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

tests/test_readers/test_doc/__init__.py

@@ -0,0 +1 @@
+"""测试 DocReader 模块。"""

tests/test_readers/test_doc/test_consistency.py

@@ -0,0 +1,21 @@
+"""测试所有 DOC Readers 的一致性。"""
+
+import pytest
+from readers.doc import markitdown, pypandoc
+
+
+class TestDocReadersConsistency:
+    """验证 DOC Readers 模块结构正确。"""
+
+    def test_parsers_importable(self):
+        """测试所有 parser 模块可以正确导入。"""
+        # 验证模块导入成功
+        assert markitdown is not None
+        assert pypandoc is not None
+        assert hasattr(markitdown, 'parse')
+        assert hasattr(pypandoc, 'parse')
+
+    def test_parser_functions_callable(self):
+        """测试 parse 函数是可调用的。"""
+        assert callable(markitdown.parse)
+        assert callable(pypandoc.parse)

tests/test_readers/test_doc/test_markitdown_doc.py

@@ -0,0 +1,25 @@
+"""测试 MarkItDown DOC Reader 的解析功能。"""
+
+import pytest
+import os
+from readers.doc import markitdown
+
+
+class TestMarkitdownDocReaderParse:
+    """测试 MarkItDown DOC Reader 的 parse 方法。"""
+
+    def test_module_importable(self):
+        """测试模块可以正确导入。"""
+        assert markitdown is not None
+        assert hasattr(markitdown, 'parse')
+        assert callable(markitdown.parse)
+
+    def test_file_not_exists(self, tmp_path):
+        """测试文件不存在的情况。"""
+        non_existent_file = str(tmp_path / "non_existent.doc")
+
+        content, error = markitdown.parse(non_existent_file)
+
+        # 验证返回 None 和错误信息
+        assert content is None
+        assert error is not None

tests/test_readers/test_doc/test_pypandoc_doc.py

@@ -0,0 +1,25 @@
+"""测试 pypandoc DOC Reader 的解析功能。"""
+
+import pytest
+import os
+from readers.doc import pypandoc
+
+
+class TestPypandocDocReaderParse:
+    """测试 pypandoc DOC Reader 的 parse 方法。"""
+
+    def test_module_importable(self):
+        """测试模块可以正确导入。"""
+        assert pypandoc is not None
+        assert hasattr(pypandoc, 'parse')
+        assert callable(pypandoc.parse)
+
+    def test_file_not_exists(self, tmp_path):
+        """测试文件不存在的情况。"""
+        non_existent_file = str(tmp_path / "non_existent.doc")
+
+        content, error = pypandoc.parse(non_existent_file)
+
+        # 验证返回 None 和错误信息
+        assert content is None
+        assert error is not None

tests/test_readers/test_ppt/__init__.py

@@ -0,0 +1 @@
+"""测试 PptReader 模块。"""

tests/test_readers/test_ppt/test_consistency.py

@@ -0,0 +1,18 @@
+"""测试所有 PPT Readers 的一致性。"""
+
+import pytest
+from readers.ppt import markitdown
+
+
+class TestPptReadersConsistency:
+    """验证 PPT Readers 模块结构正确。"""
+
+    def test_parsers_importable(self):
+        """测试所有 parser 模块可以正确导入。"""
+        # 验证模块导入成功
+        assert markitdown is not None
+        assert hasattr(markitdown, 'parse')
+
+    def test_parser_functions_callable(self):
+        """测试 parse 函数是可调用的。"""
+        assert callable(markitdown.parse)

tests/test_readers/test_ppt/test_markitdown_ppt.py

@@ -0,0 +1,25 @@
+"""测试 MarkItDown PPT Reader 的解析功能。"""
+
+import pytest
+import os
+from readers.ppt import markitdown
+
+
+class TestMarkitdownPptReaderParse:
+    """测试 MarkItDown PPT Reader 的 parse 方法。"""
+
+    def test_module_importable(self):
+        """测试模块可以正确导入。"""
+        assert markitdown is not None
+        assert hasattr(markitdown, 'parse')
+        assert callable(markitdown.parse)
+
+    def test_file_not_exists(self, tmp_path):
+        """测试文件不存在的情况。"""
+        non_existent_file = str(tmp_path / "non_existent.ppt")
+
+        content, error = markitdown.parse(non_existent_file)
+
+        # 验证返回 None 和错误信息
+        assert content is None
+        assert error is not None

tests/test_readers/test_xls/__init__.py

@@ -0,0 +1 @@
+"""测试 XlsReader 模块。"""

tests/test_readers/test_xls/test_consistency.py

@@ -0,0 +1,24 @@
+"""测试所有 XLS Readers 的一致性。"""
+
+import pytest
+from readers.xls import unstructured, markitdown, pandas
+
+
+class TestXlsReadersConsistency:
+    """验证 XLS Readers 模块结构正确。"""
+
+    def test_parsers_importable(self):
+        """测试所有 parser 模块可以正确导入。"""
+        # 验证模块导入成功
+        assert unstructured is not None
+        assert markitdown is not None
+        assert pandas is not None
+        assert hasattr(unstructured, 'parse')
+        assert hasattr(markitdown, 'parse')
+        assert hasattr(pandas, 'parse')
+
+    def test_parser_functions_callable(self):
+        """测试 parse 函数是可调用的。"""
+        assert callable(unstructured.parse)
+        assert callable(markitdown.parse)
+        assert callable(pandas.parse)

tests/test_readers/test_xls/test_markitdown_xls.py

@@ -0,0 +1,25 @@
+"""测试 MarkItDown XLS Reader 的解析功能。"""
+
+import pytest
+import os
+from readers.xls import markitdown
+
+
+class TestMarkitdownXlsReaderParse:
+    """测试 MarkItDown XLS Reader 的 parse 方法。"""
+
+    def test_module_importable(self):
+        """测试模块可以正确导入。"""
+        assert markitdown is not None
+        assert hasattr(markitdown, 'parse')
+        assert callable(markitdown.parse)
+
+    def test_file_not_exists(self, tmp_path):
+        """测试文件不存在的情况。"""
+        non_existent_file = str(tmp_path / "non_existent.xls")
+
+        content, error = markitdown.parse(non_existent_file)
+
+        # 验证返回 None 和错误信息
+        assert content is None
+        assert error is not None

tests/test_readers/test_xls/test_pandas_xls.py

@@ -0,0 +1,25 @@
+"""测试 pandas XLS Reader 的解析功能。"""
+
+import pytest
+import os
+from readers.xls import pandas
+
+
+class TestPandasXlsReaderParse:
+    """测试 pandas XLS Reader 的 parse 方法。"""
+
+    def test_module_importable(self):
+        """测试模块可以正确导入。"""
+        assert pandas is not None
+        assert hasattr(pandas, 'parse')
+        assert callable(pandas.parse)
+
+    def test_file_not_exists(self, tmp_path):
+        """测试文件不存在的情况。"""
+        non_existent_file = str(tmp_path / "non_existent.xls")
+
+        content, error = pandas.parse(non_existent_file)
+
+        # 验证返回 None 和错误信息
+        assert content is None
+        assert error is not None

tests/test_readers/test_xls/test_unstructured_xls.py

@@ -0,0 +1,25 @@
+"""测试 unstructured XLS Reader 的解析功能。"""
+
+import pytest
+import os
+from readers.xls import unstructured
+
+
+class TestUnstructuredXlsReaderParse:
+    """测试 unstructured XLS Reader 的 parse 方法。"""
+
+    def test_module_importable(self):
+        """测试模块可以正确导入。"""
+        assert unstructured is not None
+        assert hasattr(unstructured, 'parse')
+        assert callable(unstructured.parse)
+
+    def test_file_not_exists(self, tmp_path):
+        """测试文件不存在的情况。"""
+        non_existent_file = str(tmp_path / "non_existent.xls")
+
+        content, error = unstructured.parse(non_existent_file)
+
+        # 验证返回 None 和错误信息
+        assert content is None
+        assert error is not None