feat: 添加 doc/xls/ppt 旧格式文档支持

- 新增 DocReader，支持 markitdown 和 pypandoc-binary 解析器
- 新增 XlsReader，支持 unstructured、markitdown 和 pandas+xlrd 解析器
- 新增 PptReader，支持 markitdown 解析器
- 添加 olefile 依赖用于验证 OLE2 格式
- 更新 config.py 添加 doc/xls/ppt 依赖配置
- 更新 --advice 支持 doc/xls/ppt 格式
- 添加相应的测试用例
- 同步 specs 到主目录

scripts/readers/xls/__init__.py

@@ -0,0 +1,50 @@
+"""XLS 文件阅读器，支持多种解析方法。"""
+
+import os
+from typing import List, Optional, Tuple
+
+from readers.base import BaseReader
+from utils import is_valid_xls
+
+from . import unstructured
+from . import markitdown
+from . import pandas
+
+
+PARSERS = [
+    ("unstructured", unstructured.parse),
+    ("MarkItDown", markitdown.parse),
+    ("pandas+xlrd", pandas.parse),
+]
+
+
+class XlsReader(BaseReader):
+    """XLS 文件阅读器"""
+
+    def supports(self, file_path: str) -> bool:
+        return file_path.lower().endswith('.xls')
+
+    def parse(self, file_path: str) -> Tuple[Optional[str], List[str]]:
+        failures = []
+
+        # 检查文件是否存在
+        if not os.path.exists(file_path):
+            return None, ["文件不存在"]
+
+        # 验证文件格式
+        if not is_valid_xls(file_path):
+            return None, ["不是有效的 XLS 文件"]
+
+        content = None
+
+        for parser_name, parser_func in PARSERS:
+            try:
+                content, error = parser_func(file_path)
+                if content is not None:
+                    return content, failures
+                else:
+                    failures.append(f"- {parser_name}: {error}")
+            except Exception as e:
+                failures.append(f"- {parser_name}: [意外异常] {type(e).__name__}: {str(e)}")
+
+        return None, failures

scripts/readers/xls/markitdown.py

@@ -0,0 +1,10 @@
+"""使用 MarkItDown 库解析 XLS 文件"""
+
+from typing import Optional, Tuple
+
+from readers._utils import parse_via_markitdown
+
+
+def parse(file_path: str) -> Tuple[Optional[str], Optional[str]]:
+    """使用 MarkItDown 库解析 XLS 文件"""
+    return parse_via_markitdown(file_path)

scripts/readers/xls/pandas.py

@@ -0,0 +1,41 @@
+"""使用 pandas+xlrd 库解析 XLS 文件"""
+
+from typing import Optional, Tuple
+
+
+def parse(file_path: str) -> Tuple[Optional[str], Optional[str]]:
+    """使用 pandas+xlrd 库解析 XLS 文件"""
+    try:
+        import pandas as pd
+        from tabulate import tabulate
+    except ImportError as e:
+        if "pandas" in str(e):
+            missing_lib = "pandas"
+        elif "xlrd" in str(e):
+            missing_lib = "xlrd"
+        else:
+            missing_lib = "tabulate"
+        return None, f"{missing_lib} 库未安装"
+
+    try:
+        sheets = pd.read_excel(file_path, sheet_name=None, engine="xlrd")
+
+        markdown_parts = []
+        for sheet_name, df in sheets.items():
+            if len(df) == 0:
+                markdown_parts.append(f"## {sheet_name}\n\n*工作表为空*")
+                continue
+
+            table_md = tabulate(
+                df, headers="keys", tablefmt="pipe", showindex=True, missingval=""
+            )
+            markdown_parts.append(f"## {sheet_name}\n\n{table_md}")
+
+        if not markdown_parts:
+            return None, "Excel 文件为空"
+
+        markdown_content = "# Excel数据转换结果\n\n" + "\n\n".join(markdown_parts)
+
+        return markdown_content, None
+    except Exception as e:
+        return None, f"pandas 解析失败: {str(e)}"

scripts/readers/xls/unstructured.py

@@ -0,0 +1,22 @@
+"""使用 unstructured 库解析 XLS 文件"""
+
+from typing import Optional, Tuple
+
+from readers._utils import convert_unstructured_to_markdown
+
+
+def parse(file_path: str) -> Tuple[Optional[str], Optional[str]]:
+    """使用 unstructured 库解析 XLS 文件"""
+    try:
+        from unstructured.partition.xlsx import partition_xlsx
+    except ImportError:
+        return None, "unstructured 库未安装"
+
+    try:
+        elements = partition_xlsx(filename=file_path, infer_table_structure=True)
+        content = convert_unstructured_to_markdown(elements)
+        if not content.strip():
+            return None, "文档为空"
+        return content, None
+    except Exception as e:
+        return None, f"unstructured 解析失败: {str(e)}"