refactor: 将核心代码迁移到 scripts 目录

- 创建 scripts/ 目录作为核心代码根目录
- 移动 core/, readers/, utils/ 到 scripts/ 下
- 移动 config.py, lyxy_document_reader.py 到 scripts/
- 移动 encoding_detection.py 到 scripts/utils/
- 更新 pyproject.toml 中的入口点路径和 pytest 配置
- 更新所有内部导入语句为 scripts.* 模块
- 更新 README.md 目录结构说明
- 更新 openspec/config.yaml 添加目录结构说明
- 删除无用的 main.py

此变更使项目结构更清晰，便于区分核心代码与测试、文档等支撑文件。

scripts/utils/__init__.py

@@ -0,0 +1,21 @@
+"""Utils module for lyxy-document."""
+
+from .file_detection import (
+    is_valid_docx,
+    is_valid_pptx,
+    is_valid_xlsx,
+    is_valid_pdf,
+    is_html_file,
+    is_url,
+    detect_file_type,
+)
+
+__all__ = [
+    "is_valid_docx",
+    "is_valid_pptx",
+    "is_valid_xlsx",
+    "is_valid_pdf",
+    "is_html_file",
+    "is_url",
+    "detect_file_type",
+]

scripts/utils/encoding_detection.py

@@ -0,0 +1,62 @@
+"""文件编码自动检测模块。"""
+
+from typing import Optional, Tuple
+
+from scripts.config import Config
+
+
+def detect_encoding(file_path: str) -> Tuple[Optional[str], Optional[str]]:
+    """
+    检测文件编码。
+
+    Args:
+        file_path: 文件路径
+
+    Returns:
+        (encoding, error): 成功时返回 (编码名称, None)，失败时返回 (None, 错误信息)
+    """
+    try:
+        import chardet
+    except ImportError:
+        return None, "chardet 库未安装"
+
+    try:
+        with open(file_path, 'rb') as f:
+            raw_data = f.read()
+        result = chardet.detect(raw_data)
+        return result['encoding'], None
+    except Exception as e:
+        return None, f"编码检测失败: {str(e)}"
+
+
+def read_text_file(file_path: str) -> Tuple[Optional[str], Optional[str]]:
+    """
+    读取文本文件，自动检测编码。
+
+    首先使用 chardet 检测编码，如果失败则尝试配置的回退编码列表。
+
+    Args:
+        file_path: 文件路径
+
+    Returns:
+        (content, error): 成功时返回 (文件内容, None)，失败时返回 (None, 错误信息)
+    """
+    # 尝试使用 chardet 检测编码
+    encoding, error = detect_encoding(file_path)
+
+    if error:
+        # chardet 失败，使用回退编码列表
+        for enc in Config.FALLBACK_ENCODINGS:
+            try:
+                with open(file_path, 'r', encoding=enc) as f:
+                    return f.read(), None
+            except UnicodeDecodeError:
+                continue
+        return None, "无法识别文件编码"
+
+    # 使用检测到的编码读取文件
+    try:
+        with open(file_path, 'r', encoding=encoding) as f:
+            return f.read(), None
+    except Exception as e:
+        return None, f"读取文件失败: {str(e)}"

scripts/utils/file_detection.py

@@ -0,0 +1,73 @@
+"""文件类型检测模块，用于验证和检测输入文件类型。"""
+
+import os
+import zipfile
+from typing import List, Optional
+
+
+def _is_valid_ooxml(file_path: str, required_files: List[str]) -> bool:
+    """验证 OOXML 格式文件（DOCX/PPTX/XLSX）"""
+    try:
+        with zipfile.ZipFile(file_path, "r") as zip_file:
+            names = set(zip_file.namelist())
+            return all(r in names for r in required_files)
+    except (zipfile.BadZipFile, zipfile.LargeZipFile):
+        return False
+
+
+_DOCX_REQUIRED = ["[Content_Types].xml", "_rels/.rels", "word/document.xml"]
+_PPTX_REQUIRED = ["[Content_Types].xml", "_rels/.rels", "ppt/presentation.xml"]
+_XLSX_REQUIRED = ["[Content_Types].xml", "_rels/.rels", "xl/workbook.xml"]
+
+
+def is_valid_docx(file_path: str) -> bool:
+    """验证文件是否为有效的 DOCX 格式"""
+    return _is_valid_ooxml(file_path, _DOCX_REQUIRED)
+
+
+def is_valid_pptx(file_path: str) -> bool:
+    """验证文件是否为有效的 PPTX 格式"""
+    return _is_valid_ooxml(file_path, _PPTX_REQUIRED)
+
+
+def is_valid_xlsx(file_path: str) -> bool:
+    """验证文件是否为有效的 XLSX 格式"""
+    return _is_valid_ooxml(file_path, _XLSX_REQUIRED)
+
+
+def is_valid_pdf(file_path: str) -> bool:
+    """验证文件是否为有效的 PDF 格式"""
+    try:
+        with open(file_path, "rb") as f:
+            header = f.read(4)
+            return header == b"%PDF"
+    except (IOError, OSError):
+        return False
+
+
+def is_html_file(file_path: str) -> bool:
+    """判断文件是否为 HTML 文件（仅检查扩展名）"""
+    ext = file_path.lower()
+    return ext.endswith(".html") or ext.endswith(".htm")
+
+
+def is_url(input_str: str) -> bool:
+    """判断输入是否为 URL"""
+    return input_str.startswith("http://") or input_str.startswith("https://")
+
+
+_FILE_TYPE_VALIDATORS = {
+    ".docx": is_valid_docx,
+    ".pptx": is_valid_pptx,
+    ".xlsx": is_valid_xlsx,
+    ".pdf": is_valid_pdf,
+}
+
+
+def detect_file_type(file_path: str) -> Optional[str]:
+    """检测文件类型，返回 'docx'、'pptx'、'xlsx' 或 'pdf'"""
+    ext = os.path.splitext(file_path)[1].lower()
+    validator = _FILE_TYPE_VALIDATORS.get(ext)
+    if validator and validator(file_path):
+        return ext.lstrip(".")
+    return None