47 lines
3.2 KiB
Markdown
47 lines
3.2 KiB
Markdown
# AGENTS.md — контекст проекта для OMP
|
|
|
|
Проект: набор библиотек для конвертации файлов → markdown.
|
|
**Текущий формат: Excel (.xlsx).** Дальше — pdf, docx, pptx, html…
|
|
|
|
## Workflow для каждого формата
|
|
|
|
1. Сгенерировать простые тест-кейсы (базовые данные, заголовки, типы)
|
|
2. Найти лучшие библиотеки: сначала фреймворки (docling, owi, surya,
|
|
paddle…), потом докопаться до низкоуровневых либ формата
|
|
(для Excel: openpyxl, pandas, xlrd, calamine…)
|
|
3. Оценить по функционалу → таблица в `libs_eval/`
|
|
4. Сгенерировать сложные тест-кейсы:
|
|
- пустые, но отформатированные колонки (их много)
|
|
- большие промежутки между колонками (файл целиком читать не хочется)
|
|
- сложное форматирование: объединённые ячейки, стили, цвета
|
|
- формулы и ссылки
|
|
- пограничный размер: миллионы строк
|
|
- разные кодировки и форматы данных
|
|
5. Проверить качество конвертации
|
|
6. Забенчмаркировать: скорость, потребление памяти, нагрузка на CPU
|
|
|
|
## Ключевые договорённости
|
|
|
|
- **Excel: картинки НЕ нужны** — только текст, структура, форматирование, формулы
|
|
- Тест-кейсы: генерировать скриптами (openpyxl), файлы в `testcases/excel/`
|
|
- Именование: `tc<N>_<описание>.xlsx`, например `tc01_basic.xlsx`
|
|
- Бенчмарки: замерять wall-time, RSS (memory_profiler/psutil), CPU% — выводить таблицей
|
|
- Python 3, зависимости в `requirements.txt`, venv в `.venv/` (не коммитить)
|
|
|
|
## Питфоллы (проверено)
|
|
|
|
- Миллионы строк: openpyxl read_only mode / pandas chunking / calamine (Rust)
|
|
- Пустые отформатированные колонки: проверять `ws.calculate_dimension()` /
|
|
`ws.max_column` — многие либы их игнорируют
|
|
- Формулы: openpyxl `data_only=True` даёт cached value (если файл открывался
|
|
в Excel), иначе формулу; calamine отдаёт cached value сразу
|
|
- xlsx внутри — UTF-8 XML, но данные бывают в разных локалях; .xls (BIFF) —
|
|
отдельная история (xlrd >=2.0 только .xls!)
|
|
|
|
## Стиль работы
|
|
|
|
- Сначала изучить существующее (README, libs_eval/, тест-кейсы), не дублировать
|
|
- Код — через тебя (OMP), короткие итерации, самопроверка запуском
|
|
- Результаты бенчмарков/оценок — в markdown-таблицы в libs_eval/
|
|
- Обновления вики — делает Hermes, не трогай /mnt/synology/
|