docs: 同步 delta specs 到主 specs

从归档的 unify-document-readers change 同步 delta specs 到主 specs 目录。

新增 specs：
- document-reading - 统一文档读取核心能力
- docx-reader - DOCX 文档解析能力
- xlsx-reader - XLSX 文档解析能力
- pptx-reader - PPTX 文档解析能力
- pdf-reader - PDF 文档解析能力（含 OCR）
- html-reader - HTML/URL 文档解析能力

openspec/specs/document-reading/spec.md

@@ -0,0 +1,141 @@
+## Purpose
+
+统一文档读取核心能力，包含 CLI 入口、解析调度、Markdown 后处理。
+
+## Requirements
+
+### Requirement: 统一 CLI 入口
+系统 SHALL 提供 lyxy_document_reader.py 作为统一的命令行入口，支持处理所有文档类型。
+
+#### Scenario: 调用 CLI 帮助信息
+- **WHEN** 用户执行 `uv run python lyxy_document_reader.py --help`
+- **THEN** 系统显示完整的命令行参数帮助信息
+
+#### Scenario: CLI 接受输入路径
+- **WHEN** 用户执行 `uv run python lyxy_document_reader.py <input_path>`
+- **THEN** 系统识别输入类型并解析文档
+
+### Requirement: 输入类型自动识别
+系统 SHALL 自动识别输入类型，包括 URL 和本地文件。
+
+#### Scenario: 识别 HTTP URL
+- **WHEN** 输入以 `http://` 或 `https://` 开头
+- **THEN** 系统识别为 URL，使用 html-reader 处理
+
+#### Scenario: 识别 DOCX 文件
+- **WHEN** 输入文件扩展名为 .docx 或 .doc，或文件内容为 OOXML Word 格式
+- **THEN** 系统识别为 DOCX，使用 docx-reader 处理
+
+#### Scenario: 识别 XLSX 文件
+- **WHEN** 输入文件扩展名为 .xlsx、.xls 或 .xlsm，或文件内容为 OOXML Excel 格式
+- **THEN** 系统识别为 XLSX，使用 xlsx-reader 处理
+
+#### Scenario: 识别 PPTX 文件
+- **WHEN** 输入文件扩展名为 .pptx 或 .ppt，或文件内容为 OOXML PowerPoint 格式
+- **THEN** 系统识别为 PPTX，使用 pptx-reader 处理
+
+#### Scenario: 识别 PDF 文件
+- **WHEN** 输入文件扩展名为 .pdf，或文件头为 %PDF
+- **THEN** 系统识别为 PDF，使用 pdf-reader 处理
+
+#### Scenario: 识别 HTML 文件
+- **WHEN** 输入文件扩展名为 .html、.htm 或 .xhtml
+- **THEN** 系统识别为 HTML，使用 html-reader 处理
+
+### Requirement: 输出完整 Markdown
+系统 SHALL 能够输出解析后的完整 Markdown 内容。
+
+#### Scenario: 无查询参数时输出完整内容
+- **WHEN** 用户不使用任何查询参数（-c/-l/-t/-tc/-s）
+- **THEN** 系统输出完整的 Markdown 文档内容
+
+### Requirement: 字数统计
+系统 SHALL 支持统计解析后文档的总字数。
+
+#### Scenario: 使用 -c 参数统计字数
+- **WHEN** 用户使用 `-c` 或 `--count` 参数
+- **THEN** 系统输出解析后文档的总字数（不含换行符）
+
+### Requirement: 行数统计
+系统 SHALL 支持统计解析后文档的总行数。
+
+#### Scenario: 使用 -l 参数统计行数
+- **WHEN** 用户使用 `-l` 或 `--lines` 参数
+- **THEN** 系统输出解析后文档的总行数
+
+### Requirement: 标题提取
+系统 SHALL 支持提取文档中的所有标题行。
+
+#### Scenario: 使用 -t 参数提取标题
+- **WHEN** 用户使用 `-t` 或 `--titles` 参数
+- **THEN** 系统输出解析后文档的所有 1-6 级标题行
+
+### Requirement: 指定标题内容提取
+系统 SHALL 支持提取指定标题及其下级内容。
+
+#### Scenario: 使用 -tc 参数提取标题内容
+- **WHEN** 用户使用 `-tc <name>` 或 `--title-content <name>` 参数
+- **THEN** 系统输出所有匹配标题名称的标题及其下级内容，包含上级标题上下文，多个匹配用 --- 分隔
+
+#### Scenario: 标题未找到时提示错误
+- **WHEN** 指定的标题名称未找到
+- **THEN** 系统输出错误信息并退出非零状态码
+
+### Requirement: 正则搜索
+系统 SHALL 支持使用正则表达式搜索文档内容。
+
+#### Scenario: 使用 -s 参数搜索
+- **WHEN** 用户使用 `-s <pattern>` 或 `--search <pattern>` 参数
+- **THEN** 系统输出所有匹配结果及其上下文，多个匹配用 --- 分隔
+
+#### Scenario: 使用 -n 参数指定上下文行数
+- **WHEN** 用户同时使用 `-s <pattern>` 和 `-n <num>` 或 `--context <num>` 参数
+- **THEN** 系统输出匹配结果及其前后指定行数的上下文（不含空行）
+
+#### Scenario: 无效正则表达式提示错误
+- **WHEN** 提供的正则表达式无效
+- **THEN** 系统输出错误信息并退出非零状态码
+
+#### Scenario: 无匹配结果提示错误
+- **WHEN** 未找到任何匹配
+- **THEN** 系统输出错误信息并退出非零状态码
+
+### Requirement: Markdown 图片移除
+系统 SHALL 自动移除解析结果中的 Markdown 图片标记。
+
+#### Scenario: 移除图片标记
+- **WHEN** 解析结果包含 `![alt](url)` 格式的图片标记
+- **THEN** 系统移除这些图片标记
+
+### Requirement: Markdown 空白规范化
+系统 SHALL 规范化解析结果中的空白字符，保留单行空行。
+
+#### Scenario: 规范化连续空行
+- **WHEN** 解析结果包含连续 3 个或更多换行符
+- **THEN** 系统将其替换为 2 个换行符（保留单行空行）
+
+### Requirement: 使用 logging 模块
+系统 SHALL 使用 Python logging 模块进行日志输出，而非简单 print。
+
+#### Scenario: 日志输出
+- **WHEN** 系统运行时
+- **THEN** 所有日志信息通过 logging 模块输出
+
+### Requirement: 自定义异常
+系统 SHALL 使用自定义异常类处理错误，提供清晰的错误信息和位置上下文。
+
+#### Scenario: 抛出 FileDetectionError
+- **WHEN** 文件类型检测失败
+- **THEN** 系统抛出 FileDetectionError 异常
+
+#### Scenario: 抛出 ReaderNotFoundError
+- **WHEN** 未找到适配的阅读器
+- **THEN** 系统抛出 ReaderNotFoundError 异常
+
+#### Scenario: 抛出 ParseError
+- **WHEN** 文档解析失败
+- **THEN** 系统抛出 ParseError 异常
+
+#### Scenario: 抛出 DownloadError
+- **WHEN** URL 下载失败
+- **THEN** 系统抛出 DownloadError 异常

openspec/specs/docx-reader/spec.md

@@ -0,0 +1,113 @@
+## Purpose
+
+DOCX 文档解析能力，支持多种解析方法。
+
+## Requirements
+
+### Requirement: DOCX 文档解析
+系统 SHALL 支持解析 DOCX 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 DOCX 文档
+- **THEN** 系统按 docling → unstructured → markitdown → pypandoc-binary → python-docx → XML原生解析的顺序尝试
+
+#### 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: docling 解析器
+系统 SHALL 支持使用 docling 库解析 DOCX。
+
+#### Scenario: docling 解析成功
+- **WHEN** docling 库可用且文档有效
+- **THEN** 系统返回 Markdown 内容
+
+#### Scenario: docling 库未安装
+- **WHEN** docling 库未安装
+- **THEN** 系统尝试下一个解析器
+
+### Requirement: unstructured 解析器
+系统 SHALL 支持使用 unstructured 库解析 DOCX。
+
+#### Scenario: unstructured 解析成功
+- **WHEN** unstructured 库可用且文档有效
+- **THEN** 系统返回 Markdown 内容
+
+#### Scenario: unstructured 库未安装
+- **WHEN** unstructured 库未安装
+- **THEN** 系统尝试下一个解析器
+
+### Requirement: markitdown 解析器
+系统 SHALL 支持使用 markitdown 库解析 DOCX。
+
+#### 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 DOCX。
+
+#### 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: python-docx 解析器
+系统 SHALL 支持使用 python-docx 库解析 DOCX。
+
+#### Scenario: python-docx 解析成功
+- **WHEN** python-docx 库可用且文档有效
+- **THEN** 系统返回 Markdown 内容，保留标题层级、列表、表格、粗体、斜体等格式
+
+#### Scenario: python-docx 库未安装
+- **WHEN** python-docx 库未安装
+- **THEN** 系统尝试下一个解析器
+
+### Requirement: XML 原生解析器
+系统 SHALL 支持使用 XML 原生解析 DOCX。
+
+#### Scenario: XML 原生解析成功
+- **WHEN** 文档有效
+- **THEN** 系统返回 Markdown 内容，保留标题层级、列表、表格等格式
+
+#### Scenario: XML 原生解析失败
+- **WHEN** XML 原生解析失败
+- **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: docling 解析器在独立文件
+- **WHEN** 使用 docling 解析器
+- **THEN** 从 readers/docx/docling.py 导入
+
+#### Scenario: unstructured 解析器在独立文件
+- **WHEN** 使用 unstructured 解析器
+- **THEN** 从 readers/docx/unstructured.py 导入
+
+#### Scenario: markitdown 解析器在独立文件
+- **WHEN** 使用 markitdown 解析器
+- **THEN** 从 readers/docx/markitdown.py 导入
+
+#### Scenario: pypandoc 解析器在独立文件
+- **WHEN** 使用 pypandoc 解析器
+- **THEN** 从 readers/docx/pypandoc.py 导入
+
+#### Scenario: python-docx 解析器在独立文件
+- **WHEN** 使用 python-docx 解析器
+- **THEN** 从 readers/docx/python_docx.py 导入
+
+#### Scenario: XML 原生解析器在独立文件
+- **WHEN** 使用 XML 原生解析器
+- **THEN** 从 readers/docx/native_xml.py 导入

openspec/specs/html-reader/spec.md

@@ -0,0 +1,192 @@
+## Purpose
+
+HTML/URL 文档解析能力，支持多种解析方法。
+
+## Requirements
+
+### Requirement: HTML 文档解析
+系统 SHALL 支持解析 HTML 格式文档和 URL 网页，按优先级尝试多个解析器。
+
+#### Scenario: 按优先级尝试解析器
+- **WHEN** 解析 HTML 内容
+- **THEN** 系统按 trafilatura → domscribe → markitdown → html2text 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: URL 下载
+系统 SHALL 支持从 URL 下载网页内容，按优先级尝试多个下载器。
+
+#### Scenario: 按优先级尝试下载器
+- **WHEN** 输入为 URL
+- **THEN** 系统按 pyppeteer → selenium → httpx → urllib 的顺序尝试下载
+
+#### Scenario: 成功下载
+- **WHEN** 任一下载器成功
+- **THEN** 系统返回 HTML 内容
+
+#### Scenario: 所有下载器失败
+- **WHEN** 所有下载器均失败
+- **THEN** 系统返回失败列表并退出非零状态码
+
+### Requirement: HTML 内容清理
+系统 SHALL 在解析前清理 HTML 内容，移除不需要的标签和属性。
+
+#### Scenario: 移除 script 标签
+- **WHEN** HTML 内容包含 script 标签
+- **THEN** 系统移除所有 script 标签
+
+#### Scenario: 移除 style 标签
+- **WHEN** HTML 内容包含 style 标签
+- **THEN** 系统移除所有 style 标签
+
+#### Scenario: 移除 svg 标签
+- **WHEN** HTML 内容包含 svg 标签
+- **THEN** 系统移除所有 svg 标签
+
+#### Scenario: 移除 link 标签
+- **WHEN** HTML 内容包含 link 标签
+- **THEN** 系统移除所有 link 标签
+
+#### Scenario: 移除 URL 属性
+- **WHEN** HTML 标签包含 href、src、srcset、action 属性
+- **THEN** 系统移除这些属性
+
+#### Scenario: 移除 style 属性
+- **WHEN** HTML 标签包含 style 属性
+- **THEN** 系统移除所有 style 属性
+
+#### Scenario: 移除 data-href 属性
+- **WHEN** HTML 标签包含 data-href 属性
+- **THEN** 系统移除这些属性
+
+#### Scenario: 清理 title 属性中的 URL
+- **WHEN** HTML 标签的 title 属性包含 URL
+- **THEN** 系统移除 URL
+
+#### Scenario: 清理包含 URL 的 class 属性
+- **WHEN** HTML 标签的 class 属性包含 URL 样式
+- **THEN** 系统移除这些 class
+
+### Requirement: pyppeteer 下载器
+系统 SHALL 支持使用 pyppeteer 下载 URL（支持 JS 渲染）。
+
+#### Scenario: pyppeteer 下载成功
+- **WHEN** pyppeteer 库可用且 URL 可访问
+- **THEN** 系统返回渲染后的 HTML 内容
+
+#### Scenario: pyppeteer 库未安装
+- **WHEN** pyppeteer 库未安装
+- **THEN** 系统尝试下一个下载器
+
+### Requirement: selenium 下载器
+系统 SHALL 支持使用 selenium 下载 URL（支持 JS 渲染）。
+
+#### Scenario: selenium 下载成功
+- **WHEN** selenium 库可用、LYXY_CHROMIUM_DRIVER 和 LYXY_CHROMIUM_BINARY 环境变量配置正确且 URL 可访问
+- **THEN** 系统返回渲染后的 HTML 内容
+
+#### Scenario: selenium 依赖未满足
+- **WHEN** selenium 库未安装或环境变量未配置
+- **THEN** 系统尝试下一个下载器
+
+### Requirement: httpx 下载器
+系统 SHALL 支持使用 httpx 下载 URL（轻量级 HTTP 客户端）。
+
+#### Scenario: httpx 下载成功
+- **WHEN** httpx 库可用且 URL 可访问
+- **THEN** 系统返回 HTML 内容
+
+#### Scenario: httpx 库未安装
+- **WHEN** httpx 库未安装
+- **THEN** 系统尝试下一个下载器
+
+### Requirement: urllib 下载器
+系统 SHALL 支持使用 urllib 下载 URL（标准库，兜底方案）。
+
+#### Scenario: urllib 下载成功
+- **WHEN** URL 可访问
+- **THEN** 系统返回 HTML 内容
+
+#### Scenario: urllib 下载失败
+- **WHEN** urllib 下载失败
+- **THEN** 系统返回失败信息
+
+### Requirement: trafilatura 解析器
+系统 SHALL 支持使用 trafilatura 解析 HTML。
+
+#### Scenario: trafilatura 解析成功
+- **WHEN** trafilatura 库可用且 HTML 有效
+- **THEN** 系统返回 Markdown 内容
+
+#### Scenario: trafilatura 库未安装
+- **WHEN** trafilatura 库未安装
+- **THEN** 系统尝试下一个解析器
+
+### Requirement: domscribe 解析器
+系统 SHALL 支持使用 domscribe 解析 HTML。
+
+#### Scenario: domscribe 解析成功
+- **WHEN** domscribe 库可用且 HTML 有效
+- **THEN** 系统返回 Markdown 内容
+
+#### Scenario: domscribe 库未安装
+- **WHEN** domscribe 库未安装
+- **THEN** 系统尝试下一个解析器
+
+### Requirement: markitdown 解析器
+系统 SHALL 支持使用 markitdown 解析 HTML。
+
+#### Scenario: markitdown 解析成功
+- **WHEN** markitdown 库可用且 HTML 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: html2text 解析器
+系统 SHALL 支持使用 html2text 解析 HTML（兜底方案）。
+
+#### Scenario: html2text 解析成功
+- **WHEN** html2text 库可用且 HTML 有效
+- **THEN** 系统返回 Markdown 内容
+
+#### Scenario: html2text 库未安装
+- **WHEN** html2text 库未安装
+- **THEN** 系统返回失败信息
+
+### Requirement: 下载器在 html 目录下
+系统 SHALL 将下载器和清理器放在 html 目录下，不拆分。
+
+#### Scenario: downloader.py 在 html 目录
+- **WHEN** 使用 URL 下载功能
+- **THEN** 从 readers/html/downloader.py 导入
+
+#### Scenario: cleaner.py 在 html 目录
+- **WHEN** 使用 HTML 清理功能
+- **THEN** 从 readers/html/cleaner.py 导入
+
+### Requirement: 每个 HTML 解析器独立文件
+系统 SHALL 将每个 HTML 解析器实现为独立的单文件模块。
+
+#### Scenario: trafilatura 解析器在独立文件
+- **WHEN** 使用 trafilatura 解析器
+- **THEN** 从 readers/html/trafilatura.py 导入
+
+#### Scenario: domscribe 解析器在独立文件
+- **WHEN** 使用 domscribe 解析器
+- **THEN** 从 readers/html/domscribe.py 导入
+
+#### Scenario: markitdown 解析器在独立文件
+- **WHEN** 使用 markitdown 解析器
+- **THEN** 从 readers/html/markitdown.py 导入
+
+#### Scenario: html2text 解析器在独立文件
+- **WHEN** 使用 html2text 解析器
+- **THEN** 从 readers/html/html2text.py 导入

openspec/specs/pdf-reader/spec.md

@@ -0,0 +1,120 @@
+## Purpose
+
+PDF 文档解析能力（含 OCR），支持多种解析方法。
+
+## Requirements
+
+### Requirement: PDF 文档解析
+系统 SHALL 支持解析 PDF 格式文档，按优先级尝试多个解析器，OCR 优先。
+
+#### Scenario: 按优先级尝试解析器
+- **WHEN** 解析 PDF 文档
+- **THEN** 系统按 docling OCR → unstructured OCR → docling → unstructured → markitdown → pypdf 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: 无 --high-res 参数
+系统 SHALL NOT 提供 --high-res 参数来控制是否使用 OCR，OCR 解析器直接加入解析器链。
+
+#### Scenario: 不接受 --high-res 参数
+- **WHEN** 用户使用 --high-res 参数
+- **THEN** 系统提示该参数不存在
+
+### Requirement: docling OCR 解析器
+系统 SHALL 支持使用 docling 库的 OCR 模式解析 PDF。
+
+#### Scenario: docling OCR 解析成功
+- **WHEN** docling 库可用且文档有效
+- **THEN** 系统返回 Markdown 内容
+
+#### Scenario: docling 库未安装
+- **WHEN** docling 库未安装
+- **THEN** 系统尝试下一个解析器
+
+### Requirement: unstructured OCR 解析器
+系统 SHALL 支持使用 unstructured 库的 hi_res 策略+PaddleOCR 解析 PDF。
+
+#### Scenario: unstructured OCR 解析成功
+- **WHEN** unstructured 和 unstructured-paddleocr 库可用且文档有效
+- **THEN** 系统返回 Markdown 内容
+
+#### Scenario: unstructured OCR 依赖未安装
+- **WHEN** unstructured 或 unstructured-paddleocr 库未安装
+- **THEN** 系统尝试下一个解析器
+
+### Requirement: docling 解析器（非 OCR）
+系统 SHALL 支持使用 docling 库的非 OCR 模式解析 PDF。
+
+#### Scenario: docling 解析成功
+- **WHEN** docling 库可用且文档有效
+- **THEN** 系统返回 Markdown 内容
+
+#### Scenario: docling 库未安装
+- **WHEN** docling 库未安装
+- **THEN** 系统尝试下一个解析器
+
+### Requirement: unstructured 解析器（非 OCR）
+系统 SHALL 支持使用 unstructured 库的 fast 策略解析 PDF。
+
+#### Scenario: unstructured 解析成功
+- **WHEN** unstructured 库可用且文档有效
+- **THEN** 系统返回 Markdown 内容
+
+#### Scenario: unstructured 库未安装
+- **WHEN** unstructured 库未安装
+- **THEN** 系统尝试下一个解析器
+
+### Requirement: markitdown 解析器
+系统 SHALL 支持使用 markitdown 库解析 PDF。
+
+#### 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: pypdf 解析器
+系统 SHALL 支持使用 pypdf 库解析 PDF。
+
+#### Scenario: pypdf 解析成功
+- **WHEN** pypdf 库可用且文档有效
+- **THEN** 系统返回 Markdown 内容
+
+#### Scenario: pypdf 库未安装
+- **WHEN** pypdf 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: docling OCR 解析器在独立文件
+- **WHEN** 使用 docling OCR 解析器
+- **THEN** 从 readers/pdf/docling_ocr.py 导入
+
+#### Scenario: unstructured OCR 解析器在独立文件
+- **WHEN** 使用 unstructured OCR 解析器
+- **THEN** 从 readers/pdf/unstructured_ocr.py 导入
+
+#### Scenario: docling 解析器在独立文件
+- **WHEN** 使用 docling 解析器
+- **THEN** 从 readers/pdf/docling.py 导入
+
+#### Scenario: unstructured 解析器在独立文件
+- **WHEN** 使用 unstructured 解析器
+- **THEN** 从 readers/pdf/unstructured.py 导入
+
+#### Scenario: markitdown 解析器在独立文件
+- **WHEN** 使用 markitdown 解析器
+- **THEN** 从 readers/pdf/markitdown.py 导入
+
+#### Scenario: pypdf 解析器在独立文件
+- **WHEN** 使用 pypdf 解析器
+- **THEN** 从 readers/pdf/pypdf.py 导入

openspec/specs/pptx-reader/spec.md

@@ -0,0 +1,98 @@
+## Purpose
+
+PPTX 文档解析能力，支持多种解析方法。
+
+## Requirements
+
+### Requirement: PPTX 文档解析
+系统 SHALL 支持解析 PPTX 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 PPTX 文档
+- **THEN** 系统按 docling → unstructured → markitdown → python-pptx → XML原生解析的顺序尝试
+
+#### 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: docling 解析器
+系统 SHALL 支持使用 docling 库解析 PPTX。
+
+#### Scenario: docling 解析成功
+- **WHEN** docling 库可用且文档有效
+- **THEN** 系统返回 Markdown 内容
+
+#### Scenario: docling 库未安装
+- **WHEN** docling 库未安装
+- **THEN** 系统尝试下一个解析器
+
+### Requirement: unstructured 解析器
+系统 SHALL 支持使用 unstructured 库解析 PPTX。
+
+#### Scenario: unstructured 解析成功
+- **WHEN** unstructured 库可用且文档有效
+- **THEN** 系统返回 Markdown 内容
+
+#### Scenario: unstructured 库未安装
+- **WHEN** unstructured 库未安装
+- **THEN** 系统尝试下一个解析器
+
+### Requirement: markitdown 解析器
+系统 SHALL 支持使用 markitdown 库解析 PPTX。
+
+#### 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: python-pptx 解析器
+系统 SHALL 支持使用 python-pptx 库解析 PPTX。
+
+#### Scenario: python-pptx 解析成功
+- **WHEN** python-pptx 库可用且文档有效
+- **THEN** 系统返回 Markdown 内容，每页用二级标题分隔，保留列表、表格、粗体、斜体等格式
+
+#### Scenario: python-pptx 库未安装
+- **WHEN** python-pptx 库未安装
+- **THEN** 系统尝试下一个解析器
+
+### Requirement: XML 原生解析器
+系统 SHALL 支持使用 XML 原生解析 PPTX。
+
+#### Scenario: XML 原生解析成功
+- **WHEN** 文档有效
+- **THEN** 系统返回 Markdown 内容，每页用二级标题分隔，保留列表、表格、粗体、斜体等格式
+
+#### Scenario: XML 原生解析失败
+- **WHEN** XML 原生解析失败
+- **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: docling 解析器在独立文件
+- **WHEN** 使用 docling 解析器
+- **THEN** 从 readers/pptx/docling.py 导入
+
+#### Scenario: unstructured 解析器在独立文件
+- **WHEN** 使用 unstructured 解析器
+- **THEN** 从 readers/pptx/unstructured.py 导入
+
+#### Scenario: markitdown 解析器在独立文件
+- **WHEN** 使用 markitdown 解析器
+- **THEN** 从 readers/pptx/markitdown.py 导入
+
+#### Scenario: python-pptx 解析器在独立文件
+- **WHEN** 使用 python-pptx 解析器
+- **THEN** 从 readers/pptx/python_pptx.py 导入
+
+#### Scenario: XML 原生解析器在独立文件
+- **WHEN** 使用 XML 原生解析器
+- **THEN** 从 readers/pptx/native_xml.py 导入

openspec/specs/xlsx-reader/spec.md

@@ -0,0 +1,98 @@
+## Purpose
+
+XLSX 文档解析能力，支持多种解析方法。
+
+## Requirements
+
+### Requirement: XLSX 文档解析
+系统 SHALL 支持解析 XLSX 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 XLSX 文档
+- **THEN** 系统按 docling → unstructured → markitdown → pandas → XML原生解析的顺序尝试
+
+#### 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: docling 解析器
+系统 SHALL 支持使用 docling 库解析 XLSX。
+
+#### Scenario: docling 解析成功
+- **WHEN** docling 库可用且文档有效
+- **THEN** 系统返回 Markdown 内容
+
+#### Scenario: docling 库未安装
+- **WHEN** docling 库未安装
+- **THEN** 系统尝试下一个解析器
+
+### Requirement: unstructured 解析器
+系统 SHALL 支持使用 unstructured 库解析 XLSX。
+
+#### Scenario: unstructured 解析成功
+- **WHEN** unstructured 库可用且文档有效
+- **THEN** 系统返回 Markdown 内容
+
+#### Scenario: unstructured 库未安装
+- **WHEN** unstructured 库未安装
+- **THEN** 系统尝试下一个解析器
+
+### Requirement: markitdown 解析器
+系统 SHALL 支持使用 markitdown 库解析 XLSX。
+
+#### 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: pandas 解析器
+系统 SHALL 支持使用 pandas 库解析 XLSX。
+
+#### Scenario: pandas 解析成功
+- **WHEN** pandas 和 tabulate 库可用且文档有效
+- **THEN** 系统返回 Markdown 内容，每个工作表用二级标题分隔，数据以表格形式展示
+
+#### Scenario: pandas 库未安装
+- **WHEN** pandas 或 tabulate 库未安装
+- **THEN** 系统尝试下一个解析器
+
+### Requirement: XML 原生解析器
+系统 SHALL 支持使用 XML 原生解析 XLSX。
+
+#### Scenario: XML 原生解析成功
+- **WHEN** 文档有效
+- **THEN** 系统返回 Markdown 内容，每个工作表用二级标题分隔，数据以表格形式展示，过滤全空列
+
+#### Scenario: XML 原生解析失败
+- **WHEN** XML 原生解析失败
+- **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: docling 解析器在独立文件
+- **WHEN** 使用 docling 解析器
+- **THEN** 从 readers/xlsx/docling.py 导入
+
+#### Scenario: unstructured 解析器在独立文件
+- **WHEN** 使用 unstructured 解析器
+- **THEN** 从 readers/xlsx/unstructured.py 导入
+
+#### Scenario: markitdown 解析器在独立文件
+- **WHEN** 使用 markitdown 解析器
+- **THEN** 从 readers/xlsx/markitdown.py 导入
+
+#### Scenario: pandas 解析器在独立文件
+- **WHEN** 使用 pandas 解析器
+- **THEN** 从 readers/xlsx/pandas.py 导入
+
+#### Scenario: XML 原生解析器在独立文件
+- **WHEN** 使用 XML 原生解析器
+- **THEN** 从 readers/xlsx/native_xml.py 导入