LQAgentPlatform/core/base/__init__.py

"""
文档分类切分库
支持PDF和Word文档的目录提取、智能分类和文本切分

主要功能：
1. 提取PDF/Word文档的目录结构
2. 识别和校验目录的层级关系
3. 基于二级目录关键词匹配对一级目录进行智能分类
4. 按目录层级和字符数智能切分文本
5. 保存分类结果到多种格式

使用示例：
    from doc_worker import DocumentClassifier
    
    # 创建分类器实例
    classifier = DocumentClassifier()
    
    # 处理文档
    result = classifier.process_document(
        file_path="document.pdf",
        target_level=1,  # 对一级目录进行分类
        output_dir="./output"
    )
"""

__version__ = "2.0.0"
__author__ = "Your Name"


from core.construction_review.component.doc_worker import DocumentClassifier
from core.construction_review.component.doc_worker.toc.toc_extractor import TOCExtractor
from core.construction_review.component.doc_worker.chunking.text_splitter import TextSplitter
from core.construction_review.component.doc_worker.classification.hierarchy_classifier import HierarchyClassifier
from core.construction_review.component.doc_worker.classification.rule_based_classifier import RuleBasedClassifier
from core.construction_review.component.doc_worker.output.result_saver import ResultSaver


__all__ = [
    'DocumentClassifier',
    'TOCExtractor',
    'TextSplitter',
    'HierarchyClassifier',
    'RuleBasedClassifier',
    'ResultSaver'
]