增加pdf文件的读取

temp/scripts/parser.py

@@ -1,5 +1,5 @@
 #!/usr/bin/env python3
-"""文档解析器命令行交互模块，提供命令行接口。"""
+"""文档解析器命令行交互模块，提供命令行接口。支持 DOCX、PPTX、XLSX 和 PDF 文件。"""
 
 import argparse
 import os
@@ -7,16 +7,17 @@ import sys
 
 import common
 import docx
+import pdf
 import pptx
 import xlsx
 
 
 def main() -> None:
     parser = argparse.ArgumentParser(
-        description="将 DOCX、PPTX 或 XLSX 文件解析为 Markdown"
+        description="将 DOCX、PPTX、XLSX 或 PDF 文件解析为 Markdown"
     )
 
-    parser.add_argument("file_path", help="DOCX、PPTX 或 XLSX 文件的绝对路径")
+    parser.add_argument("file_path", help="DOCX、PPTX、XLSX 或 PDF 文件的绝对路径")
 
     parser.add_argument(
         "-n",
@@ -58,7 +59,7 @@ def main() -> None:
 
     file_type = common.detect_file_type(args.file_path)
     if not file_type:
-        print(f"错误: 不是有效的 DOCX、PPTX 或 XLSX 格式: {args.file_path}")
+        print(f"错误: 不是有效的 DOCX、PPTX、XLSX 或 PDF 格式: {args.file_path}")
         sys.exit(1)
 
     if file_type == "docx":
@@ -73,12 +74,18 @@ def main() -> None:
             ("python-pptx", pptx.parse_pptx_with_python_pptx),
             ("XML 原生解析", pptx.parse_pptx_with_xml),
         ]
-    else:
+    elif file_type == "xlsx":
         parsers = [
             ("MarkItDown", xlsx.parse_xlsx_with_markitdown),
             ("pandas", xlsx.parse_xlsx_with_pandas),
             ("XML 原生解析", xlsx.parse_xlsx_with_xml),
         ]
+    else:
+        parsers = [
+            ("MarkItDown", pdf.parse_pdf_with_markitdown),
+            ("unstructured", pdf.parse_pdf_with_unstructured),
+            ("pypdf", pdf.parse_pdf_with_pypdf),
+        ]
 
     failures = []
     content = None