refactor: 完善降级链的异常捕获机制

为所有 Reader 的 parser 循环添加 try-except 防护层，确保即使 parser
抛出意外异常，降级链也能继续尝试下一个 parser。

主要变更：
- 所有 Reader (DocxReader/PdfReader/XlsxReader/PptxReader/HtmlReader)
  的 parse 方法中添加防护层，捕获意外异常并标记为 [意外异常]
- cleaner.clean_html_content() 添加异常处理，返回 (content, error) 元组
- HtmlReader.parse() 更新 cleaner 调用方式，处理新的返回值格式
- BaseReader 添加详细的异常处理规范文档

设计原则：双层异常保护
- Parser 层：捕获预期的解析失败（库未安装、格式不支持）
- Reader 层：捕获意外的编程错误（NoneType、索引越界等）

scripts/readers/base.py

@@ -38,5 +38,29 @@ class BaseReader(ABC):
         Returns: (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
+
+        异常处理规范：
+        -----------------
+        文档读取系统采用三级降级链设计，使用元组返回而非抛出异常：
+
+        1. Parser 层（最底层）：
+           - 每个 parser 函数返回 (content, error) 元组
+           - 必须捕获所有预期异常（ImportError, OSError, 解析异常等）
+           - 返回清晰的错误信息，如 "库未安装"、"解析失败: xxx"
+
+        2. Reader 层（中间层）：
+           - 遍历多个 parser，收集失败原因
+           - 必须在 parser 循环中添加 try-except 防护层
+           - 捕获意外异常并记录："[意外异常] ExceptionType: message"
+           - 任一 parser 成功即返回，失败则继续尝试下一个
+
+        3. 调用层（最顶层）：
+           - parse_input() 遍历多个 reader
+           - 无 reader 支持时抛出 ReaderNotFoundError
+
+        设计原则：
+        - "失败是预期分支，而非异常情况"
+        - 元组返回优于异常抛出（除顶层外）
+        - 双层异常保护：Parser 层处理预期错误，Reader 层捕获意外异常
         """
         pass