refactor: 重构解析器架构并添加编码检测和配置管理

简化 parse_input() 为纯调度器，通过遍历 readers 的 supports() 方法识别输入类型，移除 URL 特殊处理和文件检查逻辑。各 reader 的 parse() 方法负责完整验证（文件存在、格式有效性）。

新增功能：
- 添加 chardet 编码自动检测，支持多种中文编码回退机制
- 创建统一配置类管理编码、下载超时、日志等级等配置项
- HTML reader 支持本地文件编码检测和 URL 统一处理

安全性改进：
- 修复 safe_open_zip() 路径遍历漏洞，使用 pathlib 规范化路径
- 添加边界检查，search_markdown() 检查负数参数

其他改进：
- 修复类型注解（argparse.Namespace）
- 日志系统仅输出 ERROR 级别，避免干扰 Markdown 输出
- 更新 BaseReader 接口文档，明确 supports() 和 parse() 职责划分
- 同步 delta specs 到主 specs（document-reading、html-reader、configuration、encoding-detection）

openspec/specs/document-reading/spec.md

@@ -16,31 +16,109 @@
 - **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。
+系统 SHALL 通过遍历所有 reader 并调用其 supports() 方法来识别输入类型，而非在 parse_input() 中进行特殊判断。
 
-#### 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: 遍历 readers 判断支持
+- **WHEN** 调用 parse_input(input_path, readers)
+- **THEN** 系统遍历 readers 列表，对每个 reader 调用 supports(input_path)
 
-#### 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: 找到支持的 reader
+- **WHEN** 某个 reader 的 supports() 返回 True
+- **THEN** 系统调用该 reader 的 parse() 方法
 
-#### 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: 无 reader 支持时抛出异常
+- **WHEN** 所有 reader 的 supports() 均返回 False
+- **THEN** 系统抛出 ReaderNotFoundError 异常
 
-#### 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: URL 由 HTML reader 判断
+- **WHEN** 输入为 URL
+- **THEN** HTML reader 的 supports() 返回 True，由其处理
 
-#### 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: 文件类型由各 reader 判断
+- **WHEN** 输入为本地文件
+- **THEN** 各 reader 的 supports() 根据扩展名判断是否支持
 
-#### 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: parse_input() 职责简化
+系统 SHALL 将 parse_input() 简化为纯粹的 reader 遍历和调度器，移除 URL 特殊处理和文件存在检查。
+
+#### Scenario: 仅检查输入是否为空
+- **WHEN** 调用 parse_input(input_path, readers)
+- **THEN** 系统仅检查 input_path 是否为空，为空则抛出 FileDetectionError
+
+#### Scenario: 不检查文件是否存在
+- **WHEN** 调用 parse_input() 时
+- **THEN** 系统不检查文件是否存在，由各 reader 的 parse() 方法自行检查
+
+#### Scenario: 不进行文件类型检测
+- **WHEN** 调用 parse_input() 时
+- **THEN** 系统不调用 detect_file_type()，由各 reader 的 parse() 方法自行验证
+
+#### Scenario: 不特殊处理 URL
+- **WHEN** 输入为 URL 时
+- **THEN** 系统不使用 hasattr 检查 download_and_parse，而是通过 supports() 和 parse() 统一处理
+
+### Requirement: BaseReader 接口语义明确
+系统 SHALL 明确 BaseReader 的 supports() 和 parse() 方法的职责划分。
+
+#### Scenario: supports() 为轻量检查
+- **WHEN** 调用 reader.supports(file_path)
+- **THEN** 方法仅做轻量检查（如扩展名、URL 模式），不访问文件系统
+
+#### Scenario: parse() 为完整验证
+- **WHEN** 调用 reader.parse(file_path)
+- **THEN** 方法进行完整验证（文件存在、格式有效性）并执行解析
+
+#### Scenario: BaseReader 文档字符串更新
+- **WHEN** 查看 BaseReader 源码
+- **THEN** supports() 和 parse() 的文档字符串明确说明职责划分
+
+### Requirement: 边界检查改进
+系统 SHALL 对无效参数进行边界检查，抛出明确异常。
+
+#### Scenario: search_markdown 检查空内容
+- **WHEN** 调用 search_markdown(content, pattern, context_lines) 且 content 为空
+- **THEN** 系统返回 None
+
+#### Scenario: search_markdown 检查负数 context_lines
+- **WHEN** 调用 search_markdown() 且 context_lines < 0
+- **THEN** 系统抛出 ValueError 异常，消息为 "context_lines 必须为非负整数"
+
+### Requirement: safe_open_zip 安全性修复
+系统 SHALL 使用 pathlib 规范化路径并检查路径遍历攻击。
+
+#### Scenario: 使用 pathlib 规范化路径
+- **WHEN** 调用 safe_open_zip(zip_file, name)
+- **THEN** 系统使用 Path(name).as_posix() 规范化路径
+
+#### Scenario: 检查父目录引用
+- **WHEN** 路径包含 ".." 在 Path.parts 中
+- **THEN** 系统返回 None，拒绝打开
+
+#### Scenario: 检查绝对路径
+- **WHEN** 路径为绝对路径
+- **THEN** 系统返回 None，拒绝打开
+
+#### Scenario: 处理路径异常
+- **WHEN** Path() 抛出 ValueError 或 OSError
+- **THEN** 系统捕获异常并返回 None
+
+### Requirement: 类型注解修复
+系统 SHALL 修复类型注解不一致问题。
+
+#### Scenario: output_result 使用正确类型
+- **WHEN** 定义 output_result(content, args)
+- **THEN** args 参数类型注解为 argparse.Namespace
+
+### Requirement: 日志系统改进
+系统 SHALL 只输出 ERROR 级别日志，避免干扰 Markdown 输出。
+
+#### Scenario: 配置日志等级为 ERROR
+- **WHEN** 系统启动时
+- **THEN** 配置 logging.basicConfig(level=logging.ERROR)
+
+#### Scenario: 禁用第三方库日志
+- **WHEN** 系统启动时
+- **THEN** 设置第三方库（docling、unstructured 等）日志等级为 ERROR
 
 ### Requirement: 输出完整 Markdown
 系统 SHALL 能够输出解析后的完整 Markdown 内容。