feat: 统一文档解析器项目 - 迁移 lyxy-reader-office 和 lyxy-reader-html

## 功能特性

- 建立统一的项目结构，包含 core/、readers/、utils/、tests/ 模块
- 迁移 lyxy-reader-office 的所有解析器（docx、xlsx、pptx、pdf）
- 迁移 lyxy-reader-html 的所有解析器（html、url 下载）
- 统一 CLI 入口为 lyxy_document_reader.py
- 统一 Markdown 后处理逻辑
- 按文件类型组织 readers，每个解析器独立文件
- 依赖分组按文件类型细分（docx、xlsx、pptx、pdf、html、http）
- PDF OCR 解析器优先，无参数控制
- 使用 logging 模块替代简单 print
- 设计完整的单元测试结构
- 重写项目文档

## 新增目录/文件

- core/ - 核心模块（异常体系、Markdown 工具、解析调度器）
- readers/ - 格式阅读器（base.py + docx/xlsx/pptx/pdf/html）
- utils/ - 工具函数（文件类型检测）
- tests/ - 测试（conftest.py + test_core/ + test_readers/ + test_utils/）
- lyxy_document_reader.py - 统一 CLI 入口

## 依赖分组

- docx - DOCX 文档解析支持
- xlsx - XLSX 文档解析支持
- pptx - PPTX 文档解析支持
- pdf - PDF 文档解析支持（含 OCR）
- html - HTML/URL 解析支持
- http - HTTP/URL 下载支持
- office - Office 格式组合（docx/xlsx/pptx/pdf）
- web - Web 格式组合（html/http）
- full - 完整功能
- dev - 开发依赖

core/parser.py

@@ -0,0 +1,100 @@
+"""统一解析调度器，负责根据输入类型选择合适的 reader 进行解析。"""
+
+import os
+import sys
+from typing import List, Optional, Tuple
+
+from core.exceptions import FileDetectionError, ReaderNotFoundError
+from core.markdown import (
+    normalize_markdown_whitespace,
+    remove_markdown_images,
+)
+from readers import BaseReader
+from utils import detect_file_type, is_html_file, is_url
+
+
+def parse_input(
+    input_path: str,
+    readers: List[BaseReader],
+) -> Tuple[Optional[str], List[str]]:
+    """
+    统一解析入口函数，根据输入类型自动选择合适的 reader。
+
+    返回: (content, failures)
+    - content: 成功时返回 Markdown 内容，失败时返回 None
+    - failures: 各解析器的失败原因列表
+    """
+    if not input_path:
+        raise FileDetectionError("输入路径不能为空")
+
+    # 检测是否为 URL
+    if is_url(input_path):
+        # URL 交给 HTML reader
+        for reader in readers:
+            if hasattr(reader, "download_and_parse"):
+                return reader.download_and_parse(input_path)
+        raise ReaderNotFoundError("未找到支持 URL 下载的 reader")
+
+    # 检测文件是否存在
+    if not os.path.exists(input_path):
+        raise FileDetectionError(f"文件不存在: {input_path}")
+
+    # 检测文件类型
+    file_type = detect_file_type(input_path)
+
+    if file_type:
+        # Office/PDF 文件
+        for reader in readers:
+            if reader.supports(input_path):
+                return reader.parse(input_path)
+        raise ReaderNotFoundError(f"未找到支持 {file_type.upper()} 格式的 reader")
+    elif is_html_file(input_path):
+        # HTML 文件
+        for reader in readers:
+            if reader.supports(input_path):
+                return reader.parse(input_path)
+        raise ReaderNotFoundError("未找到支持 HTML 格式的 reader")
+    else:
+        raise FileDetectionError(f"无法识别的文件类型: {input_path}")
+
+
+def process_content(content: str) -> str:
+    """处理解析后的 Markdown 内容"""
+    content = remove_markdown_images(content)
+    content = normalize_markdown_whitespace(content)
+    return content
+
+
+def output_result(
+    content: str,
+    args: any,
+) -> None:
+    """根据命令行参数输出结果"""
+    if args.count:
+        print(len(content.replace("\n", "")))
+    elif args.lines:
+        print(len(content.split("\n")))
+    elif args.titles:
+        from core.markdown import extract_titles
+
+        titles = extract_titles(content)
+        for title in titles:
+            print(title)
+    elif args.title_content:
+        from core.markdown import extract_title_content
+
+        title_content = extract_title_content(content, args.title_content)
+        if title_content is None:
+            print(f"错误: 未找到标题 '{args.title_content}'")
+            sys.exit(1)
+        print(title_content, end="")
+    elif args.search:
+        from core.markdown import search_markdown
+
+        search_result = search_markdown(content, args.search, args.context)
+        if search_result is None:
+            print(f"错误: 正则表达式无效或未找到匹配: '{args.search}'")
+            sys.exit(1)
+        print(search_result, end="")
+    else:
+        print(content, end="")