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

openspec/changes/archive/2026-03-08-unify-document-readers/specs/pptx-reader/spec.md

@@ -0,0 +1,94 @@
+## ADDED 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