docs: add file format support matrix (DOC-FULL-028)
- 9 MaterialType × 8 capabilities matrix - MIME detection strategy (magic bytes → extension) - Per-format details: Markdown/Text/PDF/EPUB/Image/Office - PreviewMode mapping, search capabilities, limits Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
This commit is contained in:
wangdl
parent
8968858211
commit
a7b941bd42
162
docs/file-format-support-matrix.md
Normal file
162
docs/file-format-support-matrix.md
Normal file
@ -0,0 +1,162 @@
|
||||
# 文件格式支持矩阵
|
||||
|
||||
## 1. 概述
|
||||
|
||||
Document Runtime 支持以下文件格式的解析、元数据提取、文本提取和搜索。
|
||||
|
||||
---
|
||||
|
||||
## 2. 能力矩阵
|
||||
|
||||
| 格式 | 枚举值 | MIME 检测 | 预览模式 | 文本提取 | 元数据 | 搜索 | 定位 | 锚点 |
|
||||
|------|--------|:--:|:--:|:--:|:--:|:--:|:--:|:--:|
|
||||
| Markdown | `Markdown` | 扩展名 `.md` / `.markdown` | NativeReader | ✅ Block 解析 | ✅ 行/词/字符统计 | ✅ | ✅ Block+Scroll | ✅ Block ID |
|
||||
| 纯文本 | `Text` | 扩展名 `.txt` | NativeReader | ✅ 按行 | ✅ 行/词/字符统计 | ✅ | ✅ 行号+Scroll | ❌ |
|
||||
| PDF | `Pdf` | 文件头 `%PDF-` | PlatformPreview | ✅ BT/ET 流式扫描 | ✅ 页数/标题/作者 | ✅ | ✅ 页码+Progress | ✅ 页码 |
|
||||
| EPUB | `Epub` | 文件头 `PK` + mimetype | NativeReader | ✅ HTML strip | ✅ 标题/作者/章节数 | ✅ | ✅ 章节+Progress | ✅ 章节 ID |
|
||||
| 图片 | `Image` | 文件头魔术字节 | NativeReader | ❌ | ✅ 宽/高/格式 | ❌ | ✅ Zoom+Offset | ❌ |
|
||||
| Word | `Word` | 扩展名 `.docx` | PlatformPreview | ❌ | ❌ | ❌ | ❌ | ✅ 整体 |
|
||||
| Excel | `Excel` | 扩展名 `.xlsx` | PlatformPreview | ❌ | ❌ | ❌ | ❌ | ✅ 整体 |
|
||||
| PowerPoint | `PowerPoint` | 扩展名 `.pptx` | ExternalOpen | ❌ | ❌ | ❌ | ❌ | ✅ 整体 |
|
||||
| 未知 | `Unknown` | — | Unsupported | ❌ | ❌ | ❌ | ❌ | ❌ |
|
||||
|
||||
---
|
||||
|
||||
## 3. MIME 检测
|
||||
|
||||
### 3.1 检测策略
|
||||
|
||||
```
|
||||
1. 文件头魔术字节（前 8KB）
|
||||
├─ %PDF- → PDF
|
||||
├─ PK + mimetype=application/epub+zip → EPUB
|
||||
└─ PNG/JPG/GIF/WebP 头 → Image
|
||||
|
||||
2. 扩展名回退
|
||||
├─ .md / .markdown → Markdown
|
||||
├─ .txt → Text
|
||||
├─ .epub → EPUB
|
||||
└─ .pdf → PDF
|
||||
```
|
||||
|
||||
### 3.2 代码路径
|
||||
|
||||
```rust
|
||||
// material_type.rs
|
||||
pub fn detect_material_type(file_path: &str) -> Result<MaterialType, DocumentError>
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 4. 各格式详情
|
||||
|
||||
### 4.1 Markdown
|
||||
|
||||
| 能力 | 说明 |
|
||||
|------|------|
|
||||
| 解析 | `parse_markdown()` → `Vec<DocumentBlock>`（8 种块类型） |
|
||||
| 块类型 | Heading / Paragraph / List / CodeBlock / Quote / Table / Image / HorizontalRule |
|
||||
| 元数据 | YAML Front Matter 自动解析为 metadata |
|
||||
| 搜索 | `search_blocks()` — 在每个块的文本内容中搜索 |
|
||||
| 定位 | `ReadingPosition::Markdown(blockId, scrollProgress)` |
|
||||
| 锚点 | `resolveNoteAnchors()` — `#heading-id` / `#paragraph-id` |
|
||||
|
||||
### 4.2 纯文本
|
||||
|
||||
| 能力 | 说明 |
|
||||
|------|------|
|
||||
| 解析 | 按换行符分割为行，不作为结构化块 |
|
||||
| 元数据 | 行数、词数（`text_stats()`）、字符数 |
|
||||
| 搜索 | `search_text()` — 按行搜索，返回行号 |
|
||||
| 定位 | `ReadingPosition::Text(lineNumber, scrollProgress)` |
|
||||
|
||||
### 4.3 PDF
|
||||
|
||||
| 能力 | 说明 |
|
||||
|------|------|
|
||||
| 页数检测 | `/Type /Page` 对象计数 → `/Pages /Count` → 默认 1 |
|
||||
| 文本提取 | 扫描 `BT..ET` 块，提取括号内文本（`extract_pdf_text()`） |
|
||||
| 元数据 | `/Title`, `/Author` 字段，仅支持 ASCII/PDFDocEncoding |
|
||||
| 限制 | 最大扫描 8MB（`MAX_SCAN_BYTES`）；加密 PDF 不解析 |
|
||||
| 搜索 | 依赖 `extract_pdf_text()` 输出 |
|
||||
| 定位 | `ReadingPosition::Pdf(pageNumber, pageProgress, overallProgress)` |
|
||||
|
||||
### 4.4 EPUB
|
||||
|
||||
| 能力 | 说明 |
|
||||
|------|------|
|
||||
| TOC | NCX（EPUB2）→ NAV（EPUB3）回退 |
|
||||
| 章节列表 | Spine 解析 → `read_epub_chapters()` |
|
||||
| 文本提取 | `extract_epub_chapter_texts()` — HTML 标签移除 + 空白合并 |
|
||||
| 元数据 | `dc:title`, `dc:creator` |
|
||||
| 定位 | `ReadingPosition::Epub(chapterId, chapterProgress, overallProgress)` |
|
||||
| 路径策略 | 含 `/` 或 `.xhtml`/`.html`→直接用；否则 `OEBPS/{id}.xhtml` |
|
||||
|
||||
### 4.5 图片
|
||||
|
||||
| 能力 | 说明 |
|
||||
|------|------|
|
||||
| 支持格式 | PNG / JPG / GIF / WebP |
|
||||
| 元数据 | `read_image_meta()` → 宽度、高度、格式 |
|
||||
| 搜索 | 不支持 |
|
||||
| 定位 | `ReadingPosition::Image(zoomScale, offsetX, offsetY)` |
|
||||
|
||||
### 4.6 Office（Word / Excel / PowerPoint）
|
||||
|
||||
| 能力 | 说明 |
|
||||
|------|------|
|
||||
| 预览 | PlatformPreview / ExternalOpen（不内置渲染） |
|
||||
| 文本提取 | 不支持（依赖第三方预览组件） |
|
||||
| 搜索 | 不支持 |
|
||||
| 锚点 | 仅 Material 级别 |
|
||||
|
||||
---
|
||||
|
||||
## 5. PreviewMode 对照
|
||||
|
||||
| MaterialType | PreviewMode | 渲染方式 |
|
||||
|-------------|-------------|----------|
|
||||
| Markdown | NativeReader | Rust 解析 → SwiftUI 渲染 |
|
||||
| Text | NativeReader | SwiftUI 文本视图 |
|
||||
| Pdf | PlatformPreview | WKWebView / PDFKit |
|
||||
| Image | NativeReader | SwiftUI Image |
|
||||
| Epub | NativeReader | Rust HTML strip → SwiftUI |
|
||||
| Word | PlatformPreview | WKWebView / Office URI |
|
||||
| Excel | PlatformPreview | WKWebView / Office URI |
|
||||
| PowerPoint | ExternalOpen | 系统分享 Sheet |
|
||||
| Unknown | Unsupported | 错误提示 |
|
||||
|
||||
---
|
||||
|
||||
## 6. 搜索能力
|
||||
|
||||
| 格式 | 搜索方式 | 返回粒度 |
|
||||
|------|----------|:--:|
|
||||
| Markdown | `search_blocks()` | Block ID + 片段 |
|
||||
| Text | `search_text()` | 行号 + 片段 |
|
||||
| PDF | 预提取文本后搜索 | 页码 |
|
||||
| EPUB | 预提取文本后搜索 | 章节 ID |
|
||||
| Image | 不支持 | — |
|
||||
| Office | 不支持 | — |
|
||||
|
||||
**验证函数**：`validate_search_result()` — 校验搜索结果片段中的匹配位置是否正确。
|
||||
|
||||
---
|
||||
|
||||
## 7. 限制与边界
|
||||
|
||||
| 项 | 值 | 说明 |
|
||||
|------|------|------|
|
||||
| Markdown 文档大小 | 无硬限制 | 依赖内存 |
|
||||
| PDF 扫描上限 | 8 MB | `MAX_SCAN_BYTES` |
|
||||
| PDF 文本提取 | BT/ET 块扫描 | 不解析 CMap/Type0 字体 |
|
||||
| EPUB 支持版本 | EPUB 2.0 / 3.0 | NCX + NAV 回退 |
|
||||
| 图片元数据 | 仅基础 | 不含 EXIF GPS/时间 |
|
||||
| Office 解析 | 不支持 | 仅预览模式判断 |
|
||||
|
||||
---
|
||||
|
||||
## 8. 相关文档
|
||||
|
||||
- [iOS FFI 调用指南](./ios-ffi-integration-guide.md)
|
||||
- [UniFFI UDL 编写规范](./uniffi-udl-spec.md)
|
||||
Loading…
x
Reference in New Issue
Block a user