用途:TextIn xParse 用于把多种格式文档(PDF、图片、扫描件、Word、Excel、PowerPoint、HTML、OFD、RTF 等)解析为 Markdown 或结构化 JSON,并支持对文档做定向读取与检索。
主要能力:整份转换、总结或导出可用 parse;局部问题可先用 get_doc_info 获取 DOC_ID,再解析并写入本地缓存,随后用 get_outline、search_text 或 read_pages 定位,最后用 read_content 读取命中元素。数字、名称、日期等短事实优先 search_text,完整段落和表格用 read_content。目录截断时用 --parent-id 下钻。单次 read_pages 不超过 20 页。
使用方式:所有操作只通过本目录的 run.py 执行。先运行 python run.py check --json;若返回 TEXTIN_XPARSE_AUTH_REQUIRED,按 next_step 在 EasyClaw 中完成连接后重试。参数不确定时运行 python run.py schema --json 或 python run.py schema <command> --json。每个新用户请求在首次调用前创建仅当前用户可读的临时 JSON 文件,包含 schema_version、user_intent、tool_call_reason,并在每次业务调用加 --task-context <TASK_CONTEXT_FILE>,结束后删除。常用命令如 python run.py query parse <INPUT> --task-context <TASK_CONTEXT_FILE> --output <DIR> --json,以及 get_doc_info、get_outline、search_text、read_pages、read_content、get_confidence 等。
限制:普通解析不指定 --api,由 CLI 自动选择通道;返回 PAID_QUOTA_REQUIRED 时以相同输入增加 --api paid --auth-method oauth 重试;余额不足(40003)时展示充值入口并停止。授权失效需回到 EasyClaw 连接入口。文档会发送到 TextIn 云服务,上传前需确认有权处理,个人信息、商业秘密或受监管数据需符合组织政策。不得直接调用 xparse-cli,不得传递 Profile、Token、App ID、Secret Code、自定义请求头、调试参数或其他平台 session 上下文。加密文档可在用户提供密码后使用 --password。