from collections.abc import Generatorfrom typing import Anyfrom dify_plugin import Toolfrom dify_plugin.entities.tool import ToolInvokeMessagefrom docx import Documentimport tempfileimport ioimport osimport subprocessfrom typing import Optionalimport requestsclass Doc2docxTool(Tool):    def _invoke(self, tool_parameters: dict[str, Any]) -> Generator[ToolInvokeMessage]:        filename = tool_parameters.get('doc_file')        filename.url = "http://api:5001"+filename.url        result_bytes_io = self.convert_doc_to_docx(filename.url)        result_file_bytes = result_bytes_io.getvalue()        print(f"Converted DOCX file size: {len(result_file_bytes)} bytes")        yield self.create_blob_message(            blob=result_file_bytes,            meta=self.get_meta_data(                mime_type = "application/vnd.openxmlformats-officedocument.wordprocessingml.document",                output_filename=tool_parameters.get("output_filename"),           ),        )        return    def convert_doc_to_docx(self, url):        with tempfile.TemporaryDirectory() as tmpdir:            response = requests.get(url)            doc_path = os.path.join(tmpdir, "input.doc")            with open(doc_path, "wb") as f:                f.write(response.content)            # 执行转换
            subprocess.run([                "libreoffice", "--headless", "--convert-to", "docx", doc_path, "--outdir", tmpdir            ], check=True)            docx_path = os.path.join(tmpdir, "input.docx")            result_bytes_io = io.BytesIO()            document = Document(docx_path)            document.save(result_bytes_io)            print(f"Converted DOCX file size: {result_bytes_io.getbuffer().nbytes} bytes")        return result_bytes_io    def get_meta_data(self, mime_type, output_filename):        result_filename: Optional[str] = None        temp_filename = output_filename.strip() if output_filename else None        if temp_filename:            # ensure extension name            extension = MimeType.get_extension(mime_type)            if not temp_filename.lower().endswith(extension):                temp_filename = f"{temp_filename}{extension}"            result_filename = temp_filename        return {            "mime_type": mime_type,            "filename": result_filename,        }

apt updateapt install libreoffice -y

from collections.abc import Generatorfrom typing import Anyfrom dify_plugin import Toolfrom dify_plugin.entities.tool import ToolInvokeMessageimport jsonimport iofrom docx import Documentfrom docx.oxml.ns import qnfrom docx.oxml import OxmlElementfrom docx.text.run import Runfrom docx.opc.constants import CONTENT_TYPE, RELATIONSHIP_TYPEfrom docx.opc.packuri import PackURIfrom docx.opc.part import Partfrom docx.opc.oxml import parse_xmlfrom datetime import datetimeimport xml.etree.ElementTree as ETfrom pydantic import Field, PositiveInt, PositiveFloat, BaseModelfrom typing import Annotated, Literal, Optionalimport requestsimport jiebafrom sklearn.feature_extraction.text import TfidfVectorizerfrom sklearn.metrics.pairwise import cosine_similarity_COMMENTS_PART_DEFAULT_XML_BYTES = b"""<w:comments xmlns:w="http://schemas.openxmlformats.org/wordprocessingml/2006/main" />"""class InsertCommentTool(Tool):    def _invoke(self, tool_parameters: dict[str, Any]) -> Generator[ToolInvokeMessage]:        # 提取参数        uploaded_file = tool_parameters.get('docx')        if not uploaded_file:            yield self.create_text_message("请上传文件")            return        file_url = "http://api:5001" + uploaded_file.url        print(f"Processing uploaded file: {file_url}")        response = requests.get(file_url)        print(f"the response info : {response.content}")        print(f"the response info type : {type(response.content)}")        if response.status_code != 200:            yield self.create_text_message(f"文件下载失败，状态码: {response.status_code}")            return        text_to_comment = tool_parameters.get('comment_list')
        try:            # 先把外层字符串列表转换成Python list            json_strs = json.loads(text_to_comment)        except json.JSONDecodeError as e:            print(f"外层列表JSON解析错误: {e}")            return        print(f"Parsed JSON strings: {json_strs}")
        # 转化为元组列表        final_text_comments = []        for json_str in json_strs:            processed = self.process_json_string(json_str)            final_text_comments.extend(processed)        print(f"Final text comments to insert: {final_text_comments}")        outfile_path, document = self.insert_multiple_comments_into_docx(response.content, uploaded_file.filename, final_text_comments, "AI审查助手")        result_bytes_io = io.BytesIO()        document.save(result_bytes_io)        result_file_bytes = result_bytes_io.getvalue()        yield self.create_blob_message(            blob=result_file_bytes,            meta=self.get_meta_data(                mime_type = "application/vnd.openxmlformats-officedocument.wordprocessingml.document",                output_filename=tool_parameters.get("output_filename"),           ),        )        return    def get_meta_data(self, mime_type, output_filename):        result_filename: Optional[str] = None        temp_filename = output_filename.strip() if output_filename else None        if temp_filename:            # ensure extension name            extension = MimeType.get_extension(mime_type)            if not temp_filename.lower().endswith(extension):                temp_filename = f"{temp_filename}{extension}"            result_filename = temp_filename        return {            "mime_type": mime_type,            "filename": result_filename,        }    def process_json_string(self, json_str):            try:                json_node = json.loads(json_str)  # 先把字符串转为字典            except json.JSONDecodeError as e:                print(f"JSON解析错误: {e}")                return []            result = []            question_list = json_node.get("问题条款", [])            for item in question_list:                original_text = item.get("问题原文", "")                suggestion = item.get("修订建议", "")                error_type = item.get("风险类型", "")                result.append((original_text, f"风险类型：{error_type}。修订建议：{suggestion}"))            return result    def similarity(self, text1, text2):        texts = [' '.join(jieba.lcut(text1)), ' '.join(jieba.lcut(text2))]        vectorizer = TfidfVectorizer()        tfidf = vectorizer.fit_transform(texts)        similarity = cosine_similarity(tfidf[0:1], tfidf[1:2])        return similarity[0][0]    def insert_multiple_comments_into_docx(self, io_content, file_path, comments_list, author="Author", initials="A"):        """        在DOCX文件中插入多个批注。        Args:            io_content (str): DOCX内容的二进制流。            comments_list (list): 包含 (text_to_comment, comment_text) 元组的列表。            author (str): 批注作者。            initials (str): 批注作者缩写。        """        doc_file = io.BytesIO(io_content)        document = Document(doc_file)        # 确保comments part存在        try:            comments_part = document.part.part_related_by(RELATIONSHIP_TYPE.COMMENTS)        except KeyError:            comments_part = Part(                partname=PackURI("/word/comments.xml"),                content_type=CONTENT_TYPE.WML_COMMENTS,                blob=_COMMENTS_PART_DEFAULT_XML_BYTES,                package=document.part.package,            )            document.part.relate_to(comments_part, RELATIONSHIP_TYPE.COMMENTS)        ET.register_namespace("w", "http://schemas.openxmlformats.org/wordprocessingml/2006/main")        comments_xml = parse_xml(comments_part.blob)        # 获取下一个可用的批注ID        next_comment_id = 0        for comment in comments_xml.findall(qn("w:comment")):            current_id = int(comment.get(qn("w:id")))            if current_id >= next_comment_id:                next_comment_id = current_id + 1        for text_to_comment, comment_text in comments_list:            comment_id = next_comment_id            next_comment_id += 1            # 创建批注XML元素            comment_element = OxmlElement("w:comment")            comment_element.set(qn("w:date"), datetime.now().isoformat())            comment_element.set(qn("w:id"), str(comment_id))            comment_element.set(qn("w:author"), author)            comment_element.set(qn("w:initials"), initials)            comment_paragraph = OxmlElement("w:p")            comment_run = OxmlElement("w:r")            comment_text_element = OxmlElement("w:t")            comment_text_element.text = comment_text            comment_run.append(comment_text_element)            comment_paragraph.append(comment_run)            comment_element.append(comment_paragraph)            comments_xml.append(comment_element)            # 查找需要批注的文本并插入批注引用            found_in_document = False            for paragraph in document.paragraphs:                if text_to_comment in paragraph.text or self.similarity(text_to_comment, paragraph.text) > 0.8:                    # 找到文本在段落中的位置                    # 创建w:commentRangeStart和w:commentRangeEnd                    comment_range_start = OxmlElement("w:commentRangeStart")                    comment_range_start.set(qn("w:id"), str(comment_id))                    comment_range_end = OxmlElement("w:commentRangeEnd")                    comment_range_end.set(qn("w:id"), str(comment_id))                    # 将w:commentRangeStart插入到run之前                    paragraph.runs[0]._element.addprevious(comment_range_start)                    # 将w:commentRangeEnd插入到run之后                    paragraph.runs[-1]._element.addnext(comment_range_end)                    # 创建w:r元素，包含w:commentReference                    comment_reference_run = OxmlElement("w:r")                    comment_reference = OxmlElement("w:commentReference")                    comment_reference.set(qn("w:id"), str(comment_id))                    comment_reference_run.append(comment_reference)                    # 将w:commentReference插入到run中                    paragraph.runs[-1]._element.append(comment_reference_run)                    found_in_document = True                    break                if found_in_document:                    break            if not found_in_document:                print(f"Warning: Text \"{text_to_comment}\" not found in the document. Comment not added for this text.")        comments_part._blob = ET.tostring(comments_xml)        output_file_path = file_path.replace(".docx", "_with_multiple_comments.docx")        document.save(output_file_path)        print(f"批注已成功插入到 {output_file_path} 中。")        return output_file_path, document