lanyuanxiaoyao/lyxy-document
1
0
Fork 0
Code Releases Activity

refactor: 移除 doc 和 ppt reader 支持

Browse Source 
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
This commit is contained in:
兰缘小妖
2026-03-11 00:55:15 +08:00
parent fad0edc46a
commit 65c746c639
22 changed files with 9 additions and 564 deletions
Download Patch File Download Diff File Expand all files Collapse all files

31
README.md
View File

@@ -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
│ └── ppt/ # PPT 旧格式测试文件
│ └── xls/ # XLS 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`
- 单个文件：`simple_doc_path`、`with_headings_doc_path`、`with_table_doc_path` 等
- 目录路径：`xls_fixture_path`
- 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）

68
openspec/specs/doc-reader/spec.md
View File

@@ -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

53
openspec/specs/ppt-reader/spec.md
View File

@@ -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

19
scripts/config.py
View File

@@ -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"
]
}
}
}

4
scripts/core/advice_generator.py
View File

@@ -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",
}

6
scripts/lyxy_document_reader.py
View File

@@ -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",

6
scripts/readers/__init__.py
View File

@@ -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",
]

48
scripts/readers/doc/__init__.py
View File

@@ -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

10
scripts/readers/doc/markitdown.py
View File

@@ -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)

29
scripts/readers/doc/pypandoc.py
View File

@@ -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

46
scripts/readers/ppt/__init__.py
View File

@@ -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

10
scripts/readers/ppt/markitdown.py
View File

@@ -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)

4
scripts/utils/__init__.py
View File

@@ -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",
]

16
scripts/utils/file_detection.py
View File

@@ -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://")

14
tests/test_cli/test_main.py
View File

@@ -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。"""

1
tests/test_readers/test_doc/__init__.py
View File

@@ -1 +0,0 @@
"""测试 DocReader 模块。"""

44
tests/test_readers/test_doc/test_consistency.py
View File

@@ -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"

49
tests/test_readers/test_doc/test_markitdown_doc.py
View File

@@ -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

33
tests/test_readers/test_doc/test_pypandoc_doc.py
View File

@@ -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

1
tests/test_readers/test_ppt/__init__.py
View File

@@ -1 +0,0 @@
"""测试 PptReader 模块。"""

40
tests/test_readers/test_ppt/test_consistency.py
View File

@@ -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"

41
tests/test_readers/test_ppt/test_markitdown_ppt.py
View File

@@ -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