Microsoft Excel Document Loader

Microsoft Excel — программа для работы с электронными таблицами, содержащая инструменты вычислений, сводные таблицы и язык макросов. Этот модуль обеспечивает возможность загрузки и обработки файлов Excel с использованием SheetJS.

Этот модуль предоставляет продвинчённый загрузчик Excel-документов, который способен:

• Загружать файлы различных форматов Excel
• Обрабатывать несколько листов
• Преобразовывать строки в структурированные документы
• Работать с различными типами данных
• Сохранять форматирование ячеек
• Извлекать метаданные на основе каждой строки
• Поддерживать вывод с выводом типа данных (типовоф inference)

Входные данные

Обязательные параметры

Excel File: файл(ы) Excel для обработки (.xls, .xlsx, .xlsm, .xlsb)

Опциональные параметры

• Text Splitter: инструмент для разделения текста для обработки извлечённого содержимого
• Additional Metadata: JSON-объект с дополнительными метаданными
• Omit Metadata Keys: список ключей метаданных, разделённых запятыми, которые нужно исключить

Выходные данные

• Document: массив объектов документов, содержащих метаданные и pageContent
• Text: объединённая строка, сформированная из pageContent всех документов

Особенности

• Поддержка нескольких форматов
• Обработка нескольких листов
• Сохранение типа данных
• Извлечение метаданных
• Определение типа данных (inference)
• Обработка ошибок
• Эффективная работа с памятью

Поддерживаемые форматы

• Excel Binary (.xls)
• Excel Workbook (.xlsx)
• Excel Macro-Enabled (.xlsm)
• Excel Binary Workbook (.xlsb)

Обработка типов данных

Поддерживаемые типы:

• Текст (строки)
• Числа
• Даты
• Булевы значения (true/false)
• Формулы (вычисляемые значения)
• Пустые ячейки (null)

Структура документа

Каждый документ содержит:

• pageContent: форматированное содержимое строки в виде пар ключ-значение
• metadata:
  • worksheet: название листа
  • rowNum: номер строки
  • Оригинальные значения ячеек по столбцам
  • Дополнительные пользовательские метаданные

Обработка строк

Каждая строка преобразуется в документ с:

• парами ключ-значение для каждой ячейки
• сохранёнными заголовками столбцов
• информацией о типе данных
• положением строки

Атрибуты метаданных

Основные атрибуты включают:

• worksheet: имя листа (строка)
• rowNum: номер строки (число)
• Динамические атрибуты — на основе заголовков столбцов

Дополнительные заметки

• Использует SheetJS для парсинга
• Сохраняет типы данных
• Обрабатывает несколько листов
• Определяет типы столбцов (inference)
• Эффективная обработка памяти
• Обработка ошибок для некорректных файлов
• Гибкие форматы вывода
• Инференс типа данных по столбцам