认结构,进入常规分析(query_data/generate_chart)。 - 多表时提醒用户表名清单,让用户指定分析哪张表;不要未经确认就猜测用户要哪张。
- 私网/本地地址会被拒绝;找不到表格时如实说明,不要编造表内容。
Implementation reference
- 抓取与归一化管线:
data/table_extract.py(上限常量、垃圾表过滤、表头识别、数值提升) - 多表数据源:
data/sources/extracted.py(ExtractedTableDataSource) - Agent 分发与实时刷新:
agent/agent.py中fetch_table/browser_extract_tables分支 - PDF 上传入口:
api/datasource.py的upload_file
