修改文件后缀判断方式

doc_cleaner.py

@@ -4,7 +4,6 @@
 import os
 import re
 import docx
-import magic
 import numpy as np
 import requests
 from sklearn.feature_extraction.text import TfidfVectorizer
@@ -100,10 +99,11 @@ class DocCleaner:
         print(f"\n开始处理文档: {file_path}")
         
         # 检测文件类型
-        file_type = magic.from_file(file_path, mime=True)
+        _, file_extension = os.path.splitext(file_path)
+        file_extension = file_extension.lower()
         
         # 如果是doc格式，先转换为docx
-        if file_type == 'application/msword':
+        if file_extension == '.doc':
             temp_docx = self._convert_doc_to_docx(file_path)
             doc = docx.Document(temp_docx)
             # 清理临时文件