refactor: 移除 doc 和 ppt reader 支持

移除对旧版 .doc 和 .ppt 格式的支持，以简化项目架构和减少维护负担。

变更内容：
- 删除 scripts/readers/doc/ 目录
- 删除 scripts/readers/ppt/ 目录
- 从 readers/__init__.py 中移除 DocReader 和 PptReader
- 从 utils/file_detection.py 中移除 is_valid_doc 和 is_valid_ppt
- 从 config.py 中移除 doc 和 ppt 依赖配置
- 从 advice_generator.py 中移除相关映射
- 更新 CLI 帮助文档
- 更新 README.md 文档
- 删除相关测试用例
- 删除相关规范文档

README.md

@@ -1,6 +1,6 @@
 # lyxy-document
 
-统一文档解析工具 - 将 DOC、DOCX、XLS、XLSX、PPT、PPTX、PDF、HTML/URL 转换为 Markdown
+统一文档解析工具 - 将 DOCX、XLS、XLSX、PPTX、PDF、HTML/URL 转换为 Markdown
 
 ## 项目概述
 
@@ -25,11 +25,9 @@ scripts/
 │   └── exceptions.py          # 异常定义
 ├── readers/                    # 格式阅读器
 │   ├── base.py                # Reader 基类
-│   ├── doc/                   # DOC 解析器（旧格式）
 │   ├── docx/                  # DOCX 解析器
 │   ├── xls/                   # XLS 解析器（旧格式）
 │   ├── xlsx/                  # XLSX 解析器
-│   ├── ppt/                   # PPT 解析器（旧格式）
 │   ├── pptx/                  # PPTX 解析器
 │   ├── pdf/                   # PDF 解析器
 │   └── html/                  # HTML/URL 解析器
@@ -40,9 +38,7 @@ scripts/
 tests/                           # 测试套件
 ├── test_readers/               # Reader 测试
 │   └── fixtures/               # 静态测试文件（Git LFS 管理）
-│       ├── doc/                # DOC 旧格式测试文件
+│       └── xls/                # XLS 旧格式测试文件
-│       ├── xls/                # XLS 旧格式测试文件
-│       └── ppt/                # PPT 旧格式测试文件
 openspec/                        # OpenSpec 规范文档
 README.md                        # 本文档（开发者文档）
 SKILL.md                         # AI Skill 文档
@@ -52,7 +48,7 @@ SKILL.md                         # AI Skill 文档
 
 ### 静态测试文件目录
 
-`tests/test_readers/fixtures/` 目录用于存放**预先准备的静态测试文件**，特别是难以通过 Python 自动化创建的旧格式文件（.doc/.xls/.ppt）。
+`tests/test_readers/fixtures/` 目录用于存放**预先准备的静态测试文件**，特别是难以通过 Python 自动化创建的旧格式文件（.xls）。
 
 ### 目录使用规则
 
@@ -64,8 +60,8 @@ SKILL.md                         # AI Skill 文档
 
 `tests/test_readers/conftest.py` 提供以下静态文件 fixtures：
 
-- 目录路径：`doc_fixture_path`、`xls_fixture_path`、`ppt_fixture_path`
+- 目录路径：`xls_fixture_path`
-- 单个文件：`simple_doc_path`、`with_headings_doc_path`、`with_table_doc_path` 等
+- 单个文件：`simple_xls_path` 等
 
 文件不存在时会自动 `pytest.skip()`，保证 CI 稳定性。
 
@@ -224,15 +220,6 @@ uv run \
   pytest tests/test_readers/test_html/
 ```
 
-#### 测试 DOC reader（旧格式，使用静态文件）
-```bash
-uv run \
-  --with pytest \
-  --with "markitdown[docx]" \
-  --with pypandoc-binary \
-  pytest tests/test_readers/test_doc/
-```
-
 #### 测试 XLS reader（旧格式，使用静态文件）
 ```bash
 uv run \
@@ -245,14 +232,6 @@ uv run \
   pytest tests/test_readers/test_xls/
 ```
 
-#### 测试 PPT reader（旧格式，使用静态文件）
-```bash
-uv run \
-  --with pytest \
-  --with "markitdown[pptx]" \
-  pytest tests/test_readers/test_ppt/
-```
-
 #### 运行特定测试文件或方法
 ```bash
 # 运行特定测试文件（CLI 测试无需额外依赖）

openspec/specs/doc-reader/spec.md

@@ -1,68 +0,0 @@
-## Purpose
-
-DOC 文档解析能力，支持解析 Microsoft Word 97-2003 旧格式文档。
-
-## Requirements
-
-### Requirement: DOC 文档解析
-系统 SHALL 支持解析 .doc 格式文档，按优先级尝试多个解析器。
-
-#### Scenario: 按优先级尝试解析器
-- **WHEN** 解析 DOC 文档
-- **THEN** 系统按 markitdown → pypandoc-binary 的顺序尝试
-
-#### Scenario: 成功解析
-- **WHEN** 任一解析器成功
-- **THEN** 系统返回解析结果
-
-#### Scenario: 所有解析器失败
-- **WHEN** 所有解析器均失败
-- **THEN** 系统返回失败列表并退出非零状态码
-
-### Requirement: markitdown 解析器
-系统 SHALL 支持使用 markitdown 库解析 DOC。
-
-#### Scenario: markitdown 解析成功
-- **WHEN** markitdown 库可用且文档有效
-- **THEN** 系统返回 Markdown 内容
-
-#### Scenario: markitdown 库未安装
-- **WHEN** markitdown 库未安装
-- **THEN** 系统尝试下一个解析器
-
-### Requirement: pypandoc-binary 解析器
-系统 SHALL 支持使用 pypandoc-binary 库解析 DOC。
-
-#### Scenario: pypandoc 解析成功
-- **WHEN** pypandoc-binary 库可用且文档有效
-- **THEN** 系统返回 Markdown 内容
-
-#### Scenario: pypandoc-binary 库未安装
-- **WHEN** pypandoc-binary 库未安装
-- **THEN** 系统尝试下一个解析器
-
-### Requirement: 每个解析器独立文件
-系统 SHALL 将每个解析器实现为独立的单文件模块。
-
-#### Scenario: markitdown 解析器在独立文件
-- **WHEN** 使用 markitdown 解析器
-- **THEN** 从 readers/doc/markitdown.py 导入
-
-#### Scenario: pypandoc 解析器在独立文件
-- **WHEN** 使用 pypandoc 解析器
-- **THEN** 从 readers/doc/pypandoc.py 导入
-
-### Requirement: DOC Reader 测试使用静态文件
-DOC Reader 测试 MUST 使用 `tests/test_readers/fixtures/doc/` 下的静态文件。
-
-#### Scenario: 测试使用 simple.doc
-- **WHEN** 测试 DOC Reader 基础解析能力
-- **THEN** 使用 `simple.doc` 静态文件
-
-#### Scenario: 测试使用 with_headings.doc
-- **WHEN** 测试 DOC Reader 标题解析
-- **THEN** 使用 `with_headings.doc` 静态文件
-
-#### Scenario: 测试使用 with_table.doc
-- **WHEN** 测试 DOC Reader 表格解析
-- **THEN** 使用 `with_table.doc` 静态文件

openspec/specs/ppt-reader/spec.md

@@ -1,53 +0,0 @@
-## Purpose
-
-PPT 文档解析能力，支持解析 Microsoft PowerPoint 97-2003 旧格式文档。
-
-## Requirements
-
-### Requirement: PPT 文档解析
-系统 SHALL 支持解析 .ppt 格式文档，按优先级尝试多个解析器。
-
-#### Scenario: 按优先级尝试解析器
-- **WHEN** 解析 PPT 文档
-- **THEN** 系统按 markitdown 的顺序尝试
-
-#### Scenario: 成功解析
-- **WHEN** 任一解析器成功
-- **THEN** 系统返回解析结果
-
-#### Scenario: 所有解析器失败
-- **WHEN** 所有解析器均失败
-- **THEN** 系统返回失败列表并退出非零状态码
-
-### Requirement: markitdown 解析器
-系统 SHALL 支持使用 markitdown 库解析 PPT。
-
-#### Scenario: markitdown 解析成功
-- **WHEN** markitdown 库可用且文档有效
-- **THEN** 系统返回 Markdown 内容
-
-#### Scenario: markitdown 库未安装
-- **WHEN** markitdown 库未安装
-- **THEN** 系统返回失败信息
-
-### Requirement: 每个解析器独立文件
-系统 SHALL 将每个解析器实现为独立的单文件模块。
-
-#### Scenario: markitdown 解析器在独立文件
-- **WHEN** 使用 markitdown 解析器
-- **THEN** 从 readers/ppt/markitdown.py 导入
-
-### Requirement: PPT Reader 测试使用静态文件
-PPT Reader 测试 MUST 使用 `tests/test_readers/fixtures/ppt/` 下的静态文件。
-
-#### Scenario: 测试使用 simple.ppt
-- **WHEN** 测试 PPT Reader 基础解析能力
-- **THEN** 使用 `simple.ppt` 静态文件
-
-#### Scenario: 测试使用 multiple_slides.ppt
-- **WHEN** 测试 PPT Reader 多幻灯片解析
-- **THEN** 使用 `multiple_slides.ppt` 静态文件
-
-#### Scenario: 测试使用 with_images.ppt
-- **WHEN** 测试 PPT Reader 图片处理（可选）
-- **THEN** 使用 `with_images.ppt` 静态文件

scripts/config.py

@@ -98,16 +98,6 @@ DEPENDENCIES = {
             ]
         }
     },
-    "doc": {
-        "default": {
-            "python": None,
-            "dependencies": [
-                "markitdown[docx]",
-                "pypandoc-binary",
-                "olefile"
-            ]
-        }
-    },
     "xls": {
         "default": {
             "python": None,
@@ -120,14 +110,5 @@ DEPENDENCIES = {
                 "olefile"
             ]
         }
-    },
-    "ppt": {
-        "default": {
-            "python": None,
-            "dependencies": [
-                "markitdown[pptx]",
-                "olefile"
-            ]
-        }
     }
 }

scripts/core/advice_generator.py

@@ -12,9 +12,7 @@ from readers import (
     XlsxReader,
     PptxReader,
     HtmlReader,
-    DocReader,
     XlsReader,
-    PptReader,
 )
 
 
@@ -25,9 +23,7 @@ _READER_KEY_MAP: Dict[Type[BaseReader], str] = {
     XlsxReader: "xlsx",
     PptxReader: "pptx",
     HtmlReader: "html",
-    DocReader: "doc",
     XlsReader: "xls",
-    PptReader: "ppt",
 }
 
 

scripts/lyxy_document_reader.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。支持 DOC、DOCX、XLS、XLSX、PPT、PPTX、PDF、HTML 和 URL。"""
+"""文档解析器命令行交互模块，提供命令行接口。支持 DOCX、XLS、XLSX、PPTX、PDF、HTML 和 URL。"""
 
 import argparse
 import logging
@@ -39,10 +39,10 @@ from readers import READERS
 
 def main() -> None:
     parser = argparse.ArgumentParser(
-        description="将 DOC、DOCX、XLS、XLSX、PPT、PPTX、PDF、HTML 文件或 URL 解析为 Markdown"
+        description="将 DOCX、XLS、XLSX、PPTX、PDF、HTML 文件或 URL 解析为 Markdown"
     )
 
-    parser.add_argument("input_path", help="DOC、DOCX、XLS、XLSX、PPT、PPTX、PDF、HTML 文件或 URL")
+    parser.add_argument("input_path", help="DOCX、XLS、XLSX、PPTX、PDF、HTML 文件或 URL")
 
     parser.add_argument(
         "-a",

scripts/readers/__init__.py

@@ -6,9 +6,7 @@ from .xlsx import XlsxReader
 from .pptx import PptxReader
 from .pdf import PdfReader
 from .html import HtmlReader
-from .doc import DocReader
 from .xls import XlsReader
-from .ppt import PptReader
 
 READERS = [
     DocxReader,
@@ -16,9 +14,7 @@ READERS = [
     PptxReader,
     PdfReader,
     HtmlReader,
-    DocReader,
     XlsReader,
-    PptReader,
 ]
 
 __all__ = [
@@ -28,8 +24,6 @@ __all__ = [
     "PptxReader",
     "PdfReader",
     "HtmlReader",
-    "DocReader",
     "XlsReader",
-    "PptReader",
     "READERS",
 ]

scripts/readers/doc/__init__.py

@@ -1,48 +0,0 @@
-"""DOC 文件阅读器，支持多种解析方法。"""
-
-import os
-from typing import List, Optional, Tuple
-
-from readers.base import BaseReader
-from utils import is_valid_doc
-
-from . import markitdown
-from . import pypandoc
-
-
-PARSERS = [
-    ("MarkItDown", markitdown.parse),
-    ("pypandoc-binary", pypandoc.parse),
-]
-
-
-class DocReader(BaseReader):
-    """DOC 文件阅读器"""
-
-    def supports(self, file_path: str) -> bool:
-        return file_path.lower().endswith('.doc')
-
-    def parse(self, file_path: str) -> Tuple[Optional[str], List[str]]:
-        failures = []
-
-        # 检查文件是否存在
-        if not os.path.exists(file_path):
-            return None, ["文件不存在"]
-
-        # 验证文件格式
-        if not is_valid_doc(file_path):
-            return None, ["不是有效的 DOC 文件"]
-
-        content = None
-
-        for parser_name, parser_func in PARSERS:
-            try:
-                content, error = parser_func(file_path)
-                if content is not None:
-                    return content, failures
-                else:
-                    failures.append(f"- {parser_name}: {error}")
-            except Exception as e:
-                failures.append(f"- {parser_name}: [意外异常] {type(e).__name__}: {str(e)}")
-
-        return None, failures

scripts/readers/doc/markitdown.py

@@ -1,10 +0,0 @@
-"""使用 MarkItDown 库解析 DOC 文件"""
-
-from typing import Optional, Tuple
-
-from readers._utils import parse_via_markitdown
-
-
-def parse(file_path: str) -> Tuple[Optional[str], Optional[str]]:
-    """使用 MarkItDown 库解析 DOC 文件"""
-    return parse_via_markitdown(file_path)

scripts/readers/doc/pypandoc.py

@@ -1,29 +0,0 @@
-"""使用 pypandoc-binary 库解析 DOC 文件"""
-
-from typing import Optional, Tuple
-
-
-def parse(file_path: str) -> Tuple[Optional[str], Optional[str]]:
-    """使用 pypandoc-binary 库解析 DOC 文件"""
-    try:
-        import pypandoc
-    except ImportError:
-        return None, "pypandoc-binary 库未安装"
-
-    try:
-        content = pypandoc.convert_file(
-            source_file=file_path,
-            to="md",
-            format="doc",
-            outputfile=None,
-            extra_args=["--wrap=none"],
-        )
-    except OSError as exc:
-        return None, f"pypandoc-binary 缺少 Pandoc 可执行文件: {exc}"
-    except RuntimeError as exc:
-        return None, f"pypandoc-binary 解析失败: {exc}"
-
-    content = content.strip()
-    if not content:
-        return None, "文档为空"
-    return content, None

scripts/readers/ppt/__init__.py

@@ -1,46 +0,0 @@
-"""PPT 文件阅读器，支持多种解析方法。"""
-
-import os
-from typing import List, Optional, Tuple
-
-from readers.base import BaseReader
-from utils import is_valid_ppt
-
-from . import markitdown
-
-
-PARSERS = [
-    ("MarkItDown", markitdown.parse),
-]
-
-
-class PptReader(BaseReader):
-    """PPT 文件阅读器"""
-
-    def supports(self, file_path: str) -> bool:
-        return file_path.lower().endswith('.ppt')
-
-    def parse(self, file_path: str) -> Tuple[Optional[str], List[str]]:
-        failures = []
-
-        # 检查文件是否存在
-        if not os.path.exists(file_path):
-            return None, ["文件不存在"]
-
-        # 验证文件格式
-        if not is_valid_ppt(file_path):
-            return None, ["不是有效的 PPT 文件"]
-
-        content = None
-
-        for parser_name, parser_func in PARSERS:
-            try:
-                content, error = parser_func(file_path)
-                if content is not None:
-                    return content, failures
-                else:
-                    failures.append(f"- {parser_name}: {error}")
-            except Exception as e:
-                failures.append(f"- {parser_name}: [意外异常] {type(e).__name__}: {str(e)}")
-
-        return None, failures

scripts/readers/ppt/markitdown.py

@@ -1,10 +0,0 @@
-"""使用 MarkItDown 库解析 PPT 文件"""
-
-from typing import Optional, Tuple
-
-from readers._utils import parse_via_markitdown
-
-
-def parse(file_path: str) -> Tuple[Optional[str], Optional[str]]:
-    """使用 MarkItDown 库解析 PPT 文件"""
-    return parse_via_markitdown(file_path)

scripts/utils/__init__.py

@@ -5,9 +5,7 @@ from .file_detection import (
     is_valid_pptx,
     is_valid_xlsx,
     is_valid_pdf,
-    is_valid_doc,
     is_valid_xls,
-    is_valid_ppt,
     is_html_file,
     is_url,
 )
@@ -17,9 +15,7 @@ __all__ = [
     "is_valid_pptx",
     "is_valid_xlsx",
     "is_valid_pdf",
-    "is_valid_doc",
     "is_valid_xls",
-    "is_valid_ppt",
     "is_html_file",
     "is_url",
 ]

scripts/utils/file_detection.py

@@ -6,7 +6,7 @@ from typing import List, Optional
 
 
 def _is_valid_ole(file_path: str) -> bool:
-    """验证 OLE2 格式文件（DOC/XLS/PPT）"""
+    """验证 OLE2 格式文件（XLS）"""
     try:
         import olefile
     except ImportError:
@@ -48,21 +48,11 @@ def is_valid_xlsx(file_path: str) -> bool:
     return _is_valid_ooxml(file_path, _XLSX_REQUIRED)
 
 
-def is_valid_doc(file_path: str) -> bool:
-    """验证文件是否为有效的 DOC 格式"""
-    return _is_valid_ole(file_path)
-
-
 def is_valid_xls(file_path: str) -> bool:
     """验证文件是否为有效的 XLS 格式"""
     return _is_valid_ole(file_path)
 
 
-def is_valid_ppt(file_path: str) -> bool:
-    """验证文件是否为有效的 PPT 格式"""
-    return _is_valid_ole(file_path)
-
-
 def is_valid_pdf(file_path: str) -> bool:
     """验证文件是否为有效的 PDF 格式"""
     try:
@@ -82,7 +72,3 @@ def is_html_file(file_path: str) -> bool:
 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://")
-
-
-
-

tests/test_cli/test_main.py

@@ -38,13 +38,6 @@ class TestCLIAdviceOption:
         output = stdout + stderr
         assert "无法识别" in output or "错误" in output
 
-    def test_advice_option_doc(self, cli_runner):
-        """测试 --advice 选项对 DOC 文件。"""
-        stdout, stderr, exit_code = cli_runner(["test.doc", "--advice"])
-
-        assert exit_code == 0
-        assert "文件类型: DOC" in stdout
-
     def test_advice_option_xls(self, cli_runner):
         """测试 --advice 选项对 XLS 文件。"""
         stdout, stderr, exit_code = cli_runner(["test.xls", "--advice"])
@@ -52,13 +45,6 @@ class TestCLIAdviceOption:
         assert exit_code == 0
         assert "文件类型: XLS" in stdout
 
-    def test_advice_option_ppt(self, cli_runner):
-        """测试 --advice 选项对 PPT 文件。"""
-        stdout, stderr, exit_code = cli_runner(["test.ppt", "--advice"])
-
-        assert exit_code == 0
-        assert "文件类型: PPT" in stdout
-
 
 class TestCLIDefaultOutput:
     """测试 CLI 默认输出功能。"""

tests/test_readers/test_doc/__init__.py

@@ -1 +0,0 @@
-"""测试 DocReader 模块。"""

tests/test_readers/test_doc/test_consistency.py

@@ -1,44 +0,0 @@
-"""测试所有 DOC Readers 的一致性。"""
-
-import pytest
-from readers.doc import markitdown, pypandoc
-
-
-class TestDocReadersConsistency:
-    """验证所有 DOC Readers 解析同一文件时核心文字内容一致。"""
-
-    def test_parsers_importable(self):
-        """测试所有 parser 模块可以正确导入。"""
-        # 验证模块导入成功
-        assert markitdown is not None
-        assert pypandoc is not None
-        assert hasattr(markitdown, 'parse')
-        assert hasattr(pypandoc, 'parse')
-
-    def test_parser_functions_callable(self):
-        """测试 parse 函数是可调用的。"""
-        assert callable(markitdown.parse)
-        assert callable(pypandoc.parse)
-
-    def test_all_readers_parse_same_content(self, simple_doc_path):
-        """测试所有 Readers 解析同一文件时核心内容一致。"""
-        # 收集所有 readers 的解析结果
-        parsers = [
-            ("markitdown", markitdown.parse),
-            ("pypandoc", pypandoc.parse),
-        ]
-
-        successful_results = []
-        for name, parser in parsers:
-            content, error = parser(simple_doc_path)
-            if content is not None and content.strip():
-                successful_results.append((name, content))
-
-        # 至少应该有一个 reader 成功解析，或者都不解析也可以（旧格式兼容性问题）
-        if len(successful_results) > 0:
-            # 验证所有成功的 readers 都包含核心内容
-            core_texts = ["测试文档", "第一段", "第二段"]
-            for name, content in successful_results:
-                # 至少包含一个核心文本
-                assert any(text in content for text in core_texts), \
-                    f"{name} 解析结果不包含核心内容"

tests/test_readers/test_doc/test_markitdown_doc.py

@@ -1,49 +0,0 @@
-"""测试 MarkItDown DOC Reader 的解析功能。"""
-
-import pytest
-import os
-from readers.doc import markitdown
-
-
-class TestMarkitdownDocReaderParse:
-    """测试 MarkItDown DOC Reader 的 parse 方法。"""
-
-    def test_module_importable(self):
-        """测试模块可以正确导入。"""
-        assert markitdown is not None
-        assert hasattr(markitdown, 'parse')
-        assert callable(markitdown.parse)
-
-    def test_file_not_exists(self, tmp_path):
-        """测试文件不存在的情况。"""
-        non_existent_file = str(tmp_path / "non_existent.doc")
-
-        content, error = markitdown.parse(non_existent_file)
-
-        # 验证返回 None 和错误信息
-        assert content is None
-        assert error is not None
-
-    def test_parse_simple_doc(self, simple_doc_path):
-        """测试解析简单 DOC 文件。"""
-        content, error = markitdown.parse(simple_doc_path)
-
-        # 只要不崩溃即可，不强制要求成功解析
-        if content is not None:
-            assert len(content.strip()) > 0
-
-    def test_parse_with_headings_doc(self, with_headings_doc_path):
-        """测试解析带标题的 DOC 文件。"""
-        content, error = markitdown.parse(with_headings_doc_path)
-
-        # 只要不崩溃即可
-        if content is not None:
-            assert len(content.strip()) > 0
-
-    def test_parse_with_table_doc(self, with_table_doc_path):
-        """测试解析带表格的 DOC 文件。"""
-        content, error = markitdown.parse(with_table_doc_path)
-
-        # 只要不崩溃即可
-        if content is not None:
-            assert len(content.strip()) > 0

tests/test_readers/test_doc/test_pypandoc_doc.py

@@ -1,33 +0,0 @@
-"""测试 pypandoc DOC Reader 的解析功能。"""
-
-import pytest
-import os
-from readers.doc import pypandoc
-
-
-class TestPypandocDocReaderParse:
-    """测试 pypandoc DOC Reader 的 parse 方法。"""
-
-    def test_module_importable(self):
-        """测试模块可以正确导入。"""
-        assert pypandoc is not None
-        assert hasattr(pypandoc, 'parse')
-        assert callable(pypandoc.parse)
-
-    def test_file_not_exists(self, tmp_path):
-        """测试文件不存在的情况。"""
-        non_existent_file = str(tmp_path / "non_existent.doc")
-
-        content, error = pypandoc.parse(non_existent_file)
-
-        # 验证返回 None 和错误信息
-        assert content is None
-        assert error is not None
-
-    def test_parse_simple_doc(self, simple_doc_path):
-        """测试解析简单 DOC 文件。"""
-        content, error = pypandoc.parse(simple_doc_path)
-
-        # pypandoc 可能需要额外依赖，只要不崩溃即可
-        if content is not None:
-            assert len(content.strip()) > 0

tests/test_readers/test_ppt/__init__.py

@@ -1 +0,0 @@
-"""测试 PptReader 模块。"""

tests/test_readers/test_ppt/test_consistency.py

@@ -1,40 +0,0 @@
-"""测试所有 PPT Readers 的一致性。"""
-
-import pytest
-from readers.ppt import markitdown
-
-
-class TestPptReadersConsistency:
-    """验证所有 PPT Readers 解析同一文件时核心文字内容一致。"""
-
-    def test_parsers_importable(self):
-        """测试所有 parser 模块可以正确导入。"""
-        # 验证模块导入成功
-        assert markitdown is not None
-        assert hasattr(markitdown, 'parse')
-
-    def test_parser_functions_callable(self):
-        """测试 parse 函数是可调用的。"""
-        assert callable(markitdown.parse)
-
-    def test_all_readers_parse_same_content(self, simple_ppt_path):
-        """测试所有 Readers 解析同一文件时核心内容一致。"""
-        # 收集所有 readers 的解析结果
-        parsers = [
-            ("markitdown", markitdown.parse),
-        ]
-
-        successful_results = []
-        for name, parser in parsers:
-            content, error = parser(simple_ppt_path)
-            if content is not None and content.strip():
-                successful_results.append((name, content))
-
-        # 至少应该有一个 reader 成功解析，或者都不解析也可以
-        if len(successful_results) > 0:
-            # 验证所有成功的 readers 都包含核心内容
-            core_texts = ["测试", "演示", "文稿"]
-            for name, content in successful_results:
-                # 至少包含一个核心文本
-                assert any(text in content for text in core_texts), \
-                    f"{name} 解析结果不包含核心内容"

tests/test_readers/test_ppt/test_markitdown_ppt.py

@@ -1,41 +0,0 @@
-"""测试 MarkItDown PPT Reader 的解析功能。"""
-
-import pytest
-import os
-from readers.ppt import markitdown
-
-
-class TestMarkitdownPptReaderParse:
-    """测试 MarkItDown PPT Reader 的 parse 方法。"""
-
-    def test_module_importable(self):
-        """测试模块可以正确导入。"""
-        assert markitdown is not None
-        assert hasattr(markitdown, 'parse')
-        assert callable(markitdown.parse)
-
-    def test_file_not_exists(self, tmp_path):
-        """测试文件不存在的情况。"""
-        non_existent_file = str(tmp_path / "non_existent.ppt")
-
-        content, error = markitdown.parse(non_existent_file)
-
-        # 验证返回 None 和错误信息
-        assert content is None
-        assert error is not None
-
-    def test_parse_simple_ppt(self, simple_ppt_path):
-        """测试解析简单 PPT 文件。"""
-        content, error = markitdown.parse(simple_ppt_path)
-
-        # 只要不崩溃即可
-        if content is not None:
-            assert len(content.strip()) > 0
-
-    def test_parse_multiple_slides_ppt(self, multiple_slides_ppt_path):
-        """测试解析多幻灯片 PPT 文件。"""
-        content, error = markitdown.parse(multiple_slides_ppt_path)
-
-        # 只要不崩溃即可
-        if content is not None:
-            assert len(content.strip()) > 0