 Leo
|
12c8098b5f
|
feat(t73): Excel/CSV 抽取器——企業用很多（leo）
leo 兩句定調：
①「要思考 Excel 和 csv 的問題，因為企業用很多」
②「企業的 excel 通常不會是 1 萬行，人工做不出這麼多，但你可以轉結構資料丟進去」
→ 修正我先前「CSV 會變數字牆、先不加」的判斷——那是拿機器產生的百萬列當前提。
實測 60列x6欄 ≈ 2,200 token，對 LLM 完全不是問題。
統一中間格式＝Markdown（leo 提 n8n 對照後定調）：
n8n 一切轉 JSON 是對的，因為它下游是程式（.欄位 取值）；
我們下游是 LLM ⇒ Markdown 表格更好。實測同一份表格
JSON 6,872 字元 vs Markdown 3,341＝JSON 多花 2.1 倍 token（每列重複寫欄位名）。
測試 8/8，用 openpyxl 產的真 Excel 檔（非自捏 XML）：
⭐ 測試抓到兩個真 bug（讀原始碼看不出來）：
① rels 的 Target 是絕對路徑 /xl/... 我卻又補 xl/ 前綴 → 變 xl/xl/...
② r:id 帶 namespace，寫 xml:"id,attr" 抓不到，要用完整 namespace URI
修好後分頁名從 ## sheet1 變成 ## 維修紀錄（企業分頁名本身就是語意）
CSV：去 BOM(Excel 另存必帶)／引號內逗號不拆欄／| 跳脫／欄數不齊不整份失敗
XLSX：多工作表全讀(只取第一頁會漏)／sharedStrings 索引／壞檔報錯
防呆：超過 500 列截斷並明說截斷了（不靜默丟資料）；單格超 500 字截斷。
|
2026-07-27 20:50:45 +08:00 |
|