mirror of
https://github.com/opendatalab/MinerU.git
synced 2026-10-25 09:35:17 +08:00
jinzhenjandClaude Opus 4.7
c92e6f8abc
myhloli 的 7 个 commit 在 backend/model 层加入 DOC/XLS/PPT 原生解析， 但上层 parser/doclib/filetypes/utils/docs/tests 未同步配套。本次补齐： - filetypes.py: OFFICE_EXTENSIONS 加入 doc/xls/ppt，补全 MIME/FILE_TYPE 映射， 删除 LEGACY_OFFICE_EXTENSION_UPGRADES（已原生支持，不再需要"请转换为 .docx"提示） - parser/base.py: _build_middle_json_from_legacy 补 is_full_document=True （修复 1.0 schema 加载必崩的 bug），_LEGACY_DEFAULT_FILE_SUFFIX Literal 扩展 - parser/mineru_parser.py: _FileSuffix/_SUPPORTED_SUFFIXES 扩展，返回类型 tuple[MiddleJson, Any] → tuple[MiddleJson, ModelJson] - utils/guess_suffix_or_lang.py: 新增 OLE2 容器识别（D0CF11E0 magic + olefile 内部 stream 区分 doc/xls/ppt），插入 OOXML 失败后、Magika 兜底前 - doclib/services/parse_svc.py: page_count 默认值分支扩展到 doc/ppt/xls， _unsupported_file_type_message 删除误导性"请转换"提示 - doclib/core/file_io.py: _extract_office_meta 新增 doc/ppt/xls 分支， 用 olefile 提取 OLE SummaryInformation 属性 - doclib/background/compaction.py: model_list_to_pages → model_json_to_pages 迁移（myhloli 已删除 model_list_to_pages） - docs: CLAUDE.md/AGENTS.md/output_files.md/quick_usage.md 更新支持格式列表 - tests: 新增 test_filetypes.py + test_guess_suffix_ole2.py， test_parse_result_contract.py 补 is_full_document 断言 Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
Symbolic link
9 B
Symbolic link
9 B
CLAUDE.md