修复智能填表功能：支持直接从结构化数据提取列值并完善JSON解析

- 新增 _extract_values_from_structured_data 方法，直接从Excel rows提取列值
- 新增 _extract_values_by_regex 方法，使用正则从损坏的JSON中提取值
- 增大 max_tokens (500→50000) 和 max_length (8000→200000) 限制
- 改进JSON解析逻辑，处理markdown代码块包裹和不完整JSON
- 解决LLM返回被截断的JSON无法正确解析的问题

backend/app/api/endpoints/library.py

@@ -3,6 +3,7 @@
 
 提供文档列表、详情查询和删除功能
 """
+import logging
 from typing import Optional, List
 
 from fastapi import APIRouter, HTTPException, Query
@@ -10,6 +11,8 @@ from pydantic import BaseModel
 
 from app.core.database import mongodb
 
+logger = logging.getLogger(__name__)
+
 router = APIRouter(prefix="/documents", tags=["文档库"])
 
 
@@ -26,7 +29,8 @@ class DocumentItem(BaseModel):
 @router.get("")
 async def get_documents(
     doc_type: Optional[str] = Query(None, description="文档类型过滤"),
-    limit: int = Query(50, ge=1, le=100, description="返回数量")
+    limit: int = Query(20, ge=1, le=100, description="返回数量"),
+    skip: int = Query(0, ge=0, description="跳过数量")
 ):
     """
     获取文档列表
@@ -40,11 +44,25 @@ async def get_documents(
         if doc_type:
             query["doc_type"] = doc_type
 
-        # 查询文档
-        cursor = mongodb.documents.find(query).sort("created_at", -1).limit(limit)
+        logger.info(f"开始查询文档列表, query: {query}, limit: {limit}")
+
+        # 使用 batch_size 和 max_time_ms 来控制查询
+        cursor = mongodb.documents.find(
+            query,
+            {"content": 0}  # 不返回 content 字段，减少数据传输
+        ).sort("created_at", -1).skip(skip).limit(limit)
+
+        # 设置 10 秒超时
+        cursor.max_time_ms(10000)
+
+        logger.info("Cursor created with 10s timeout, executing...")
+
+        # 使用 batch_size 逐批获取
+        documents_raw = await cursor.to_list(length=limit)
+        logger.info(f"查询到原始文档数: {len(documents_raw)}")
 
         documents = []
-        async for doc in cursor:
+        for doc in documents_raw:
             documents.append({
                 "doc_id": str(doc["_id"]),
                 "filename": doc.get("metadata", {}).get("filename", ""),
@@ -55,10 +73,12 @@ async def get_documents(
                 "metadata": {
                     "row_count": doc.get("metadata", {}).get("row_count"),
                     "column_count": doc.get("metadata", {}).get("column_count"),
-                    "columns": doc.get("metadata", {}).get("columns", [])[:10]  # 只返回前10列
+                    "columns": doc.get("metadata", {}).get("columns", [])[:10]
                 }
             })
 
+        logger.info(f"文档列表处理完成: {len(documents)} 个文档")
+
         return {
             "success": True,
             "documents": documents,
@@ -66,6 +86,17 @@ async def get_documents(
         }
 
     except Exception as e:
+        err_str = str(e)
+        # 如果是超时错误，返回空列表而不是报错
+        if "timeout" in err_str.lower() or "time" in err_str.lower():
+            logger.warning(f"文档查询超时，返回空列表: {err_str}")
+            return {
+                "success": True,
+                "documents": [],
+                "total": 0,
+                "warning": "查询超时，请稍后重试"
+            }
+        logger.error(f"获取文档列表失败: {str(e)}", exc_info=True)
         raise HTTPException(status_code=500, detail=f"获取文档列表失败: {str(e)}")
 
 

backend/app/api/endpoints/templates.py

@@ -226,9 +226,42 @@ async def export_filled_template(
 
 
 async def _export_to_excel(filled_data: dict, template_id: str) -> StreamingResponse:
-    """导出为 Excel 格式"""
-    # 将字典转换为单行 DataFrame
-    df = pd.DataFrame([filled_data])
+    """导出为 Excel 格式（支持多行）"""
+    import logging
+    logger = logging.getLogger(__name__)
+
+    logger.info(f"导出填表数据: {len(filled_data)} 个字段")
+
+    # 计算最大行数
+    max_rows = 1
+    for k, v in filled_data.items():
+        if isinstance(v, list) and len(v) > max_rows:
+            max_rows = len(v)
+        logger.info(f"  {k}: {type(v).__name__} = {str(v)[:80]}")
+
+    logger.info(f"最大行数: {max_rows}")
+
+    # 构建多行数据
+    rows_data = []
+    for row_idx in range(max_rows):
+        row = {}
+        for col_name, values in filled_data.items():
+            if isinstance(values, list):
+                # 取对应行的值，不足则填空
+                row[col_name] = values[row_idx] if row_idx < len(values) else ""
+            else:
+                # 非列表，整个值填入第一行
+                row[col_name] = values if row_idx == 0 else ""
+        rows_data.append(row)
+
+    df = pd.DataFrame(rows_data)
+
+    # 确保列顺序
+    if not df.empty:
+        df = df[list(filled_data.keys())]
+
+    logger.info(f"DataFrame 形状: {df.shape}")
+    logger.info(f"DataFrame 列: {list(df.columns)}")
 
     output = io.BytesIO()
     with pd.ExcelWriter(output, engine='openpyxl') as writer:

backend/app/api/endpoints/upload.py

@@ -11,6 +11,7 @@ import io
 from app.services.file_service import file_service
 from app.core.document_parser import XlsxParser
 from app.services.table_rag_service import table_rag_service
+from app.core.database import mongodb
 
 logger = logging.getLogger(__name__)
 
@@ -95,6 +96,56 @@ async def upload_excel(
         except Exception as e:
             logger.error(f"Excel存储到MySQL异常: {str(e)}", exc_info=True)
 
+        # 存储到 MongoDB（用于文档列表展示）
+        try:
+            content = ""
+            # 构建文本内容用于展示
+            if result.data:
+                if isinstance(result.data, dict):
+                    # 单 sheet 格式: {columns, rows, ...}
+                    if 'columns' in result.data and 'rows' in result.data:
+                        content += f"Sheet: {result.metadata.get('current_sheet', 'Sheet1') if result.metadata else 'Sheet1'}\n"
+                        content += ", ".join(str(h) for h in result.data['columns']) + "\n"
+                        for row in result.data['rows'][:100]:
+                            if isinstance(row, dict):
+                                content += ", ".join(str(row.get(col, "")) for col in result.data['columns']) + "\n"
+                            elif isinstance(row, list):
+                                content += ", ".join(str(cell) for cell in row) + "\n"
+                        content += f"... (共 {len(result.data['rows'])} 行)\n\n"
+                    # 多 sheet 格式: {sheets: {sheet_name: {columns, rows}}}
+                    elif 'sheets' in result.data:
+                        for sheet_name_key, sheet_data in result.data['sheets'].items():
+                            if isinstance(sheet_data, dict) and 'columns' in sheet_data and 'rows' in sheet_data:
+                                content += f"Sheet: {sheet_name_key}\n"
+                                content += ", ".join(str(h) for h in sheet_data['columns']) + "\n"
+                                for row in sheet_data['rows'][:100]:
+                                    if isinstance(row, dict):
+                                        content += ", ".join(str(row.get(col, "")) for col in sheet_data['columns']) + "\n"
+                                    elif isinstance(row, list):
+                                        content += ", ".join(str(cell) for cell in row) + "\n"
+                                content += f"... (共 {len(sheet_data['rows'])} 行)\n\n"
+
+            doc_metadata = {
+                "filename": saved_path.split("/")[-1] if "/" in saved_path else saved_path.split("\\")[-1],
+                "original_filename": file.filename,
+                "saved_path": saved_path,
+                "file_size": len(content),
+                "row_count": result.metadata.get('row_count', 0) if result.metadata else 0,
+                "column_count": result.metadata.get('column_count', 0) if result.metadata else 0,
+                "columns": result.metadata.get('columns', []) if result.metadata else [],
+                "mysql_table": result.metadata.get('mysql_table') if result.metadata else None,
+                "sheet_count": result.metadata.get('sheet_count', 1) if result.metadata else 1,
+            }
+            await mongodb.insert_document(
+                doc_type="xlsx",
+                content=content,
+                metadata=doc_metadata,
+                structured_data=result.data if result.data else None
+            )
+            logger.info(f"Excel文档已存储到MongoDB: {file.filename}, content长度: {len(content)}")
+        except Exception as e:
+            logger.error(f"Excel存储到MongoDB异常: {str(e)}", exc_info=True)
+
         return result.to_dict()
 
     except HTTPException:

backend/app/core/database/mongodb.py

@@ -26,7 +26,9 @@ class MongoDB:
         try:
             self.client = AsyncIOMotorClient(
                 settings.MONGODB_URL,
-                serverSelectionTimeoutMS=5000,
+                serverSelectionTimeoutMS=30000,  # 30秒超时，适应远程服务器
+                connectTimeoutMS=30000,  # 连接超时
+                socketTimeoutMS=60000,  # Socket 超时
             )
             self.db = self.client[settings.MONGODB_DB_NAME]
             # 验证连接

backend/app/core/document_parser/xlsx_parser.py

@@ -104,8 +104,15 @@ class XlsxParser(BaseParser):
                 # pandas 读取失败，尝试 XML 方式
                 df = self._read_excel_sheet_xml(file_path, sheet_name=target_sheet, header_row=header_row)
 
-            # 检查 DataFrame 是否为空
-            if df is None or df.empty:
+            # 检查 DataFrame 是否为空（但如果有列名，仍算有效）
+            if df is None:
+                return ParseResult(
+                    success=False,
+                    error=f"工作表 '{target_sheet}' 读取失败"
+                )
+
+            # 如果 DataFrame 为空但有列名（比如模板文件），仍算有效
+            if df.empty and len(df.columns) == 0:
                 return ParseResult(
                     success=False,
                     error=f"工作表 '{target_sheet}' 为空，请检查 Excel 文件内容"

backend/app/services/template_fill_service.py

@@ -38,10 +38,15 @@ class SourceDocument:
 class FillResult:
     """填写结果"""
     field: str
-    value: Any
-    source: str  # 来源文档
+    values: List[Any] = None  # 支持多个值
+    value: Any = ""  # 保留兼容
+    source: str = ""  # 来源文档
     confidence: float = 1.0  # 置信度
 
+    def __post_init__(self):
+        if self.values is None:
+            self.values = []
+
 
 class TemplateFillService:
     """表格填写服务"""
@@ -71,15 +76,20 @@ class TemplateFillService:
         filled_data = {}
         fill_details = []
 
+        logger.info(f"开始填表: {len(template_fields)} 个字段, {len(source_doc_ids or [])} 个源文档")
+
         # 1. 加载源文档内容
         source_docs = await self._load_source_documents(source_doc_ids, source_file_paths)
 
+        logger.info(f"加载了 {len(source_docs)} 个源文档")
+
         if not source_docs:
             logger.warning("没有找到源文档，填表结果将全部为空")
 
         # 2. 对每个字段进行提取
-        for field in template_fields:
+        for idx, field in enumerate(template_fields):
             try:
+                logger.info(f"提取字段 [{idx+1}/{len(template_fields)}]: {field.name}")
                 # 从源文档中提取字段值
                 result = await self._extract_field_value(
                     field=field,
@@ -87,34 +97,41 @@ class TemplateFillService:
                     user_hint=user_hint
                 )
 
-                # 存储结果
-                filled_data[field.name] = result.value
+                # 存储结果 - 使用 values 数组
+                filled_data[field.name] = result.values if result.values else [""]
                 fill_details.append({
                     "field": field.name,
                     "cell": field.cell,
+                    "values": result.values,
                     "value": result.value,
                     "source": result.source,
                     "confidence": result.confidence
                 })
 
-                logger.info(f"字段 {field.name} 填写完成: {result.value}")
+                logger.info(f"字段 {field.name} 填写完成: {len(result.values)} 个值")
 
             except Exception as e:
-                logger.error(f"填写字段 {field.name} 失败: {str(e)}")
-                filled_data[field.name] = f"[提取失败: {str(e)}]"
+                logger.error(f"填写字段 {field.name} 失败: {str(e)}", exc_info=True)
+                filled_data[field.name] = [f"[提取失败: {str(e)}]"]
                 fill_details.append({
                     "field": field.name,
                     "cell": field.cell,
+                    "values": [f"[提取失败]"],
                     "value": f"[提取失败]",
                     "source": "error",
                     "confidence": 0.0
                 })
 
+        # 计算最大行数
+        max_rows = max(len(v) for v in filled_data.values()) if filled_data else 1
+        logger.info(f"填表完成: {len(filled_data)} 个字段, 最大行数: {max_rows}")
+
         return {
             "success": True,
             "filled_data": filled_data,
             "fill_details": fill_details,
-            "source_doc_count": len(source_docs)
+            "source_doc_count": len(source_docs),
+            "max_rows": max_rows
         }
 
     async def _load_source_documents(
@@ -158,14 +175,22 @@ class TemplateFillService:
                     parser = ParserFactory.get_parser(file_path)
                     result = parser.parse(file_path)
                     if result.success:
+                        # result.data 的结构取决于解析器类型:
+                        # - Excel 单 sheet: {columns: [...], rows: [...], row_count, column_count}
+                        # - Excel 多 sheet: {sheets: {sheet_name: {columns, rows, ...}}}
+                        # - Word/TXT: {content: "...", structured_data: {...}}
+                        doc_data = result.data if result.data else {}
+                        doc_content = doc_data.get("content", "") if isinstance(doc_data, dict) else ""
+                        doc_structured = doc_data if isinstance(doc_data, dict) and "rows" in doc_data or isinstance(doc_data, dict) and "sheets" in doc_data else {}
+
                         source_docs.append(SourceDocument(
                             doc_id=file_path,
                             filename=result.metadata.get("filename", file_path.split("/")[-1]),
                             doc_type=result.metadata.get("extension", "unknown").replace(".", ""),
-                            content=result.data.get("content", ""),
-                            structured_data=result.data.get("structured_data", {})
+                            content=doc_content,
+                            structured_data=doc_structured
                         ))
-                        logger.info(f"从文件加载文档: {file_path}")
+                        logger.info(f"从文件加载文档: {file_path}, content长度: {len(doc_content)}, structured数据: {bool(doc_structured)}")
                 except Exception as e:
                     logger.error(f"从文件加载文档失败 {file_path}: {str(e)}")
 
@@ -196,30 +221,42 @@ class TemplateFillService:
                 confidence=0.0
             )
 
-        # 构建上下文文本
-        context_text = self._build_context_text(source_docs, max_length=8000)
+        # 优先尝试直接从结构化数据中提取列值（适用于 Excel 等有 rows 的数据）
+        direct_values = self._extract_values_from_structured_data(source_docs, field.name)
+        if direct_values:
+            logger.info(f"✅ 字段 {field.name} 直接从结构化数据提取到 {len(direct_values)} 个值")
+            return FillResult(
+                field=field.name,
+                values=direct_values,
+                value=direct_values[0] if direct_values else "",
+                source="结构化数据直接提取",
+                confidence=1.0
+            )
+
+        # 无法从结构化数据提取，使用 LLM
+        logger.info(f"字段 {field.name} 无法直接从结构化数据提取，使用 LLM...")
+
+        # 构建上下文文本 - 传入字段名，只提取该列数据
+        context_text = self._build_context_text(source_docs, field_name=field.name, max_length=200000)
 
         # 构建提示词
         hint_text = field.hint if field.hint else f"请提取{field.name}的信息"
         if user_hint:
             hint_text = f"{user_hint}。{hint_text}"
 
-        prompt = f"""你是一个专业的数据提取专家。请根据以下文档内容，提取指定字段的信息。
+        prompt = f"""你是一个专业的数据提取专家。请从以下文档内容中提取"{field.name}"字段的所有行数据。
 
-需要提取的字段：
-- 字段名称：{field.name}
-- 字段类型：{field.field_type}
-- 填写提示：{hint_text}
-- 是否必填：{'是' if field.required else '否'}
-
-参考文档内容：
+参考文档内容（已提取" {field.name}"列的数据）：
 {context_text}
 
+请提取上述所有行的" {field.name}"值，存入数组。每一行对应数组中的一个元素。
+如果某行该字段为空，请用空字符串""占位。
+
 请严格按照以下 JSON 格式输出，不要添加任何解释：
 {{
-    "value": "提取到的值，如果没有找到则填写空字符串",
-    "source": "数据来源的文档描述（如：来自xxx文档）",
-    "confidence": 0.0到1.0之间的置信度，表示对提取结果的信心程度"
+    "values": ["第1行的值", "第2行的值", "第3行的值", ...],
+    "source": "数据来源的文档描述",
+    "confidence": 0.0到1.0之间的置信度
 }}
 """
 
@@ -233,7 +270,7 @@ class TemplateFillService:
             response = await self.llm.chat(
                 messages=messages,
                 temperature=0.1,
-                max_tokens=500
+                max_tokens=50000
             )
 
             content = self.llm.extract_message_content(response)
@@ -242,40 +279,102 @@ class TemplateFillService:
             import json
             import re
 
-            # 尝试提取 JSON
-            json_match = re.search(r'\{[\s\S]*\}', content)
-            if json_match:
-                result = json.loads(json_match.group())
-                return FillResult(
-                    field=field.name,
-                    value=result.get("value", ""),
-                    source=result.get("source", "LLM生成"),
-                    confidence=result.get("confidence", 0.5)
-                )
-            else:
-                # 如果无法解析，返回原始内容
-                return FillResult(
-                    field=field.name,
-                    value=content.strip(),
-                    source="直接提取",
+            extracted_values = []
+            extracted_value = ""
+            extracted_source = "LLM生成"
             confidence = 0.5
+
+            logger.info(f"原始 LLM 返回: {content[:500]}")
+
+            # ========== 步骤1: 彻底清理 markdown 和各种格式问题 ==========
+            # 移除 ```json 和 ``` 标记
+            cleaned = content.strip()
+            cleaned = re.sub(r'^```json\s*', '', cleaned, flags=re.MULTILINE)
+            cleaned = re.sub(r'^```\s*', '', cleaned, flags=re.MULTILINE)
+            cleaned = cleaned.strip()
+
+            logger.info(f"清理后: {cleaned[:500]}")
+
+            # ========== 步骤2: 定位 JSON 开始位置 ==========
+            json_start = -1
+            # 找到第一个 { 或 [
+            for i, c in enumerate(cleaned):
+                if c == '{' or c == '[':
+                    json_start = i
+                    break
+
+            if json_start == -1:
+                logger.warning(f"无法找到 JSON 开始位置")
+                extracted_values = self._extract_values_from_text(cleaned, field.name)
+            else:
+                json_text = cleaned[json_start:]
+                logger.info(f"JSON 开始位置: {json_start}, 内容: {json_text[:200]}")
+
+                # ========== 步骤3: 尝试解析 JSON ==========
+                # 3a. 尝试直接解析整个字符串
+                try:
+                    result = json.loads(json_text)
+                    extracted_values = self._extract_values_from_json(result)
+                    if extracted_values:
+                        logger.info(f"✅ 直接解析成功，得到 {len(extracted_values)} 个值")
+                    else:
+                        logger.warning(f"直接解析成功但未提取到值")
+                except json.JSONDecodeError as e:
+                    logger.warning(f"直接解析失败: {e}, 尝试修复...")
+
+                    # 3b. 尝试修复常见的 JSON 问题
+                    # 尝试1: 找到配对的闭合括号
+                    fixed_json = self._fix_json(json_text)
+                    if fixed_json:
+                        try:
+                            result = json.loads(fixed_json)
+                            extracted_values = self._extract_values_from_json(result)
+                            if extracted_values:
+                                logger.info(f"✅ 修复后解析成功，得到 {len(extracted_values)} 个值")
+                        except json.JSONDecodeError as e2:
+                            logger.warning(f"修复后仍然失败: {e2}")
+
+                    # 3c. 如果以上都失败，使用正则直接从文本提取 values 数组
+                    if not extracted_values:
+                        extracted_values = self._extract_values_by_regex(cleaned)
+                        if extracted_values:
+                            logger.info(f"✅ 正则提取成功，得到 {len(extracted_values)} 个值")
+                        else:
+                            # 最后的备选：使用旧的文本提取
+                            extracted_values = self._extract_values_from_text(cleaned, field.name)
+
+            # 如果仍然没有提取到值
+            if not extracted_values:
+                extracted_values = [""]
+                logger.warning(f"❌ 字段 {field.name} 没有提取到值")
+
+            logger.info(f"✅✅ 字段 {field.name} 最终返回: {len(extracted_values)} 个值, 示例: {extracted_values[:3]}")
+
+            return FillResult(
+                field=field.name,
+                values=extracted_values,
+                value=extracted_values[0] if extracted_values else "",
+                source=extracted_source,
+                confidence=confidence
             )
 
         except Exception as e:
             logger.error(f"LLM 提取失败: {str(e)}")
             return FillResult(
                 field=field.name,
+                values=[""],
                 value="",
                 source=f"提取失败: {str(e)}",
                 confidence=0.0
             )
 
-    def _build_context_text(self, source_docs: List[SourceDocument], max_length: int = 8000) -> str:
+    def _build_context_text(self, source_docs: List[SourceDocument], field_name: str = None, max_length: int = 8000) -> str:
         """
         构建上下文文本
 
         Args:
             source_docs: 源文档列表
+            field_name: 需要提取的字段名（可选，用于只提取特定列）
             max_length: 最大字符数
 
         Returns:
@@ -287,36 +386,113 @@ class TemplateFillService:
         for doc in source_docs:
             # 优先使用结构化数据（表格），其次使用文本内容
             doc_content = ""
+            row_count = 0
 
-            if doc.structured_data and doc.structured_data.get("tables"):
-                # 如果有表格数据，优先使用
-                tables = doc.structured_data.get("tables", [])
-                for table in tables:
-                    if isinstance(table, dict):
-                        rows = table.get("rows", [])
-                        if rows:
-                            doc_content += f"\n【文档: {doc.filename} 表格数据】\n"
-                            for row in rows[:20]:  # 限制每表最多20行
-                                if isinstance(row, list):
+            if doc.structured_data and doc.structured_data.get("sheets"):
+                # parse_all_sheets 格式: {sheets: {sheet_name: {columns, rows}}}
+                sheets = doc.structured_data.get("sheets", {})
+                for sheet_name, sheet_data in sheets.items():
+                    if isinstance(sheet_data, dict):
+                        columns = sheet_data.get("columns", [])
+                        rows = sheet_data.get("rows", [])
+                        if rows and columns:
+                            doc_content += f"\n【文档: {doc.filename} - {sheet_name}，共 {len(rows)} 行】\n"
+                            # 如果指定了字段名，只提取该列数据
+                            if field_name:
+                                # 查找匹配的列（模糊匹配）
+                                target_col = None
+                                for col in columns:
+                                    if field_name.lower() in str(col).lower() or str(col).lower() in field_name.lower():
+                                        target_col = col
+                                        break
+                                if target_col:
+                                    doc_content += f"列名: {target_col}\n"
+                                    for row_idx, row in enumerate(rows):
+                                        if isinstance(row, dict):
+                                            val = row.get(target_col, "")
+                                        elif isinstance(row, list) and target_col in columns:
+                                            val = row[columns.index(target_col)]
+                                        else:
+                                            val = ""
+                                        doc_content += f"行{row_idx+1}: {val}\n"
+                                        row_count += 1
+                                else:
+                                    # 列名不匹配，输出所有列（但只输出关键列）
+                                    doc_content += " | ".join(str(col) for col in columns) + "\n"
+                                    for row in rows:
+                                        if isinstance(row, dict):
+                                            doc_content += " | ".join(str(row.get(col, "")) for col in columns) + "\n"
+                                        elif isinstance(row, list):
                                             doc_content += " | ".join(str(cell) for cell in row) + "\n"
-                                elif isinstance(row, dict):
-                                    doc_content += " | ".join(str(v) for v in row.values()) + "\n"
+                                        row_count += 1
+                            else:
+                                # 输出所有列和行
+                                doc_content += " | ".join(str(col) for col in columns) + "\n"
+                                for row in rows:
+                                    if isinstance(row, dict):
+                                        doc_content += " | ".join(str(row.get(col, "")) for col in columns) + "\n"
+                                    elif isinstance(row, list):
+                                        doc_content += " | ".join(str(cell) for cell in row) + "\n"
+                                    row_count += 1
+            elif doc.structured_data and doc.structured_data.get("rows"):
+                # Excel 单 sheet 格式: {columns: [...], rows: [...], ...}
+                columns = doc.structured_data.get("columns", [])
+                rows = doc.structured_data.get("rows", [])
+                if rows and columns:
+                    doc_content += f"\n【文档: {doc.filename}，共 {len(rows)} 行】\n"
+                    if field_name:
+                        target_col = None
+                        for col in columns:
+                            if field_name.lower() in str(col).lower() or str(col).lower() in field_name.lower():
+                                target_col = col
+                                break
+                        if target_col:
+                            doc_content += f"列名: {target_col}\n"
+                            for row_idx, row in enumerate(rows):
+                                if isinstance(row, dict):
+                                    val = row.get(target_col, "")
+                                elif isinstance(row, list) and target_col in columns:
+                                    val = row[columns.index(target_col)]
+                                else:
+                                    val = ""
+                                doc_content += f"行{row_idx+1}: {val}\n"
+                                row_count += 1
+                        else:
+                            doc_content += " | ".join(str(col) for col in columns) + "\n"
+                            for row in rows:
+                                if isinstance(row, dict):
+                                    doc_content += " | ".join(str(row.get(col, "")) for col in columns) + "\n"
+                                elif isinstance(row, list):
+                                    doc_content += " | ".join(str(cell) for cell in row) + "\n"
+                                row_count += 1
+                    else:
+                        doc_content += " | ".join(str(col) for col in columns) + "\n"
+                        for row in rows:
+                            if isinstance(row, dict):
+                                doc_content += " | ".join(str(row.get(col, "")) for col in columns) + "\n"
+                            elif isinstance(row, list):
+                                doc_content += " | ".join(str(cell) for cell in row) + "\n"
+                            row_count += 1
             elif doc.content:
-                doc_content = doc.content[:5000]  # 限制文本长度
+                doc_content = doc.content[:5000]
 
             if doc_content:
                 doc_context = f"【文档: {doc.filename} ({doc.doc_type})】\n{doc_content}"
+                logger.info(f"文档 {doc.filename} 上下文长度: {len(doc_context)}, 行数: {row_count}")
                 if total_length + len(doc_context) <= max_length:
                     contexts.append(doc_context)
                     total_length += len(doc_context)
                 else:
-                    # 如果超出长度，截断
                     remaining = max_length - total_length
                     if remaining > 100:
-                        contexts.append(doc_context[:remaining])
+                        doc_context = doc_context[:remaining] + f"\n...（内容被截断）"
+                        contexts.append(doc_context)
+                    logger.warning(f"上下文被截断: {doc.filename}, 总长度: {total_length + len(doc_context)}")
                     break
 
-        return "\n\n".join(contexts) if contexts else "（源文档内容为空）"
+        result = "\n\n".join(contexts) if contexts else "（源文档内容为空）"
+        logger.info(f"最终上下文长度: {len(result)}")
+        return result
 
     async def get_template_fields_from_file(
         self,
@@ -352,11 +528,45 @@ class TemplateFillService:
 
         try:
             import pandas as pd
-            df = pd.read_excel(file_path, nrows=5)
+
+            # 尝试读取 Excel 文件
+            try:
+                # header=0 表示第一行是表头
+                df = pd.read_excel(file_path, header=0, nrows=5)
+            except Exception as e:
+                logger.warning(f"pandas 读取 Excel 表头失败，尝试无表头模式: {e}")
+                # 如果失败，尝试不使用表头模式
+                df = pd.read_excel(file_path, header=None, nrows=5)
+                # 如果没有表头，使用列索引作为列名
+                if df.shape[1] > 0:
+                    # 检查第一行是否可以作为表头
+                    first_row = df.iloc[0].tolist()
+                    if all(pd.notna(v) and str(v).strip() != '' for v in first_row):
+                        # 第一行有内容，作为表头
+                        df.columns = [str(v) if pd.notna(v) else f"列{i}" for i, v in enumerate(first_row)]
+                        df = df.iloc[1:]  # 移除表头行
+                    else:
+                        # 第一行不是有效表头，使用默认列名
+                        df.columns = [f"列{i}" for i in range(df.shape[1])]
+
+            logger.info(f"读取 Excel 表头: {df.shape}, 列: {list(df.columns)[:10]}")
+
+            # 如果 DataFrame 列为空或只有默认索引，尝试其他方式
+            if len(df.columns) == 0 or (len(df.columns) == 1 and df.columns[0] == 0):
+                logger.warning(f"表头解析结果异常，重新解析: {df.columns}")
+                # 尝试读取整个文件获取列信息
+                df_full = pd.read_excel(file_path, header=None)
+                if df_full.shape[1] > 0:
+                    # 使用第一行作为列名
+                    df = df_full
+                    df.columns = [str(v) if pd.notna(v) and str(v).strip() else f"列{i}" for i, v in enumerate(df.iloc[0])]
+                    df = df.iloc[1:]
 
             for idx, col in enumerate(df.columns):
                 cell = self._column_to_cell(idx)
                 col_str = str(col)
+                if col_str == '0' or col_str.startswith('Unnamed'):
+                    col_str = f"字段{idx+1}"
 
                 fields.append(TemplateField(
                     cell=cell,
@@ -366,8 +576,10 @@ class TemplateFillService:
                     hint=""
                 ))
 
+            logger.info(f"从 Excel 提取到 {len(fields)} 个字段")
+
         except Exception as e:
-            logger.error(f"从Excel提取字段失败: {str(e)}")
+            logger.error(f"从Excel提取字段失败: {str(e)}", exc_info=True)
 
         return fields
 
@@ -447,6 +659,352 @@ class TemplateFillService:
             col_idx = col_idx // 26 - 1
         return result
 
+    def _extract_value_from_text(self, text: str, field_name: str) -> str:
+        """
+        从非 JSON 文本中提取字段值（单值版本）
+
+        Args:
+            text: 原始文本
+            field_name: 字段名称
+
+        Returns:
+            提取的值
+        """
+        values = self._extract_values_from_text(text, field_name)
+        return values[0] if values else ""
+
+    def _extract_values_from_structured_data(self, source_docs: List[SourceDocument], field_name: str) -> List[str]:
+        """
+        从结构化数据（Excel rows）中直接提取指定列的值
+
+        适用于有 rows 结构的文档数据，无需 LLM 即可提取
+
+        Args:
+            source_docs: 源文档列表
+            field_name: 字段名称
+
+        Returns:
+            值列表，如果无法提取则返回空列表
+        """
+        all_values = []
+
+        for doc in source_docs:
+            # 尝试从 structured_data 中提取
+            structured = doc.structured_data
+
+            if not structured:
+                continue
+
+            # 处理多 sheet 格式: {sheets: {sheet_name: {columns, rows}}}
+            if structured.get("sheets"):
+                sheets = structured.get("sheets", {})
+                for sheet_name, sheet_data in sheets.items():
+                    if isinstance(sheet_data, dict):
+                        columns = sheet_data.get("columns", [])
+                        rows = sheet_data.get("rows", [])
+                        values = self._extract_column_values(rows, columns, field_name)
+                        if values:
+                            all_values.extend(values)
+                            logger.info(f"从 sheet {sheet_name} 提取到 {len(values)} 个值")
+                            break  # 只用第一个匹配的 sheet
+                if all_values:
+                    break
+
+            # 处理单 sheet 格式: {columns: [...], rows: [...]}
+            elif structured.get("rows"):
+                columns = structured.get("columns", [])
+                rows = structured.get("rows", [])
+                values = self._extract_column_values(rows, columns, field_name)
+                if values:
+                    all_values.extend(values)
+                    logger.info(f"从文档 {doc.filename} 提取到 {len(values)} 个值")
+                    break
+
+        return all_values
+
+    def _extract_column_values(self, rows: List, columns: List, field_name: str) -> List[str]:
+        """
+        从 rows 和 columns 中提取指定列的值
+
+        Args:
+            rows: 行数据列表
+            columns: 列名列表
+            field_name: 要提取的字段名
+
+        Returns:
+            值列表
+        """
+        if not rows or not columns:
+            return []
+
+        # 查找匹配的列（模糊匹配）
+        target_col = None
+        for col in columns:
+            col_str = str(col)
+            if field_name.lower() in col_str.lower() or col_str.lower() in field_name.lower():
+                target_col = col
+                break
+
+        if not target_col:
+            logger.warning(f"未找到匹配列: {field_name}, 可用列: {columns}")
+            return []
+
+        values = []
+        for row in rows:
+            if isinstance(row, dict):
+                val = row.get(target_col, "")
+            elif isinstance(row, list) and target_col in columns:
+                val = row[columns.index(target_col)]
+            else:
+                val = ""
+            values.append(str(val) if val is not None else "")
+
+        return values
+
+    def _extract_values_from_json(self, result) -> List[str]:
+        """
+        从解析后的 JSON 对象/数组中提取值数组
+
+        Args:
+            result: json.loads() 返回的对象
+
+        Returns:
+            值列表
+        """
+        if isinstance(result, dict):
+            # 优先找 values 数组
+            if "values" in result and isinstance(result["values"], list):
+                vals = [str(v).strip() for v in result["values"] if v and str(v).strip()]
+                if vals:
+                    return vals
+            # 尝试找 value 字段
+            if "value" in result:
+                val = str(result["value"]).strip()
+                if val:
+                    return [val]
+            # 尝试找任何数组类型的键
+            for key in result.keys():
+                val = result[key]
+                if isinstance(val, list) and len(val) > 0:
+                    if all(isinstance(v, (str, int, float, bool)) or v is None for v in val):
+                        vals = [str(v).strip() for v in val if v is not None and str(v).strip()]
+                        if vals:
+                            return vals
+                elif isinstance(val, (str, int, float, bool)):
+                    return [str(val).strip()]
+        elif isinstance(result, list):
+            vals = [str(v).strip() for v in result if v is not None and str(v).strip()]
+            if vals:
+                return vals
+        return []
+
+    def _fix_json(self, json_text: str) -> str:
+        """
+        尝试修复损坏的 JSON 字符串
+
+        Args:
+            json_text: 原始 JSON 文本
+
+        Returns:
+            修复后的 JSON 文本，如果无法修复则返回空字符串
+        """
+        import re
+
+        # 如果以 { 开头，尝试找到配对的 }
+        if json_text.startswith('{'):
+            # 统计括号深度
+            depth = 0
+            end_pos = -1
+            for i, c in enumerate(json_text):
+                if c == '{':
+                    depth += 1
+                elif c == '}':
+                    depth -= 1
+                    if depth == 0:
+                        end_pos = i + 1
+                        break
+
+            if end_pos > 0:
+                fixed = json_text[:end_pos]
+                logger.info(f"修复 JSON (配对括号): {fixed[:200]}")
+                return fixed
+
+            # 如果找不到配对，尝试移除 trailing comma 和其他问题
+            # 移除末尾多余的逗号
+            fixed = re.sub(r',\s*([}\]])', r'\1', json_text)
+            # 确保以 } 结尾
+            fixed = fixed.strip()
+            if fixed and not fixed.endswith('}') and not fixed.endswith(']'):
+                # 尝试补全
+                if fixed.startswith('{') and not fixed.endswith('}'):
+                    fixed = fixed + '}'
+                elif fixed.startswith('[') and not fixed.endswith(']'):
+                    fixed = fixed + ']'
+            logger.info(f"修复 JSON (正则): {fixed[:200]}")
+            return fixed
+
+        # 如果以 [ 开头
+        elif json_text.startswith('['):
+            depth = 0
+            end_pos = -1
+            for i, c in enumerate(json_text):
+                if c == '[':
+                    depth += 1
+                elif c == ']':
+                    depth -= 1
+                    if depth == 0:
+                        end_pos = i + 1
+                        break
+
+            if end_pos > 0:
+                fixed = json_text[:end_pos]
+                logger.info(f"修复 JSON (数组配对): {fixed[:200]}")
+                return fixed
+
+        return ""
+
+    def _extract_values_by_regex(self, text: str) -> List[str]:
+        """
+        使用正则从损坏/不完整的 JSON 文本中提取 values 数组
+
+        即使 JSON 被截断，只要能看到 "values": [...] 就能提取
+
+        Args:
+            text: 原始文本
+
+        Returns:
+            值列表
+        """
+        import re
+
+        # 方法1: 查找 "values": [ 开始的位置
+        values_start = re.search(r'"values"\s*:\s*\[', text)
+        if values_start:
+            # 从 [ 之后开始提取内容
+            start_pos = values_start.end()
+            remaining = text[start_pos:]
+
+            # 提取所有被双引号包裹的字符串值
+            # 使用简单正则：匹配 "..." 捕获引号内的内容
+            values = re.findall(r'"([^"]+)"', remaining)
+
+            if values:
+                # 过滤掉空字符串和很短的（可能是键名）
+                filtered = [v.strip() for v in values if v.strip() and len(v) > 1]
+                if filtered:
+                    logger.info(f"正则提取到 {len(filtered)} 个值: {filtered[:3]}")
+                    return filtered
+
+        # 方法2: 备选 - 直接查找所有 : "value" 格式的值
+        all_strings = re.findall(r':\s*"([^"]{1,200})"', text)
+        if all_strings:
+            filtered = [s for s in all_strings if s and len(s) < 500]
+            if filtered:
+                logger.info(f"备选正则提取到 {len(filtered)} 个值: {filtered[:3]}")
+                return filtered
+
+        return []
+
+    def _extract_values_from_text(self, text: str, field_name: str) -> List[str]:
+        """
+        从非 JSON 文本中提取多个字段值
+
+        Args:
+            text: 原始文本
+            field_name: 字段名称
+
+        Returns:
+            提取的值列表
+        """
+        import re
+        import json
+
+        # 先尝试解析整个文本为 JSON，检查是否包含嵌套的 values 数组
+        cleaned_text = text.strip()
+        # 移除可能的 markdown 代码块标记
+        cleaned_text = cleaned_text.replace('```json', '').replace('```', '').strip()
+
+        try:
+            # 尝试解析整个文本为 JSON
+            parsed = json.loads(cleaned_text)
+            if isinstance(parsed, dict):
+                # 如果是 {"values": [...]} 格式，提取 values
+                if "values" in parsed and isinstance(parsed["values"], list):
+                    return [str(v).strip() for v in parsed["values"] if v and str(v).strip()]
+                # 如果是其他 dict 格式，尝试找 values 键
+                for key in ["values", "value", "data", "result"]:
+                    if key in parsed and isinstance(parsed[key], list):
+                        return [str(v).strip() for v in parsed[key] if v and str(v).strip()]
+                    elif key in parsed:
+                        return [str(parsed[key]).strip()]
+            elif isinstance(parsed, list):
+                return [str(v).strip() for v in parsed if v and str(v).strip()]
+        except (json.JSONDecodeError, TypeError):
+            pass
+
+        # 尝试匹配 JSON 数组格式
+        array_match = re.search(r'\[[\s\S]*?\]', text)
+        if array_match:
+            try:
+                arr = json.loads(array_match.group())
+                if isinstance(arr, list):
+                    # 检查数组元素是否是 {"values": [...]} 结构
+                    if arr and isinstance(arr[0], dict) and "values" in arr[0]:
+                        # 提取嵌套的 values
+                        result = []
+                        for item in arr:
+                            if isinstance(item, dict) and "values" in item and isinstance(item["values"], list):
+                                result.extend([str(v).strip() for v in item["values"] if v and str(v).strip()])
+                            elif isinstance(item, dict):
+                                result.append(str(item))
+                            else:
+                                result.append(str(item))
+                        if result:
+                            return result
+                    return [str(v).strip() for v in arr if v and str(v).strip()]
+            except:
+                pass
+
+        # 尝试用分号分割（如果文本中有分号分隔的多个值）
+        if '；' in text or ';' in text:
+            separator = '；' if '；' in text else ';'
+            parts = text.split(separator)
+            values = []
+            for part in parts:
+                part = part.strip()
+                if part and len(part) < 500:
+                    # 清理 Markdown 格式
+                    part = re.sub(r'^\*\*|\*\*$', '', part)
+                    part = re.sub(r'^\*|\*$', '', part)
+                    values.append(part.strip())
+            if values:
+                return values
+
+        # 尝试多种模式匹配
+        patterns = [
+            # "字段名: 值" 或 "字段名：值" 格式
+            rf'{re.escape(field_name)}[：:]\s*(.+?)(?:\n|$)',
+            # "值" 在引号中
+            rf'"value"\s*:\s*"([^"]+)"',
+            # "值" 在单引号中
+            rf"['\"]?value['\"]?\s*:\s*['\"]([^'\"]+)['\"]",
+        ]
+
+        for pattern in patterns:
+            match = re.search(pattern, text, re.DOTALL)
+            if match:
+                value = match.group(1).strip()
+                # 清理 Markdown 格式
+                value = re.sub(r'^\*\*|\*\*$', '', value)
+                value = re.sub(r'^\*|\*$', '', value)
+                value = value.strip()
+                if value and len(value) < 1000:
+                    return [value]
+
+        # 如果无法匹配，返回原始内容
+        content = text.strip()[:500] if text.strip() else ""
+        return [content] if content else []
+
 
 # ==================== 全局单例 ====================
 

backend/readme.md

@@ -115,8 +115,7 @@ pip install -r requirements.txt
 在终端输入以下命令：
 ```bash
 cd backend  #确保启动时在后端跟目录下
-./venv/Scripts/python.exe -m uvicorn app.main:app --host 127.0.0.1 --port 8000
- --reload #启动后端项目
+./venv/Scripts/python.exe -m uvicorn app.main:app --host 127.0.0.1 --port 8000 --reload #启动后端项目
 ```
 先启动后端项目，再启动前端项目
 

frontend/src/pages/Documents.tsx

@@ -235,6 +235,7 @@ const Documents: React.FC = () => {
         if (result.success) {
           toast.success(`解析成功: ${file.name}`);
           setParseResult(result);
+          loadDocuments(); // 刷新文档列表
           if (result.metadata?.sheet_count === 1) {
             setExpandedSheet(Object.keys(result.data?.sheets || {})[0] || null);
           }