Antigravity IDE 文件分析能力研究报告

本报告研究并验证了 Antigravity IDE 在处理和分析各类文件格式时的能力，包括原生支持的文件类型，以及如何扩展支持 Office 系列文件（如 .xlsx、.docx、.doc）。

Verified Facts (已验证的事实)

1. 原生工具支持 (Built-in Tools)

IDE 提供的内置文件查看工具 (view_file) 原生支持以下格式：

  • 纯文本文件：包括但不限于 .txt、.md、.csv、.json、.py、.js、.ts、.html、.css、.xml、.yml 等。
  • 便携式文档格式 (PDF)：.pdf 文件可以直接被内置工具读取和解析。
  • 图像文件：.jpg、.jpeg、.png、.webp、.gif 等主流图像格式。
  • 音视频文件：支持常见的音频和视频格式。

2. 现代 Office 格式 (.docx / .xlsx)

虽然内置工具不直接渲染 .docx 和 .xlsx 的可视化界面，但由于它们本质上是 ZIP 压缩包格式 (OpenXML)，Antigravity IDE 可以通过在后台运行轻量级的解析脚本，完美且高效地提取和分析它们的内容。

  • .docx (Word 文档)：可以通过 Python 内置的 zipfile 和 xml.etree.ElementTree 模块，无需任何第三方库，直接解压并提取 word/document.xml 中的段落与表格文本。
  • .xlsx (Excel 表格)：同样可以通过纯 Python 方式解析 xl/sharedStrings.xml 和 xl/worksheets/sheetN.xml，读取工作表结构、单元格数据和工作簿配置。

验证实例：已成功在当前工作区编写了 office_parser.py 并成功解析了工作区内的 项目整体设计及一期实施方案.docx（获取了目录和前2000字）以及 试用意见征集结果整理.xlsx（获取了各 Sheet 的行数及数据预览）。

3. 旧版 Office 格式 (.doc)

  • .doc 是微软早期的二进制复合文档格式（OLE2 结构），无法直接用 ZIP 解压的方式读取。
  • 处理方案：在 Windows 系统上，如果安装了 Microsoft Office，我们可以通过运行 PowerShell 脚本来调用 Word COM 接口直接读取文档内容或将其另存为 .docx 后分析；或者在没有 Office 的环境下通过第三方 Python 库（如 pypandoc）或转换工具进行提取。

Evidence Sources (证据来源)

  1. 内置工具定义：view_file 接口说明中明确指出支持 text files, pdf, image, video, audio。
  2. 本地环境验证：
    • Python 版本：Python 3.14.4
    • Node.js 版本：v24.15.0
    • 现场脚本测试：在本地编写并成功执行了 office_parser.py 解析脚本，成功提取了工作区中大型 docx/xlsx 文件的文本内容。

Unverified Claims (未验证的声明)

  1. 老旧 .doc 文件在无 Office 环境下的解析：尚未在本地安装 catdoc 或 pandoc 等工具以测试在纯净无 Office 环境下对旧版 .doc 的解析率。
  2. 复杂加密/受保护的 Office 文档：对于设置了打开密码或权限保护的 .docx/.xlsx，直接解包 XML 的方式会失效，需要结合解密逻辑或用户输入密码。

Research Notes (研究笔记 - Office 解析方案)

为了让您直观地看到我们如何分析这些文件，以下是已在您本地环境中测试成功、无需安装任何额外 Python 包即可运行的解析方案：

Word (.docx) 纯文本解析原理

import zipfile
import xml.etree.ElementTree as ET

def get_docx_text(path):
    with zipfile.ZipFile(path) as docx:
        xml_content = docx.read('word/document.xml')
        root = ET.fromstring(xml_content)
        text_runs = []
        for elem in root.iter():
            if elem.tag.endswith('t'):  # 文本内容
                text_runs.append(elem.text or "")
            elif elem.tag.endswith('p'):  # 段落换行
                text_runs.append("\n")
        return "".join(text_runs)

Excel (.xlsx) 数据预览原理

import zipfile
import xml.etree.ElementTree as ET

def get_xlsx_sheets(path):
    with zipfile.ZipFile(path) as xlsx:
        # 读取共享字符串表，避免只读到数字索引
        shared_strings = []
        try:
            ss_xml = xlsx.read('xl/sharedStrings.xml')
            ss_root = ET.fromstring(ss_xml)
            for t in ss_root.findall('.//{http://schemas.openxmlformats.org/spreadsheetml/2006/main}t'):
                shared_strings.append(t.text or "")
        except KeyError:
            pass
        # 进一步解压 xl/worksheets/sheet1.xml 即可拿到行列数据