[全量] 初始化项目代码、配置、文档及Agent协同harness

langchain-chat/document_loaders/myexcelloader.py

@@ -0,0 +1,71 @@
+import os
+import pandas as pd
+from pathlib import Path
+import logging
+
+from typing import List, Optional, Union, Dict, Any
+from langchain_core.documents import Document
+from langchain_community.document_loaders.base import BaseLoader
+
+logger = logging.getLogger(__name__)
+
+class ExcelLoader(BaseLoader):
+    """
+    用于加载 Excel 文件（.xls/.xlsx）的 Loader。
+    使用 pandas 解析所有工作表，并将非空单元格内容展平为按逗号分隔的文段。
+    """
+    def __init__(
+        self,
+        file_path: Union[str, Path],
+        *,
+        metadata: Optional[Dict[str, Any]] = None
+    ):
+        """
+        Args:
+            file_path: Excel 文件路径，支持 .xls 和 .xlsx
+            metadata: 附加的文档级元数据
+        """
+        self.file_path = str(file_path)
+        self.metadata = metadata or {}
+
+        suffix = Path(self.file_path).suffix.lower()
+        if suffix not in (".xls", ".xlsx"):
+            raise ValueError(f"ExcelLoader 仅支持 .xls/.xlsx 文件: {self.file_path}")
+        if not os.path.isfile(self.file_path):
+            raise FileNotFoundError(f"文件不存在: {self.file_path}")
+
+    def load(self) -> List[Document]:
+        """
+        读取 Excel 中的所有工作表，返回每个表格中所有非空单元格按逗号分隔的 Document 列表。
+        """
+        try:
+            # sheet_name=None 返回 dict: {sheet_name: DataFrame}
+            sheets: Dict[str, pd.DataFrame] = pd.read_excel(
+                self.file_path,
+                sheet_name=None
+            )
+        except Exception as e:
+            logger.error(f"读取 Excel 文件失败: {self.file_path}", exc_info=True)
+            raise RuntimeError(f"无法加载 Excel 文件: {e}") from e
+
+        documents: List[Document] = []
+        for sheet_name, df in sheets.items():
+            segments: List[str] = []
+            # 遍历所有单元格
+            for row in df.itertuples(index=False, name=None):
+                for cell in row:
+                    if pd.isna(cell):
+                        continue
+                    text = str(cell).strip()
+                    if text:
+                        segments.append(text)
+            # 用英文逗号分隔所有文段
+            content = ",".join(segments)
+            md: Dict[str, Any] = {
+                "source": self.file_path,
+                "sheet_name": sheet_name,
+                **self.metadata
+            }
+            documents.append(Document(page_content=content, metadata=md))
+
+        return documents