办公效率工具箱

日常办公里哪些事值得用代码做

整理下载目录、合并多张表、核对两份合同改动了什么、排班是否撞车——这些任务重复、规则又细，手工做容易漏。office-helper 把常见场景收成 10 个可调用函数，全部用 Python 标准库实现（hashlib、re、zipfile、zlib、difflib 等），不引入第三方包，适合在受限环境或一次性脚本里直接复用。

核心能力与算法取舍

| 场景 | 入口函数 | 思路 |
|------|----------|------|
| 按内容分文件夹 | smart_file_classifier | TF-IDF 向量 + 余弦相似度，K-Means++ 聚类 |
| 看 PDF 结构而不靠渲染 | pdf_structure_analyzer | 二进制解析、zlib 解压、正则抽对象 |
| 两份文档是否「像」 | document_similarity_compare | Jaccard、TF-IDF 余弦、Levenshtein 组合 |
| 批量改名 | batch_rename_with_pattern | 正则、序号填充、日期与变量替换 |
| 多表合并 | excel_data_merger | XLSX 解析 + LEFT/RIGHT/OUTER/INNER JOIN |
| 会议纪要结构化 | meeting_minutes_parser | 正则 + 规则引擎 + 轻量 NLP 抽取 |
| 日程冲突 | schedule_conflict_detector | AVL 区间树 + 重叠检测 |
| 文本 diff | text_diff_analyzer | Myers / LCS 动态规划 |
| 查重 | file_duplicate_finder | MD5、按大小过滤、文件名相似度 |
| 摘要 | document_summary_generator | TextRank（PageRank 迭代） |

复杂度在 SKILL 里按函数标过（例如分类约 O(n²·m)，排班约 O(n log n + k)），便于你判断大批量文件是否要在离线任务里跑。

适用边界

• Excel 合并依赖对 XLSX 的解析实现，复杂公式、宏、极端大表需自行抽样验证。
• PDF 分析面向结构提取，不是排版还原或 OCR；扫描件仍以图像为主。
• 分类 / 摘要 / 相似度对短文本、噪声文件名效果一般；会议解析依赖规则，方言或极非结构化纪要要补规则。
• 部分步骤（如查重里的文件名相似度）在最坏情况下仍有 O(n²) 成分，上万文件建议先按大小或哈希分桶。