feat: add extraction_service (PDF/Docx/Txt) and update .gitignore to exclude venv

extraction_service/services/file_utils.py

@@ -0,0 +1,88 @@
+"""
+文件工具函数
+"""
+
+import os
+from pathlib import Path
+from loguru import logger
+
+
+def detect_file_type(filename: str) -> str:
+    """
+    根据文件名检测文件类型
+    
+    Args:
+        filename: 文件名
+    
+    Returns:
+        文件类型: 'pdf' | 'docx' | 'txt'
+    
+    Raises:
+        ValueError: 不支持的文件格式
+    """
+    ext = filename.lower().split('.')[-1]
+    
+    if ext == 'pdf':
+        return 'pdf'
+    elif ext == 'docx':
+        return 'docx'
+    elif ext == 'txt':
+        return 'txt'
+    else:
+        raise ValueError(f"不支持的文件格式: .{ext}")
+
+
+def cleanup_temp_file(file_path: Path | str) -> None:
+    """
+    清理临时文件
+    
+    Args:
+        file_path: 文件路径
+    """
+    try:
+        if isinstance(file_path, str):
+            file_path = Path(file_path)
+        
+        if file_path.exists():
+            file_path.unlink()
+            logger.debug(f"清理临时文件: {file_path}")
+    except Exception as e:
+        logger.warning(f"清理临时文件失败: {str(e)}")
+
+
+def get_file_size_mb(file_path: Path | str) -> float:
+    """
+    获取文件大小（MB）
+    
+    Args:
+        file_path: 文件路径
+    
+    Returns:
+        文件大小（MB）
+    """
+    if isinstance(file_path, str):
+        file_path = Path(file_path)
+    
+    if file_path.exists():
+        return file_path.stat().st_size / (1024 * 1024)
+    return 0.0
+
+
+def validate_file_size(file_size: int, max_size: int = 52428800) -> bool:
+    """
+    验证文件大小
+    
+    Args:
+        file_size: 文件大小（字节）
+        max_size: 最大允许大小（字节），默认50MB
+    
+    Returns:
+        是否通过验证
+    """
+    return file_size <= max_size
+
+
+
+
+
+