1

common/parser.go

@@ -0,0 +1,53 @@
+package common
+
+import (
+	"fmt"
+	"strings"
+)
+
+// Parser 文档解析器接口：从源文件抽取纯文本
+type Parser interface {
+	// Parse 返回文档全文（保留标题/段落/空行结构，供分块器使用）
+	Parse(path string) (string, error)
+}
+
+var parsers = map[string]Parser{}
+
+func init() {
+	registerParser("txt", &textParser{})
+	registerParser("md", &textParser{})
+	registerParser("pdf", &pdfParser{})
+	registerParser("docx", &docxParser{})
+	registerParser("html", &htmlParser{})
+}
+
+func registerParser(ext string, p Parser) {
+	parsers[ext] = p
+}
+
+// SupportedExts 返回支持的扩展名列表（不含点）
+func SupportedExts() []string {
+	exts := make([]string, 0, len(parsers))
+	for ext := range parsers {
+		exts = append(exts, ext)
+	}
+	return exts
+}
+
+// ParseFile 按扩展名分发解析，返回全文
+func ParseFile(path string) (string, error) {
+	ext := strings.TrimPrefix(extOf(path), ".")
+	p, ok := parsers[ext]
+	if !ok {
+		return "", fmt.Errorf("不支持的文档类型: .%s", ext)
+	}
+	return p.Parse(path)
+}
+
+func extOf(path string) string {
+	idx := strings.LastIndexByte(path, '.')
+	if idx < 0 {
+		return ""
+	}
+	return path[idx:]
+}