cw-ai-backlog/src/parsers.js

AI-powered tool to generate backlog items from meeting documents and output to Google Sheets

const fs = require('fs-extra');
const path = require('path');
const pdfParse = require('pdf-parse');
const mammoth = require('mammoth');
const axios = require('axios');
const { google } = require('googleapis');

/**
 * 解析檔案內容
 * @param {string} input 檔案路徑或 Google Docs 連結
 * @param {Object} config 配置物件
 * @returns {string} 解析後的文字內容
 */
async function parseFile(input, config) {
  // 判斷是 Google Docs 連結還是本地檔案
  if (input.includes('docs.google.com')) {
    return await parseGoogleDocs(input, config);
  } else {
    return await parseLocalFile(input);
  }
}

/**
 * 解析 Google Docs
 * @param {string} url Google Docs URL
 * @param {Object} config 配置物件
 * @returns {string} 文字內容
 */
async function parseGoogleDocs(url, config) {
  try {
    // 提取文件 ID
    const docId = extractGoogleDocId(url);
    
    if (config.googleCredentials) {
      // 使用 Google Docs API
      return await parseWithGoogleAPI(docId, config.googleCredentials);
    } else {
      // 嘗試使用公開存取
      return await parseGoogleDocsPublic(docId);
    }
  } catch (error) {
    if (error.message.includes('Google Docs API has not been used')) {
      throw new Error(`Google Docs API 未啟用。請按照以下步驟操作：

1. 前往 Google Cloud Console：
   https://console.developers.google.com/apis/api/docs.googleapis.com/overview?project=${error.message.match(/project (\d+)/)?.[1] || 'YOUR_PROJECT_ID'}

2. 點擊「啟用」按鈕來啟用 Google Docs API

3. 確保您的 service account 有權限存取該文件：
   - 在 Google Docs 中點擊「分享」
   - 新增您的 service account email
   - 設定權限為「檢視者」或「編輯者」

4. 重新執行指令`);
    }
    throw new Error(`無法解析 Google Docs: ${error.message}

💡 解決方案：
1. 如果是私人文件，請設定 googleCredentials 或將文件設為公開
2. 如果是公開文件，請確認文件設為「知道連結的使用者可以檢視」
3. 執行 ai-backlog --setup 進行完整設定`);
  }
}

/**
 * 從 Google Docs URL 提取文件 ID
 * @param {string} url Google Docs URL
 * @returns {string} 文件 ID
 */
function extractGoogleDocId(url) {
  const match = url.match(/\/document\/d\/([a-zA-Z0-9-_]+)/);
  if (!match) {
    throw new Error('無效的 Google Docs URL');
  }
  return match[1];
}

/**
 * 使用 Google Docs API 解析文件
 * @param {string} docId 文件 ID
 * @param {string} credentialsPath 憑證檔案路徑
 * @returns {string} 文字內容
 */
async function parseWithGoogleAPI(docId, credentialsPath) {
  try {
    const credentials = require(path.resolve(credentialsPath));
    const auth = new google.auth.GoogleAuth({
      credentials,
      scopes: [
        'https://www.googleapis.com/auth/documents.readonly',
        'https://www.googleapis.com/auth/drive.readonly'
      ]
    });

    const docs = google.docs({ version: 'v1', auth });
    const doc = await docs.documents.get({ documentId: docId });
    
    return extractTextFromGoogleDoc(doc.data);
  } catch (error) {
    if (error.message.includes('Google Docs API has not been used')) {
      throw new Error(`❌ Google Docs API 未啟用

🔧 解決步驟：
1. 前往 Google Cloud Console 啟用 Google Docs API：
   https://console.developers.google.com/apis/api/docs.googleapis.com/overview?project=${error.message.match(/project (\d+)/)?.[1] || 'YOUR_PROJECT_ID'}

2. 點擊「啟用」按鈕

3. 等待幾分鐘讓 API 生效，然後重試`);
    }

    if (error.message.includes('insufficient authentication scopes')) {
      throw new Error(`❌ Service Account 權限不足

🔧 解決步驟：
1. 確保您的 Service Account 有以下權限：
   - Google Docs API 存取權限
   - Google Drive API 存取權限

2. 在 Google Docs 中分享文件給您的 Service Account：
   ${credentials.client_email || 'your-service-account@project.iam.gserviceaccount.com'}

3. 設定權限為「檢視者」或「編輯者」`);
    }

    if (error.code === 404) {
      throw new Error(`❌ 找不到文件或無權限存取

🔧 可能原因：
1. 文件 ID 不正確
2. Service Account 沒有存取文件的權限
3. 文件已被刪除或移動

💡 解決方法：
1. 確認 Google Docs URL 正確
2. 在文件中點擊「分享」→ 新增：${credentials.client_email || 'your-service-account@project.iam.gserviceaccount.com'}
3. 設定權限為「檢視者」或「編輯者」`);
    }

    throw error;
  }
}

/**
 * 嘗試解析公開的 Google Docs
 * @param {string} docId 文件 ID
 * @returns {string} 文字內容
 */
async function parseGoogleDocsPublic(docId) {
  try {
    // 嘗試使用公開的純文字匯出 URL
    const exportUrl = `https://docs.google.com/document/d/${docId}/export?format=txt`;
    const response = await axios.get(exportUrl);
    return response.data;
  } catch (error) {
    throw new Error('無法存取 Google Docs，請確認文件為公開或提供 API 憑證');
  }
}

/**
 * 從 Google Docs API 回應中提取文字
 * @param {Object} docData Google Docs API 回應
 * @returns {string} 文字內容
 */
function extractTextFromGoogleDoc(docData) {
  let text = '';
  
  if (docData.body && docData.body.content) {
    for (const element of docData.body.content) {
      if (element.paragraph) {
        for (const paragraphElement of element.paragraph.elements) {
          if (paragraphElement.textRun) {
            text += paragraphElement.textRun.content;
          }
        }
      }
    }
  }
  
  return text;
}

/**
 * 解析本地檔案
 * @param {string} filePath 檔案路徑
 * @returns {string} 文字內容
 */
async function parseLocalFile(filePath) {
  if (!await fs.pathExists(filePath)) {
    throw new Error(`檔案不存在: ${filePath}`);
  }

  const ext = path.extname(filePath).toLowerCase();
  
  switch (ext) {
    case '.pdf':
      return await parsePDF(filePath);
    case '.docx':
      return await parseDocx(filePath);
    case '.txt':
    case '.md':
      return await fs.readFile(filePath, 'utf-8');
    default:
      throw new Error(`不支援的檔案格式: ${ext}`);
  }
}

/**
 * 解析 PDF 檔案
 * @param {string} filePath PDF 檔案路徑
 * @returns {string} 文字內容
 */
async function parsePDF(filePath) {
  const dataBuffer = await fs.readFile(filePath);
  const data = await pdfParse(dataBuffer);
  return data.text;
}

/**
 * 解析 Word 檔案
 * @param {string} filePath Word 檔案路徑
 * @returns {string} 文字內容
 */
async function parseDocx(filePath) {
  const result = await mammoth.extractRawText({ path: filePath });
  return result.value;
}

module.exports = {
  parseFile
};