feat(文档解析): 添加PDF/Word/Excel文档解析工具

- 新增 src/lib/document-parser.ts: 后端文档解析器
  - 支持 Word 文档(.doc/.docx)解析
  - 支持 Excel 文档(.xlsx)转Markdown表格
  - PDF文档直接传递给Claude API原生处理

- 新增 src/utils/document-utils.ts: 前端文档工具
  - 文档类型检测函数
  - 文件大小验证
  - Base64编码转换

src/lib/document-parser.ts

@@ -0,0 +1,336 @@
+/**
+ * 文档解析工具
+ * 支持 PDF、Word (.doc/.docx)、Excel (.xlsx) 文档的解析
+ */
+
+import mammoth from 'mammoth';
+import * as XLSX from 'xlsx';
+import WordExtractor from 'word-extractor';
+
+// 文档限制配置
+export const DOCUMENT_LIMITS = {
+  pdf: {
+    maxSize: 32 * 1024 * 1024, // 32MB (Claude API 限制)
+    maxPages: 100, // Claude API 最大页数限制
+  },
+  word: {
+    maxSize: 20 * 1024 * 1024, // 20MB
+  },
+  excel: {
+    maxSize: 20 * 1024 * 1024, // 20MB
+    maxRows: 10000, // 最大行数
+    maxSheets: 10, // 最大工作表数
+  },
+};
+
+// 支持的文档类型
+export type DocumentType = 'pdf' | 'word' | 'excel' | 'unknown';
+
+/**
+ * 文档文件信息
+ */
+export interface DocumentFile {
+  name: string;
+  size: number;
+  type: DocumentType;
+  mimeType: string;
+  data: string; // Base64 编码的文件内容
+}
+
+/**
+ * PDF 文档（直接传给 Claude API）
+ */
+export interface PdfDocument {
+  name: string;
+  size: number;
+  data: string; // Base64 编码
+  media_type: 'application/pdf';
+}
+
+/**
+ * 解析后的文档内容
+ */
+export interface ParsedDocument {
+  name: string;
+  size: number;
+  type: DocumentType;
+  content: string; // 提取的文本内容
+  metadata?: {
+    sheets?: string[]; // Excel 工作表名称
+    pageCount?: number; // 页数
+  };
+}
+
+/**
+ * 检测文档类型
+ */
+export function detectDocumentType(file: { name: string; type: string }): DocumentType {
+  const mimeType = file.type.toLowerCase();
+  const extension = file.name.split('.').pop()?.toLowerCase() || '';
+
+  // PDF
+  if (mimeType === 'application/pdf' || extension === 'pdf') {
+    return 'pdf';
+  }
+
+  // Word 文档
+  if (
+    mimeType === 'application/vnd.openxmlformats-officedocument.wordprocessingml.document' ||
+    mimeType === 'application/msword' ||
+    extension === 'docx' ||
+    extension === 'doc'
+  ) {
+    return 'word';
+  }
+
+  // Excel 文档
+  if (
+    mimeType === 'application/vnd.openxmlformats-officedocument.spreadsheetml.sheet' ||
+    mimeType === 'application/vnd.ms-excel' ||
+    extension === 'xlsx' ||
+    extension === 'xls'
+  ) {
+    return 'excel';
+  }
+
+  return 'unknown';
+}
+
+/**
+ * 检查是否为支持的文档类型
+ */
+export function isSupportedDocument(file: { name: string; type: string }): boolean {
+  const docType = detectDocumentType(file);
+  return docType !== 'unknown';
+}
+
+/**
+ * 检查是否为 PDF 文件
+ */
+export function isPdfFile(file: { name: string; type: string }): boolean {
+  return detectDocumentType(file) === 'pdf';
+}
+
+/**
+ * 检查是否为 Word 文件
+ */
+export function isWordFile(file: { name: string; type: string }): boolean {
+  return detectDocumentType(file) === 'word';
+}
+
+/**
+ * 检查是否为 Excel 文件
+ */
+export function isExcelFile(file: { name: string; type: string }): boolean {
+  return detectDocumentType(file) === 'excel';
+}
+
+/**
+ * 验证文档大小
+ */
+export function validateDocumentSize(
+  file: { name: string; type: string; size: number }
+): { valid: boolean; error?: string } {
+  const docType = detectDocumentType(file);
+
+  switch (docType) {
+    case 'pdf':
+      if (file.size > DOCUMENT_LIMITS.pdf.maxSize) {
+        return {
+          valid: false,
+          error: `PDF 文件 "${file.name}" 超过 ${DOCUMENT_LIMITS.pdf.maxSize / 1024 / 1024}MB 限制`,
+        };
+      }
+      break;
+    case 'word':
+      if (file.size > DOCUMENT_LIMITS.word.maxSize) {
+        return {
+          valid: false,
+          error: `Word 文件 "${file.name}" 超过 ${DOCUMENT_LIMITS.word.maxSize / 1024 / 1024}MB 限制`,
+        };
+      }
+      break;
+    case 'excel':
+      if (file.size > DOCUMENT_LIMITS.excel.maxSize) {
+        return {
+          valid: false,
+          error: `Excel 文件 "${file.name}" 超过 ${DOCUMENT_LIMITS.excel.maxSize / 1024 / 1024}MB 限制`,
+        };
+      }
+      break;
+  }
+
+  return { valid: true };
+}
+
+/**
+ * Base64 解码为 Buffer
+ */
+export function base64ToBuffer(base64: string): Buffer {
+  return Buffer.from(base64, 'base64');
+}
+
+/**
+ * 解析 Word 文档 (.doc 和 .docx)
+ * - .docx: 使用 mammoth 库提取文本内容
+ * - .doc: 使用 word-extractor 库提取文本内容
+ */
+export async function parseWordDocument(base64Data: string, fileName: string): Promise<ParsedDocument> {
+  try {
+    const buffer = base64ToBuffer(base64Data);
+    const extension = fileName.split('.').pop()?.toLowerCase();
+
+    let content = '';
+
+    if (extension === 'doc') {
+      // 使用 word-extractor 处理 .doc 文件（旧版 Word 97-2003 格式）
+      console.log('[parseWordDocument] Using word-extractor for .doc file:', fileName);
+      const extractor = new WordExtractor();
+      const doc = await extractor.extract(buffer);
+
+      // 提取正文内容
+      content = doc.getBody();
+
+      // 可选：添加脚注、尾注等内容
+      const footnotes = doc.getFootnotes();
+      const endnotes = doc.getEndnotes();
+
+      if (footnotes && footnotes.trim()) {
+        content += '\n\n--- 脚注 ---\n' + footnotes;
+      }
+      if (endnotes && endnotes.trim()) {
+        content += '\n\n--- 尾注 ---\n' + endnotes;
+      }
+
+      console.log('[parseWordDocument] Successfully extracted .doc content, length:', content.length);
+    } else {
+      // 使用 mammoth 处理 .docx 文件（Office Open XML 格式）
+      console.log('[parseWordDocument] Using mammoth for .docx file:', fileName);
+      const result = await mammoth.extractRawText({ buffer });
+      content = result.value;
+      console.log('[parseWordDocument] Successfully extracted .docx content, length:', content.length);
+    }
+
+    return {
+      name: fileName,
+      size: buffer.length,
+      type: 'word',
+      content,
+    };
+  } catch (error) {
+    console.error('[parseWordDocument] Error:', error);
+    const errorMsg = error instanceof Error ? error.message : '未知错误';
+    throw new Error(`解析 Word 文档 "${fileName}" 失败: ${errorMsg}`);
+  }
+}
+
+/**
+ * 解析 Excel 文档 (.xlsx)
+ * 使用 xlsx 库提取表格数据，转换为 Markdown 格式
+ */
+export async function parseExcelDocument(base64Data: string, fileName: string): Promise<ParsedDocument> {
+  try {
+    const buffer = base64ToBuffer(base64Data);
+
+    // 读取 Excel 文件
+    const workbook = XLSX.read(buffer, { type: 'buffer' });
+
+    const sheets: string[] = [];
+    const contentParts: string[] = [];
+    let totalRows = 0;
+
+    // 遍历所有工作表（限制数量）
+    const sheetNames = workbook.SheetNames.slice(0, DOCUMENT_LIMITS.excel.maxSheets);
+
+    for (const sheetName of sheetNames) {
+      sheets.push(sheetName);
+      const worksheet = workbook.Sheets[sheetName];
+
+      // 获取工作表范围
+      const range = XLSX.utils.decode_range(worksheet['!ref'] || 'A1');
+      const rowCount = range.e.r - range.s.r + 1;
+
+      // 限制行数
+      const maxRow = Math.min(range.e.r, range.s.r + DOCUMENT_LIMITS.excel.maxRows - 1);
+      const limitedRange = {
+        ...range,
+        e: { ...range.e, r: maxRow },
+      };
+
+      // 转换为 JSON 数据
+      const jsonData = XLSX.utils.sheet_to_json(worksheet, {
+        range: limitedRange,
+        header: 1,
+        defval: '',
+      }) as unknown[][];
+
+      if (jsonData.length === 0) continue;
+
+      // 转换为 Markdown 表格
+      let markdown = `\n### 工作表: ${sheetName}\n\n`;
+
+      if (jsonData.length > 0) {
+        // 表头
+        const headers = jsonData[0] as string[];
+        markdown += '| ' + headers.map(h => String(h || '').replace(/\|/g, '\\|')).join(' | ') + ' |\n';
+        markdown += '| ' + headers.map(() => '---').join(' | ') + ' |\n';
+
+        // 数据行
+        for (let i = 1; i < jsonData.length; i++) {
+          const row = jsonData[i] as string[];
+          markdown += '| ' + row.map(cell => String(cell || '').replace(/\|/g, '\\|').replace(/\n/g, ' ')).join(' | ') + ' |\n';
+        }
+
+        if (rowCount > DOCUMENT_LIMITS.excel.maxRows) {
+          markdown += `\n*（已截断，原表格共 ${rowCount} 行，仅显示前 ${DOCUMENT_LIMITS.excel.maxRows} 行）*\n`;
+        }
+      }
+
+      contentParts.push(markdown);
+      totalRows += jsonData.length;
+    }
+
+    // 如果有更多工作表未处理
+    if (workbook.SheetNames.length > DOCUMENT_LIMITS.excel.maxSheets) {
+      contentParts.push(`\n*（共 ${workbook.SheetNames.length} 个工作表，仅显示前 ${DOCUMENT_LIMITS.excel.maxSheets} 个）*\n`);
+    }
+
+    return {
+      name: fileName,
+      size: buffer.length,
+      type: 'excel',
+      content: contentParts.join('\n'),
+      metadata: {
+        sheets,
+      },
+    };
+  } catch (error) {
+    console.error('[parseExcelDocument] Error:', error);
+    throw new Error(`解析 Excel 文档失败: ${error instanceof Error ? error.message : '未知错误'}`);
+  }
+}
+
+/**
+ * 解析文档（自动检测类型）
+ * 注意：PDF 文件不在这里解析，而是直接传给 Claude API
+ */
+export async function parseDocument(
+  base64Data: string,
+  fileName: string,
+  mimeType: string
+): Promise<ParsedDocument | null> {
+  const docType = detectDocumentType({ name: fileName, type: mimeType });
+
+  switch (docType) {
+    case 'word':
+      return parseWordDocument(base64Data, fileName);
+    case 'excel':
+      return parseExcelDocument(base64Data, fileName);
+    case 'pdf':
+      // PDF 不在这里解析，返回 null
+      // PDF 会直接传给 Claude API 使用原生 document 类型
+      return null;
+    default:
+      return null;
+  }
+}

src/utils/document-utils.ts

@@ -0,0 +1,186 @@
+/**
+ * 前端文档工具
+ * 用于在浏览器端检测和处理文档类型
+ */
+
+// 文档限制配置（与后端保持一致）
+export const DOCUMENT_LIMITS = {
+  pdf: {
+    maxSize: 32 * 1024 * 1024, // 32MB (Claude API 限制)
+    maxPages: 100, // Claude API 最大页数限制
+  },
+  word: {
+    maxSize: 20 * 1024 * 1024, // 20MB
+  },
+  excel: {
+    maxSize: 20 * 1024 * 1024, // 20MB
+  },
+};
+
+// 支持的文档类型
+export type DocumentType = 'pdf' | 'word' | 'excel' | 'unknown';
+
+/**
+ * PDF 文档接口（传给后端）
+ */
+export interface PdfDocumentData {
+  name: string;
+  size: number;
+  data: string; // Base64 编码
+  media_type: 'application/pdf';
+}
+
+/**
+ * 办公文档接口（传给后端解析）
+ */
+export interface OfficeDocumentData {
+  name: string;
+  size: number;
+  data: string; // Base64 编码
+  type: 'word' | 'excel';
+  mimeType: string;
+}
+
+/**
+ * 检测文档类型
+ */
+export function detectDocumentType(file: File): DocumentType {
+  const mimeType = file.type.toLowerCase();
+  const extension = file.name.split('.').pop()?.toLowerCase() || '';
+
+  // PDF
+  if (mimeType === 'application/pdf' || extension === 'pdf') {
+    return 'pdf';
+  }
+
+  // Word 文档
+  if (
+    mimeType === 'application/vnd.openxmlformats-officedocument.wordprocessingml.document' ||
+    mimeType === 'application/msword' ||
+    extension === 'docx' ||
+    extension === 'doc'
+  ) {
+    return 'word';
+  }
+
+  // Excel 文档
+  if (
+    mimeType === 'application/vnd.openxmlformats-officedocument.spreadsheetml.sheet' ||
+    mimeType === 'application/vnd.ms-excel' ||
+    extension === 'xlsx' ||
+    extension === 'xls'
+  ) {
+    return 'excel';
+  }
+
+  return 'unknown';
+}
+
+/**
+ * 检查是否为支持的文档类型
+ */
+export function isSupportedDocument(file: File): boolean {
+  const docType = detectDocumentType(file);
+  return docType !== 'unknown';
+}
+
+/**
+ * 检查是否为 PDF 文件
+ */
+export function isPdfFile(file: File): boolean {
+  return detectDocumentType(file) === 'pdf';
+}
+
+/**
+ * 检查是否为 Word 文件
+ */
+export function isWordFile(file: File): boolean {
+  return detectDocumentType(file) === 'word';
+}
+
+/**
+ * 检查是否为 Excel 文件
+ */
+export function isExcelFile(file: File): boolean {
+  return detectDocumentType(file) === 'excel';
+}
+
+/**
+ * 检查是否为办公文档（Word 或 Excel）
+ */
+export function isOfficeDocument(file: File): boolean {
+  const docType = detectDocumentType(file);
+  return docType === 'word' || docType === 'excel';
+}
+
+/**
+ * 验证文档大小
+ */
+export function validateDocumentSize(file: File): { valid: boolean; error?: string } {
+  const docType = detectDocumentType(file);
+
+  switch (docType) {
+    case 'pdf':
+      if (file.size > DOCUMENT_LIMITS.pdf.maxSize) {
+        return {
+          valid: false,
+          error: `PDF 文件 "${file.name}" 超过 ${DOCUMENT_LIMITS.pdf.maxSize / 1024 / 1024}MB 限制`,
+        };
+      }
+      break;
+    case 'word':
+      if (file.size > DOCUMENT_LIMITS.word.maxSize) {
+        return {
+          valid: false,
+          error: `Word 文件 "${file.name}" 超过 ${DOCUMENT_LIMITS.word.maxSize / 1024 / 1024}MB 限制`,
+        };
+      }
+      break;
+    case 'excel':
+      if (file.size > DOCUMENT_LIMITS.excel.maxSize) {
+        return {
+          valid: false,
+          error: `Excel 文件 "${file.name}" 超过 ${DOCUMENT_LIMITS.excel.maxSize / 1024 / 1024}MB 限制`,
+        };
+      }
+      break;
+  }
+
+  return { valid: true };
+}
+
+/**
+ * 将文件转换为 Base64（不包含 data URL 前缀）
+ */
+export async function fileToBase64(file: File): Promise<string> {
+  return new Promise((resolve, reject) => {
+    const reader = new FileReader();
+    reader.onload = () => {
+      const result = reader.result as string;
+      // 移除 data:xxx;base64, 前缀，只保留 base64 数据
+      const base64 = result.split(',')[1];
+      resolve(base64);
+    };
+    reader.onerror = reject;
+    reader.readAsDataURL(file);
+  });
+}
+
+/**
+ * 获取文件的 MIME 类型
+ */
+export function getFileMimeType(file: File): string {
+  if (file.type) return file.type;
+
+  // 根据扩展名推断
+  const extension = file.name.split('.').pop()?.toLowerCase() || '';
+  const mimeTypes: Record<string, string> = {
+    pdf: 'application/pdf',
+    doc: 'application/msword',
+    docx: 'application/vnd.openxmlformats-officedocument.wordprocessingml.document',
+    xls: 'application/vnd.ms-excel',
+    xlsx: 'application/vnd.openxmlformats-officedocument.spreadsheetml.sheet',
+  };
+
+  return mimeTypes[extension] || 'application/octet-stream';
+}