"""
Markdown文件解析工具，用于解析和提取Markdown文件内容
"""
import os
import traceback
from typing import Dict, List, Any
import mcp.types as types
from . import BaseTool, ToolRegistry
@ToolRegistry.register
class MarkdownTool(BaseTool):
"""
用于解析Markdown文件的工具，提取文本内容、标题结构和列表等信息
"""
name = "parse_markdown"
description = "解析Markdown文件内容，提取标题结构、列表和文本内容"
input_schema = {
"type": "object",
"required": ["file_path"],
"properties": {
"file_path": {
"type": "string",
"description": "Markdown文件的本地路径，例如'/path/to/document.md'",
}
},
}
async def execute(self, arguments: Dict[str, Any]) -> List[types.TextContent | types.ImageContent | types.EmbeddedResource]:
"""
解析Markdown文件
Args:
arguments: 参数字典，必须包含'file_path'键
Returns:
解析结果列表
"""
if "file_path" not in arguments:
return [types.TextContent(
type="text",
text="错误: 缺少必要参数 'file_path'"
)]
# 处理文件路径，支持挂载目录的转换
file_path = self.process_file_path(arguments["file_path"])
return await self._parse_markdown_file(file_path)
async def _parse_markdown_file(self, file_path: str) -> List[types.TextContent | types.ImageContent | types.EmbeddedResource]:
"""
解析Markdown文件内容
Args:
file_path: Markdown文件路径
Returns:
Markdown文件内容解析结果列表
"""
results = []
# 检查文件是否存在
if not os.path.exists(file_path):
return [types.TextContent(
type="text",
text=f"错误: 文件不存在: {file_path}\n请检查路径是否正确，并确保文件可访问。"
)]
# 检查文件扩展名
if not file_path.lower().endswith('.md'):
return [types.TextContent(
type="text",
text=f"错误: 不支持的文件格式: {file_path}\n仅支持.md格式的Markdown文件。"
)]
try:
# 添加文件信息
file_size_kb = os.path.getsize(file_path) / 1024
results.append(types.TextContent(
type="text",
text=f"# Markdown文件解析\n\n文件大小: {file_size_kb:.2f} KB"
))
# 读取文件内容
with open(file_path, 'r', encoding='utf-8') as file:
content = file.read()
# 基本文件信息
file_info = f"## 文件基本信息\n\n"
file_info += f"- 文件名: {os.path.basename(file_path)}\n"
file_info += f"- 路径: {file_path}\n"
file_info += f"- 大小: {file_size_kb:.2f} KB\n"
file_info += f"- 最后修改时间: {os.path.getmtime(file_path)}\n"
results.append(types.TextContent(
type="text",
text=file_info
))
# 解析Markdown内容结构
structure = self._analyze_markdown_structure(content)
results.append(types.TextContent(
type="text",
text=structure
))
# 添加原始内容
results.append(types.TextContent(
type="text",
text=f"## 原始Markdown内容\n\n```markdown\n{content}\n```"
))
# 添加处理完成的提示
results.append(types.TextContent(
type="text",
text="Markdown文件处理完成！"
))
return results
except Exception as e:
error_details = traceback.format_exc()
return [types.TextContent(
type="text",
text=f"错误: 解析Markdown文件失败: {str(e)}\n"
f"可能的原因:\n"
f"1. 文件编码不兼容\n"
f"2. 文件已损坏\n"
f"3. 文件内容格式异常\n\n"
f"详细错误信息: {error_details}"
)]
def _analyze_markdown_structure(self, content: str) -> str:
"""
分析Markdown文件结构
Args:
content: Markdown文件内容
Returns:
结构分析结果
"""
lines = content.split('\n')
# 分析标题
headings = {
"h1": [],
"h2": [],
"h3": [],
"h4": [],
"h5": [],
"h6": []
}
# 计数
code_blocks = 0
lists = 0
links = 0
images = 0
tables = 0
in_code_block = False
for line in lines:
line = line.strip()
# 检测代码块
if line.startswith('```'):
in_code_block = not in_code_block
if not in_code_block:
code_blocks += 1
continue
if in_code_block:
continue
# 检测标题
if line.startswith('# '):
headings["h1"].append(line[2:])
elif line.startswith('## '):
headings["h2"].append(line[3:])
elif line.startswith('### '):
headings["h3"].append(line[4:])
elif line.startswith('#### '):
headings["h4"].append(line[5:])
elif line.startswith('##### '):
headings["h5"].append(line[6:])
elif line.startswith('###### '):
headings["h6"].append(line[7:])
# 检测列表
if line.startswith('- ') or line.startswith('* ') or line.startswith('+ ') or \
(line and line[0].isdigit() and '.' in line[:3]):
lists += 1
# 检测链接和图片
if '](' in line:
if line.count(' - line.count('![')
# 检测表格
if line.startswith('|') and line.endswith('|'):
tables += 1
# 生成结构报告
structure = "## Markdown结构分析\n\n"
# 标题结构
structure += "### 标题结构\n\n"
has_headings = False
for level, titles in headings.items():
if titles:
has_headings = True
indent = " " * (int(level[1]) - 1)
for title in titles:
structure += f"{indent}- {title}\n"
if not has_headings:
structure += "文档中未检测到标题结构\n"
# 内容元素统计
structure += "\n### 内容元素统计\n\n"
structure += f"- 代码块: {code_blocks} 个\n"
structure += f"- 列表项: {lists} 个\n"
structure += f"- 链接: {links} 个\n"
structure += f"- 图片: {images} 个\n"
structure += f"- 表格行: {tables} 行\n"
return structure