dsh-thesis 1.0.0

package/lib/ingest/pptx.d.ts

@@ -0,0 +1,32 @@
+/**
+ * `.pptx` 摄取：按 `ppt/slides/slideN.xml` 的**数字顺序**逐页抽文本。
+ *
+ * 顺序问题：ZIP 中央目录里的条目顺序不等于放映顺序，而且 `ppt/_rels/presentation.xml.rels`
+ * 只给出 rId→文件，真正的顺序在 `ppt/presentation.xml` 的 `<p:sldIdLst>` 里。
+ * 这里以"文件名里的数字"为准（PowerPoint 自身就是按数字命名并保持顺序的），
+ * 数字相同再按字典序，保证确定性。
+ *
+ * 每页渲染为：
+ * ```
+ * ## 第 3 页
+ * 标题文本
+ * 正文第一行
+ * 正文第二行
+ * ```
+ * 标题与正文之间只是换行（`a:p` 之间本就换行），不做"标题/正文"语义猜测。
+ *
+ * @module dsh-thesis/ingest
+ */
+import { type ExtractOptions, type ExtractResult } from './types.ts';
+/** 从 `ppt/slides/slide12.xml` 里取页码 12；取不到返回 Number.MAX_SAFE_INTEGER。 */
+export declare function slideNumber(path: string): number;
+/** 按页码排序幻灯片路径（同页码按字典序）。 */
+export declare function sortSlides(paths: readonly string[]): string[];
+/** 纯抽取：逐页渲染。 */
+export declare function readPptx(bytes: Uint8Array): {
+    text: string;
+    slides: number;
+    skipped: number;
+};
+/** 门面用入口：pptx 字节 → 抽取结果。 */
+export declare function extractPptx(bytes: Uint8Array, options: ExtractOptions): ExtractResult;

package/lib/ingest/pptx.js

@@ -0,0 +1,116 @@
+/**
+ * `.pptx` 摄取：按 `ppt/slides/slideN.xml` 的**数字顺序**逐页抽文本。
+ *
+ * 顺序问题：ZIP 中央目录里的条目顺序不等于放映顺序，而且 `ppt/_rels/presentation.xml.rels`
+ * 只给出 rId→文件，真正的顺序在 `ppt/presentation.xml` 的 `<p:sldIdLst>` 里。
+ * 这里以"文件名里的数字"为准（PowerPoint 自身就是按数字命名并保持顺序的），
+ * 数字相同再按字典序，保证确定性。
+ *
+ * 每页渲染为：
+ * ```
+ * ## 第 3 页
+ * 标题文本
+ * 正文第一行
+ * 正文第二行
+ * ```
+ * 标题与正文之间只是换行（`a:p` 之间本就换行），不做"标题/正文"语义猜测。
+ *
+ * @module dsh-thesis/ingest
+ */
+import { extractPptxParagraphs, extractRawElement } from "./ooxml.js";
+import { failureResult, successResult } from "./types.js";
+import { ZipError, decodeBytes, openZip } from "./zip.js";
+/** 单页最多字符数（防一张疯狂的幻灯片吃掉整个预算）。 */
+const SLIDE_CHAR_LIMIT = 50_000;
+/** 最多渲染的页数。 */
+const SLIDE_LIMIT = 500;
+/** 从 `ppt/slides/slide12.xml` 里取页码 12；取不到返回 Number.MAX_SAFE_INTEGER。 */
+export function slideNumber(path) {
+    const match = /slide(\d+)\.xml$/i.exec(path);
+    if (match === null)
+        return Number.MAX_SAFE_INTEGER;
+    const value = Number.parseInt(match[1], 10);
+    return Number.isFinite(value) ? value : Number.MAX_SAFE_INTEGER;
+}
+/** 按页码排序幻灯片路径（同页码按字典序）。 */
+export function sortSlides(paths) {
+    return [...paths].sort((a, b) => {
+        const na = slideNumber(a);
+        const nb = slideNumber(b);
+        if (na !== nb)
+            return na - nb;
+        return a.localeCompare(b);
+    });
+}
+/** 读取 `docProps/core.xml` 的 `dc:title`（演示文稿"标题"属性）。 */
+function readCoreTitle(bytes) {
+    try {
+        const core = decodeBytes(openZip(bytes).require('docProps/core.xml'));
+        const raw = extractRawElement(core, ['dc:title', 'title']);
+        return raw === undefined || raw.trim() === '' ? undefined : raw;
+    }
+    catch {
+        return undefined;
+    }
+}
+/** 纯抽取：逐页渲染。 */
+export function readPptx(bytes) {
+    const zip = openZip(bytes);
+    if (!zip.has('ppt/presentation.xml') && zip.names('ppt/slides/', '.xml').length === 0) {
+        throw new ZipError('missing-presentation', '这个 ZIP 里既没有 ppt/presentation.xml 也没有 ppt/slides/：不是有效的 .pptx（可能是 .ppt 改了扩展名）。请用 PowerPoint/WPS 另存为 .pptx。');
+    }
+    const slidePaths = sortSlides(zip.names('ppt/slides/', '.xml'));
+    if (slidePaths.length === 0) {
+        throw new ZipError('no-slides', '演示文稿里没有任何幻灯片：无法抽取内容。');
+    }
+    const blocks = [];
+    let rendered = 0;
+    let skipped = 0;
+    for (const path of slidePaths.slice(0, SLIDE_LIMIT)) {
+        const paragraphs = extractPptxParagraphs(decodeBytes(zip.require(path)));
+        const body = paragraphs.join('\n');
+        const page = slideNumber(path);
+        const label = page === Number.MAX_SAFE_INTEGER ? path.replace(/^ppt\/slides\//, '').replace(/\.xml$/, '') : String(page);
+        if (body.trim() === '') {
+            skipped += 1;
+            blocks.push(`## 第 ${label} 页\n（本页没有文本，可能只有图片）`);
+            continue;
+        }
+        const limited = body.length > SLIDE_CHAR_LIMIT ? `${body.slice(0, SLIDE_CHAR_LIMIT)}\n…（本页内容过长已截断）` : body;
+        blocks.push(`## 第 ${label} 页\n${limited}`);
+        rendered += 1;
+    }
+    const notes = [];
+    if (slidePaths.length > SLIDE_LIMIT)
+        notes.push(`共 ${slidePaths.length} 页，只渲染了前 ${SLIDE_LIMIT} 页。`);
+    if (skipped > 0)
+        notes.push(`其中 ${skipped} 页没有文本（图片页）。`);
+    return {
+        text: `${blocks.join('\n\n')}${notes.length > 0 ? `\n\n（${notes.join(' ')}）` : ''}\n`,
+        slides: slidePaths.length,
+        skipped,
+    };
+}
+/** 门面用入口：pptx 字节 → 抽取结果。 */
+export function extractPptx(bytes, options) {
+    let read;
+    try {
+        read = readPptx(bytes);
+    }
+    catch (error) {
+        const reason = error instanceof ZipError
+            ? error.message
+            : `读取 .pptx 失败：${error instanceof Error ? error.message : String(error)}`;
+        return failureResult(reason);
+    }
+    if (read.text.trim() === '') {
+        return failureResult('这个 .pptx 的所有页面都没有文本（可能全图）：没有可摄取的文字。');
+    }
+    return successResult({
+        text: read.text,
+        maxChars: options.maxChars,
+        title: readCoreTitle(bytes),
+        note: `共 ${read.slides} 页。备注页（讲稿）不在其中：如需讲稿请另行提供。`,
+        lowConfidence: read.skipped > read.slides / 2,
+    });
+}

package/lib/ingest/text.d.ts

@@ -0,0 +1,25 @@
+/**
+ * 纯文本类材料摄取：`.md/.markdown/.txt/.csv/.tsv/.json/.yaml/.yml/.bib/.ris/.html`。
+ *
+ * 处理内容：
+ * - 编码判定：UTF-8 BOM / UTF-16 LE·BE BOM 先剥 BOM；再按"UTF-8 解码是否出现
+ *   替换字符"判断，必要时回退 GBK（中文 Windows 的记事本/CSV 常见）；
+ * - 换行归一：CRLF/CR → LF；
+ * - HTML：去掉 `<script>/<style>`、块级标签转换行、去掉其余标签、解码常见实体，
+ *   得到可读纯文本（不引第三方解析器）。
+ *
+ * @module dsh-thesis/ingest
+ */
+import { type ExtractOptions, type ExtractResult } from './types.ts';
+/** `node:fs` 读进来的字节 → 文本（BOM 与编码归一）。 */
+export declare function decodeTextBytes(bytes: Uint8Array): string;
+/** CRLF / CR → LF。 */
+export declare function normalizeNewlines(text: string): string;
+/** 解 HTML 实体（数字实体 + 常见命名实体，其余原样保留）。 */
+export declare function decodeHtmlEntities(input: string): string;
+/** HTML → 纯文本（去标签、块级转换行、解码实体）。 */
+export declare function htmlToText(html: string): string;
+/** 是否像二进制（含 NUL 或大量控制字符）——防止把 .dat 当文本读。 */
+export declare function looksBinary(bytes: Uint8Array): boolean;
+/** 门面用入口：按扩展名给的信息做纯文本抽取。 */
+export declare function extractText(bytes: Uint8Array, filename: string, options: ExtractOptions): ExtractResult;

package/lib/ingest/text.js

@@ -0,0 +1,180 @@
+/**
+ * 纯文本类材料摄取：`.md/.markdown/.txt/.csv/.tsv/.json/.yaml/.yml/.bib/.ris/.html`。
+ *
+ * 处理内容：
+ * - 编码判定：UTF-8 BOM / UTF-16 LE·BE BOM 先剥 BOM；再按"UTF-8 解码是否出现
+ *   替换字符"判断，必要时回退 GBK（中文 Windows 的记事本/CSV 常见）；
+ * - 换行归一：CRLF/CR → LF；
+ * - HTML：去掉 `<script>/<style>`、块级标签转换行、去掉其余标签、解码常见实体，
+ *   得到可读纯文本（不引第三方解析器）。
+ *
+ * @module dsh-thesis/ingest
+ */
+import { decodeXmlEntities } from "./ooxml.js";
+import { failureResult, successResult } from "./types.js";
+/** `node:fs` 读进来的字节 → 文本（BOM 与编码归一）。 */
+export function decodeTextBytes(bytes) {
+    // UTF-16 BOM（Windows 记事本"Unicode"另存为）
+    if (bytes.length >= 2 && bytes[0] === 0xff && bytes[1] === 0xfe) {
+        return decodeUtf16(bytes.subarray(2), true);
+    }
+    if (bytes.length >= 2 && bytes[0] === 0xfe && bytes[1] === 0xff) {
+        return decodeUtf16(bytes.subarray(2), false);
+    }
+    // UTF-8 BOM
+    const body = bytes.length >= 3 && bytes[0] === 0xef && bytes[1] === 0xbb && bytes[2] === 0xbf
+        ? bytes.subarray(3)
+        : bytes;
+    const utf8 = decodeWith(new TextDecoder('utf-8'), body);
+    if (utf8 !== undefined && !utf8.includes('\ufffd'))
+        return normalizeNewlines(utf8);
+    // 回退 GBK（环境不支持时保留 UTF-8 结果）
+    try {
+        const gbk = decodeWith(new TextDecoder('gbk'), body);
+        if (gbk !== undefined && (utf8 === undefined || countReplacement(gbk) < countReplacement(utf8))) {
+            return normalizeNewlines(gbk);
+        }
+    }
+    catch {
+        // 没有 ICU：忽略
+    }
+    return normalizeNewlines(utf8 ?? '');
+}
+function decodeWith(decoder, bytes) {
+    try {
+        return decoder.decode(bytes);
+    }
+    catch {
+        return undefined;
+    }
+}
+function decodeUtf16(bytes, littleEndian) {
+    let out = '';
+    for (let i = 0; i + 1 < bytes.length; i += 2) {
+        const code = littleEndian ? bytes[i] | (bytes[i + 1] << 8) : (bytes[i] << 8) | bytes[i + 1];
+        out += String.fromCharCode(code);
+    }
+    return normalizeNewlines(out);
+}
+function countReplacement(text) {
+    let count = 0;
+    for (const ch of text)
+        if (ch === '\ufffd')
+            count += 1;
+    return count;
+}
+/** CRLF / CR → LF。 */
+export function normalizeNewlines(text) {
+    return text.replace(/\r\n?/g, '\n');
+}
+// ---------------------------------------------------------------------------
+// HTML
+// ---------------------------------------------------------------------------
+/** HTML 命名实体（够覆盖中文网页/文档导出的常见字符）。 */
+const HTML_ENTITIES = {
+    nbsp: '\u00a0',
+    ensp: ' ',
+    emsp: ' ',
+    thinsp: ' ',
+    shy: '',
+    mdash: '—',
+    ndash: '–',
+    hellip: '…',
+    middot: '·',
+    bull: '•',
+    copy: '©',
+    reg: '®',
+    trade: '™',
+    laquo: '«',
+    raquo: '»',
+    ldquo: '“',
+    rdquo: '”',
+    lsquo: '‘',
+    rsquo: '’',
+    times: '×',
+    divide: '÷',
+    deg: '°',
+    plusmn: '±',
+    ne: '≠',
+    le: '≤',
+    ge: '≥',
+    rarr: '→',
+    larr: '←',
+    sect: '§',
+    para: '¶',
+    dagger: '†',
+    euro: '€',
+    pound: '£',
+    yen: '¥',
+    alpha: 'α',
+    beta: 'β',
+    gamma: 'γ',
+    delta: 'δ',
+    mu: 'μ',
+    pi: 'π',
+    sigma: 'σ',
+    omega: 'ω',
+};
+/** 解 HTML 实体（数字实体 + 常见命名实体，其余原样保留）。 */
+export function decodeHtmlEntities(input) {
+    const named = /\&([a-zA-Z][a-zA-Z0-9]{1,31});/g;
+    return decodeXmlEntities(input).replace(named, (match, name) => HTML_ENTITIES[name.toLowerCase()] ?? match);
+}
+/** HTML → 纯文本（去标签、块级转换行、解码实体）。 */
+export function htmlToText(html) {
+    let text = html;
+    // 注释
+    text = text.replace(/<!--[\s\S]*?-->/g, '');
+    // 脚本/样式整块丢弃
+    text = text.replace(/<(script|style|noscript|template)\b[^>]*>[\s\S]*?<\/\1\s*>/gi, '');
+    // 表格单元格 → 制表符；换行标签 → 换行
+    text = text.replace(/<\/t[dh]\s*>/gi, '\t');
+    text = text.replace(/<br\s*\/?>/gi, '\n');
+    text = text.replace(/<\/(p|div|li|tr|h[1-6]|section|article|blockquote|pre|table|ul|ol|dl|dd|dt|figcaption)\s*>/gi, '\n');
+    text = text.replace(/<(hr|li)\b[^>]*>/gi, '\n');
+    // 其余标签直接去掉
+    text = text.replace(/<[^>]*>/g, '');
+    text = decodeHtmlEntities(text);
+    // 行内空白整理：去每行首尾空格、压掉 3 个以上空行
+    return text
+        .split('\n')
+        .map(line => line.replace(/[ \t]+$/, '').replace(/^[ \t]+/, ''))
+        .join('\n')
+        .replace(/\n{3,}/g, '\n\n')
+        .trim();
+}
+// ---------------------------------------------------------------------------
+// 入口
+// ---------------------------------------------------------------------------
+/** 是否像二进制（含 NUL 或大量控制字符）——防止把 .dat 当文本读。 */
+export function looksBinary(bytes) {
+    const sample = bytes.subarray(0, Math.min(bytes.length, 4096));
+    let control = 0;
+    for (const byte of sample) {
+        if (byte === 0)
+            return true;
+        if (byte < 9 || (byte > 13 && byte < 32))
+            control += 1;
+    }
+    return sample.length > 0 && control / sample.length > 0.05;
+}
+/** 门面用入口：按扩展名给的信息做纯文本抽取。 */
+export function extractText(bytes, filename, options) {
+    const lower = filename.toLowerCase();
+    const isHtml = lower.endsWith('.html') || lower.endsWith('.htm');
+    if (looksBinary(bytes) && !isHtml) {
+        return failureResult('这个文件看起来是二进制（不是文本）：请确认扩展名是否正确，或提供可读的文本版本。');
+    }
+    const decoded = decodeTextBytes(bytes);
+    const text = isHtml ? htmlToText(decoded) : decoded.replace(/^\ufeff/, '');
+    if (text.trim() === '') {
+        return failureResult('文件是空的（或去掉 HTML 标签后没有文字）。');
+    }
+    const extension = lower.slice(lower.lastIndexOf('.'));
+    const kind = isHtml ? 'HTML（已去标签）' : `${extension === lower ? '纯文本' : extension} 文本`;
+    return successResult({
+        text,
+        maxChars: options.maxChars,
+        note: `按${kind}读取。`,
+    });
+}

package/lib/ingest/types.d.ts

@@ -0,0 +1,48 @@
+/**
+ * 摄取模块的内部类型：各格式抽取器共用的结果/选项形状。
+ *
+ * 与门面 `index.ts` 的公开结果类型分开，是为了让 `docx.ts`/`pdf.ts` 等
+ * 只依赖一个小接口，不反过来依赖门面（避免循环 import）。
+ *
+ * @module dsh-thesis/ingest
+ */
+/** 抽取选项：目前只有字符上限（超限即截断并标记）。 */
+export interface ExtractOptions {
+    /** 文本上限（字符）；超出部分截断，由调用方在结果里打 `truncated`。 */
+    readonly maxChars: number;
+}
+/** 单个文件抽取出的一段文本。 */
+export interface ExtractResult {
+    /** 是否抽取成功；false 时 text 为空，note 是给人看的原因。 */
+    readonly ok: boolean;
+    /** 抽取到的文本（已按 maxChars 截断；ok=false 时为空串）。 */
+    readonly text: string;
+    /** 是否发生了截断（内容超过 maxChars）。 */
+    readonly truncated: boolean;
+    /** 文档标题（docx 的 dc:title、pptx 的 core.xml 标题等），可能没有。 */
+    readonly title?: string;
+    /** 额外说明：格式特性提示、降级原因、无法抽取的原因。 */
+    readonly note?: string;
+    /** 低置信标记：文本量明显偏少（如扫描版 PDF）。 */
+    readonly lowConfidence?: boolean;
+}
+/**
+ * 按 maxChars 截断文本，并保证「正文 + 截断提示」不超过 maxChars。
+ * 返回截断后的文本与是否发生截断。
+ */
+export declare function truncateText(text: string, maxChars: number): {
+    text: string;
+    truncated: boolean;
+};
+/** 组装成功结果（统一做截断）。 */
+export declare function successResult(options: {
+    text: string;
+    maxChars: number;
+    title?: string | undefined;
+    note?: string | undefined;
+    lowConfidence?: boolean | undefined;
+}): ExtractResult;
+/** 组装失败结果（ok=false，text 恒为空）。 */
+export declare function failureResult(reason: string, options?: {
+    title?: string | undefined;
+}): ExtractResult;

package/lib/ingest/types.js

@@ -0,0 +1,47 @@
+/**
+ * 摄取模块的内部类型：各格式抽取器共用的结果/选项形状。
+ *
+ * 与门面 `index.ts` 的公开结果类型分开，是为了让 `docx.ts`/`pdf.ts` 等
+ * 只依赖一个小接口，不反过来依赖门面（避免循环 import）。
+ *
+ * @module dsh-thesis/ingest
+ */
+/**
+ * 按 maxChars 截断文本，并保证「正文 + 截断提示」不超过 maxChars。
+ * 返回截断后的文本与是否发生截断。
+ */
+export function truncateText(text, maxChars) {
+    const limit = Number.isFinite(maxChars) && maxChars > 0 ? Math.floor(maxChars) : 0;
+    if (text.length <= limit)
+        return { text, truncated: false };
+    const marker = '\n\n…（内容过长已截断）';
+    const room = Math.max(0, limit - marker.length);
+    return { text: `${text.slice(0, room)}${marker}`, truncated: true };
+}
+/** 组装成功结果（统一做截断）。 */
+export function successResult(options) {
+    const { text, truncated } = truncateText(options.text, options.maxChars);
+    const notes = [];
+    if (options.note !== undefined && options.note !== '')
+        notes.push(options.note);
+    if (truncated)
+        notes.push(`内容超过 ${options.maxChars} 字符上限，已截断。`);
+    return {
+        ok: true,
+        text,
+        truncated,
+        ...(options.title !== undefined && options.title !== '' ? { title: options.title } : {}),
+        ...(notes.length > 0 ? { note: notes.join(' ') } : {}),
+        ...(options.lowConfidence === true ? { lowConfidence: true } : {}),
+    };
+}
+/** 组装失败结果（ok=false，text 恒为空）。 */
+export function failureResult(reason, options) {
+    return {
+        ok: false,
+        text: '',
+        truncated: false,
+        ...(options?.title !== undefined && options.title !== '' ? { title: options.title } : {}),
+        note: reason,
+    };
+}

package/lib/ingest/xlsx.d.ts

@@ -0,0 +1,72 @@
+/**
+ * `.xlsx` 摄取：每个工作表渲染成一段「表名 + 表头 + 行」的 TSV 文本。
+ *
+ * 需要处理的 OOXML 细节（都按"够用即止"实现，不做完整 SpreadsheetML）：
+ * - `xl/workbook.xml` 给出 `<sheet name r:id>`；`xl/_rels/workbook.xml.rels`
+ *   把 r:id 映射到 `worksheets/sheetN.xml`（两个文件都可能缺 rels，故有回退猜测）；
+ * - `xl/sharedStrings.xml`：共享字符串表（`<si>` 可含多个 `<r><t>` 富文本片段）；
+ * - 内联字符串 `t="inlineStr"`：值直接写在 `<is><t>` 里；
+ * - 空单元格补空列：按 `<c r="C5">` 的列字母定位，缺列就用空串占位，保证列对齐；
+ * - 日期：Excel 把日期存成序列号（如 45000）。本模块**原样保留数字**，
+ *   但在表头行标注该列是「日期序列（Excel 序列号）」，避免把 45000 当数据。
+ *
+ * @module dsh-thesis/ingest
+ */
+import { type ExtractOptions, type ExtractResult } from './types.ts';
+/** 取一个标签串里某个属性的值（值可用单/双引号，也可无引号）。 */
+export declare function attr(tag: string, name: string): string | undefined;
+/** 取标签名 + 是否自闭合 + 属性串（供工作表遍历用）。 */
+interface TagScan {
+    readonly name: string;
+    readonly selfClosing: boolean;
+    /** 是否闭标签（`</row>`）。 */
+    readonly closing: boolean;
+    readonly attrs: string;
+    /** 标签在源串中的起止下标（用于切出元素 body）。 */
+    readonly start: number;
+    readonly end: number;
+}
+/** 按出现顺序扫描标签（不构建 DOM，只给位置与属性）。 */
+export declare function scanTags(xml: string): TagScan[];
+/** 从 `xl/workbook.xml` 抽工作表顺序与名字。 */
+export declare function parseWorkbookSheets(workbookXml: string): Array<{
+    name: string;
+    relId?: string;
+}>;
+/** 从 `xl/_rels/workbook.xml.rels` 抽 rId → 目标路径 的映射。 */
+export declare function parseWorkbookRels(relsXml: string): Map<string, string>;
+/** 解析 `xl/sharedStrings.xml`：索引 → 文本。 */
+export declare function parseSharedStrings(xml: string): string[];
+/** 自定义格式串是否像日期/时间（去掉引号、转义、颜色/条件段后看 ymdhs 字符）。 */
+export declare function isDateFormatCode(code: string): boolean;
+/**
+ * 解析 `xl/styles.xml`：返回「cellXfs 下标 → 是否日期格式」。
+ * 有些工具不写 cellXfs（此时全按非日期处理，数值原样保留）。
+ */
+export declare function parseStyleDateFlags(stylesXml: string | undefined): boolean[];
+/** `C12` → 列下标 2（0 基）；非法引用返回 0。 */
+export declare function columnIndex(ref: string): number;
+interface CellValue {
+    readonly kind: 'text' | 'number' | 'date';
+    readonly text: string;
+}
+/** 解析一行里的单元格。 */
+export declare function parseRow(rowXml: string, shared: readonly string[], dateFlags: readonly boolean[]): CellValue[];
+interface SheetRender {
+    readonly text: string;
+    readonly rows: number;
+    readonly truncated: boolean;
+    readonly truncatedRows: boolean;
+}
+/** 渲染一个工作表：表名 + 表头 + TSV 行。 */
+export declare function renderSheet(name: string, sheetXml: string, shared: readonly string[], dateFlags: readonly boolean[]): SheetRender;
+/** 读取一个 .xlsx：返回按工作表顺序渲染的 TSV 文本。 */
+export declare function readXlsx(bytes: Uint8Array): {
+    text: string;
+    sheets: number;
+};
+/** 门面用入口：xlsx 字节 → 抽取结果。 */
+export declare function extractXlsx(bytes: Uint8Array, options: ExtractOptions): ExtractResult;
+/** 工作表是否有任何非空数据行（供"空工作簿"判定）。 */
+export declare function hasAnyData(text: string): boolean;
+export {};