Processa documentos empresariais (PDF, XLSX, DOCX) para extracao de requisitos, validacao de dados e criacao de documentos profissionais. Use quando: extrair texto de PDF, processar planilhas Excel, criar/editar Word, validar documentos, converter formatos.
Processa documentos empresariais com qualidade production-grade:
Sempre validar ANTES de processar. Coletar TODOS os erros antes de reportar.
Planilhas e documentos criados devem ter ZERO erros de formula ou formatacao.
Extrai texto e dados de um documento.
/doc-extract requirements.pdf
/doc-extract financials.xlsx
/doc-extract spec.docx
Output: Texto estruturado, tabelas em formato markdown, metadados.
Valida integridade do documento.
/doc-validate report.xlsx # Verifica formulas
/doc-validate contract.docx # Verifica formatacao
Output: JSON com status e erros encontrados.
Cria documento profissional a partir de template.
/doc-create xlsx requirement-matrix
/doc-create docx technical-spec
Tipos suportados:
xlsx: Planilha com formatacao profissionaldocx: Documento Word com estilos padrao# 1. Detectar tipo (texto vs escaneado)
# 2. Extrair com pdfplumber (texto) ou OCR (escaneado)
# 3. Preservar layout e tabelas
# 4. Retornar estruturado
python scripts/extract_pdf.py input.pdf --output json
# 1. Abrir com openpyxl
# 2. Iterar sheets e celulas
# 3. Preservar formulas como metadata
# 4. Validar com LibreOffice headless
python scripts/process_xlsx.py input.xlsx --mode extract
python scripts/process_xlsx.py input.xlsx --mode validate
# 1. Abrir com python-docx
# 2. Extrair paragrafos, tabelas, headers
# 3. Detectar tracked changes (OOXML)
# 4. Preservar estrutura
python scripts/process_docx.py input.docx --mode extract
| Codigo | Descricao | Exemplo |
|---|---|---|
#VALUE! | Tipo incompativel | =A1+B1 onde B1 e texto |
#REF! | Referencia invalida | Celula deletada referenciada |
#DIV/0! | Divisao por zero | =A1/0 |
#NAME? | Nome desconhecido | Funcao inexistente |
#N/A | Valor nao disponivel | VLOOKUP sem match |
#NUM! | Numero invalido | =SQRT(-1) |
#NULL! | Intersecao nula | Range invalido |
{
"status": "errors_found",
"total_errors": 3,
"errors": [
{"cell": "B5", "type": "#REF!", "formula": "=A1+Sheet2!Z99"},
{"cell": "C10", "type": "#DIV/0!", "formula": "=A10/B10"},
{"cell": "D15", "type": "#VALUE!", "formula": "=SUM(D1:D14)"}
],
"suggestions": [
"B5: Verifique se Sheet2!Z99 existe",
"C10: B10 esta vazio ou zero",
"D15: Range contem valores nao-numericos"
]
}
# Tracked changes estao em tags OOXML:
# <w:ins> = insercao
# <w:del> = delecao
# <w:rPrChange> = mudanca de formatacao
python scripts/process_docx.py contract.docx --mode changes
{
"has_tracked_changes": true,
"changes": [
{
"type": "insertion",
"author": "John Doe",
"date": "2026-01-10T14:30:00Z",
"text": "novo texto inserido"
},
{
"type": "deletion",
"author": "Jane Smith",
"date": "2026-01-11T09:15:00Z",
"text": "texto removido"
}
]
}
pip install pdfplumber openpyxl python-docx pandas
# PDF avancado
apt install poppler-utils
# OCR para PDFs escaneados
apt install tesseract-ocr
# Validacao de formulas XLSX
apt install libreoffice
python scripts/validate.py --check-deps
| Fase | Uso |
|---|---|
| Phase 1 (Discovery) | Extrair requisitos de PDFs de stakeholders |
| Phase 2 (Requirements) | Processar matrizes de requisitos (XLSX) |
| Phase 3 (Architecture) | Ler especificacoes tecnicas (DOCX) |
| Phase 7 (Release) | Gerar release notes (DOCX), reports (XLSX) |
/doc-validate primeiro# Verificar se e escaneado
pdftotext input.pdf - | head -20
# Se vazio, usar OCR
python scripts/extract_pdf.py input.pdf --ocr
# Validar formulas
python scripts/process_xlsx.py input.xlsx --mode validate
# Listar todas as formulas
python scripts/process_xlsx.py input.xlsx --mode formulas
# Tentar reparar via LibreOffice
libreoffice --headless --convert-to docx input.docx