| """文档解析器基类和数据结构 |
| |
| 定义了文档解析器的抽象接口和相关数据类。 |
| """ |
|
|
| from abc import ABC, abstractmethod |
| from dataclasses import dataclass |
|
|
|
|
| @dataclass |
| class MediaItem: |
| """多媒体项 |
| |
| 表示从文档中提取的多媒体资源。 |
| """ |
|
|
| media_type: str |
| file_name: str |
| content: bytes |
| mime_type: str |
|
|
|
|
| @dataclass |
| class ParseResult: |
| """解析结果 |
| |
| 包含解析后的文本内容和提取的多媒体资源。 |
| """ |
|
|
| text: str |
| media: list[MediaItem] |
|
|
|
|
| class BaseParser(ABC): |
| """文档解析器基类 |
| |
| 所有文档解析器都应该继承此类并实现 parse 方法。 |
| """ |
|
|
| @abstractmethod |
| async def parse(self, file_content: bytes, file_name: str) -> ParseResult: |
| """解析文档 |
| |
| Args: |
| file_content: 文件内容 |
| file_name: 文件名 |
| |
| Returns: |
| ParseResult: 解析结果 |
| |
| """ |
|
|
