# 可选依赖（图片/PDF/WPS/RTF 支持，按需安装）
# 安装命令: pip install -r requirements-optional.txt
#
# === 按场景选择安装 ===
#
# 场景1: 仅用 .docx/.doc/.md/.wps → 无需安装任何可选依赖
#
# 场景2: 格式说明文档为图片/PDF → 只需 OCR + PDF 文本提取
#   pip install rapidocr-onnxruntime pdfplumber
#
# 场景3: 源文档(论文)为图片 → 需版面分析识别标题/段落/表格结构
#   pip install paddleocr          # PP-Structure 版面分析，约1GB
#   # 或使用具备视觉能力的 Agent 直接输出结构化 Markdown（无需安装）
#
# 场景4: 源文档为扫描版PDF → 需渲染为图片 + 版面分析
#   pip install paddleocr PyMuPDF
#
# 场景5: 不确定，想覆盖大多数场景 → 轻量组合
#   pip install rapidocr-onnxruntime pdfplumber pdf2docx

# --- 图片 OCR（提取文本，格式说明文档用） ---
rapidocr-onnxruntime>=1.3.0          # 推荐：轻量~50MB，中文优秀，无系统依赖
# pytesseract>=0.3.10                # 备选：需额外安装 Tesseract + chi_sim 语言包
# Pillow>=10.0.0                     # pytesseract 依赖
# easyocr>=1.7.0                     # 末选：质量好但依赖 PyTorch ~500MB

# --- 图片版面分析（源文档结构识别：标题/正文/表格/图片区域） ---
# 仅当源文档(论文)为图片或扫描版PDF时需要安装
# paddleocr>=2.7.0                   # PP-Structure: 版面+表格+OCR一体化，约1GB

# --- PDF 支持 ---
pdfplumber>=0.11.0                   # PDF 文本提取（格式说明文档）
pdf2docx>=0.1.8                      # PDF 转 docx（源文档）
PyMuPDF>=1.24.0                      # PDF 扫描件检测 + 渲染为图片（扫描版PDF处理）

# --- WPS 支持 ---
# WPS 格式(.wps) 通常可被 python-docx 直接读取，无需额外依赖

# --- RTF 支持 ---
# python-docx 不支持 RTF，需以下方案之一：
# 方案A: pywin32 (仅Windows，调用Word COM接口转换)
# 方案B: libreoffice 命令行转换 (跨平台)
# 方案C: textract (pip install textract，封装多种格式)
