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

README.md

@@ -1,6 +1,6 @@
 # lyxy-document
 
-统一文档解析工具 - 将 DOCX、XLSX、PPTX、PDF、HTML/URL 转换为 Markdown
+统一文档解析工具 - 将 DOC、DOCX、XLS、XLSX、PPT、PPTX、PDF、HTML/URL 转换为 Markdown
 
 ## 项目概述
 
@@ -25,8 +25,11 @@ scripts/
 │   └── exceptions.py          # 异常定义
 ├── readers/                    # 格式阅读器
 │   ├── base.py                # Reader 基类
+│   ├── doc/                   # DOC 解析器（旧格式）
 │   ├── docx/                  # DOCX 解析器
+│   ├── xls/                   # XLS 解析器（旧格式）
 │   ├── xlsx/                  # XLSX 解析器
+│   ├── ppt/                   # PPT 解析器（旧格式）
 │   ├── pptx/                  # PPTX 解析器
 │   ├── pdf/                   # PDF 解析器
 │   └── html/                  # HTML/URL 解析器

openspec/specs/doc-reader/spec.md

@@ -0,0 +1,53 @@
+## Purpose
+
+DOC 文档解析能力，支持解析 Microsoft Word 97-2003 旧格式文档。
+
+## Requirements
+
+### Requirement: DOC 文档解析
+系统 SHALL 支持解析 .doc 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 DOC 文档
+- **THEN** 系统按 markitdown → pypandoc-binary 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: markitdown 解析器
+系统 SHALL 支持使用 markitdown 库解析 DOC。
+
+#### 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: pypandoc-binary 解析器
+系统 SHALL 支持使用 pypandoc-binary 库解析 DOC。
+
+#### Scenario: pypandoc 解析成功
+- **WHEN** pypandoc-binary 库可用且文档有效
+- **THEN** 系统返回 Markdown 内容
+
+#### Scenario: pypandoc-binary 库未安装
+- **WHEN** pypandoc-binary 库未安装
+- **THEN** 系统尝试下一个解析器
+
+### 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: markitdown 解析器在独立文件
+- **WHEN** 使用 markitdown 解析器
+- **THEN** 从 readers/doc/markitdown.py 导入
+
+#### Scenario: pypandoc 解析器在独立文件
+- **WHEN** 使用 pypandoc 解析器
+- **THEN** 从 readers/doc/pypandoc.py 导入

openspec/specs/ppt-reader/spec.md

@@ -0,0 +1,38 @@
+## Purpose
+
+PPT 文档解析能力，支持解析 Microsoft PowerPoint 97-2003 旧格式文档。
+
+## Requirements
+
+### Requirement: PPT 文档解析
+系统 SHALL 支持解析 .ppt 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 PPT 文档
+- **THEN** 系统按 markitdown 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: markitdown 解析器
+系统 SHALL 支持使用 markitdown 库解析 PPT。
+
+#### 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: markitdown 解析器在独立文件
+- **WHEN** 使用 markitdown 解析器
+- **THEN** 从 readers/ppt/markitdown.py 导入

openspec/specs/xls-reader/spec.md

@@ -0,0 +1,68 @@
+## Purpose
+
+XLS 文档解析能力，支持解析 Microsoft Excel 97-2003 旧格式文档。
+
+## Requirements
+
+### Requirement: XLS 文档解析
+系统 SHALL 支持解析 .xls 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 XLS 文档
+- **THEN** 系统按 unstructured → markitdown → pandas+xlrd 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: unstructured 解析器
+系统 SHALL 支持使用 unstructured 库解析 XLS。
+
+#### 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 XLS。
+
+#### 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: pandas+xlrd 解析器
+系统 SHALL 支持使用 pandas + xlrd 库解析 XLS。
+
+#### Scenario: pandas+xlrd 解析成功
+- **WHEN** pandas 和 xlrd 库可用且文档有效
+- **THEN** 系统返回 Markdown 格式的表格内容，包含所有工作表
+
+#### Scenario: pandas 或 xlrd 库未安装
+- **WHEN** pandas 或 xlrd 库未安装
+- **THEN** 系统尝试下一个解析器
+
+### 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: unstructured 解析器在独立文件
+- **WHEN** 使用 unstructured 解析器
+- **THEN** 从 readers/xls/unstructured.py 导入
+
+#### Scenario: markitdown 解析器在独立文件
+- **WHEN** 使用 markitdown 解析器
+- **THEN** 从 readers/xls/markitdown.py 导入
+
+#### Scenario: pandas 解析器在独立文件
+- **WHEN** 使用 pandas 解析器
+- **THEN** 从 readers/xls/pandas.py 导入

scripts/config.py

@@ -97,5 +97,37 @@ DEPENDENCIES = {
                 "selenium"
             ]
         }
+    },
+    "doc": {
+        "default": {
+            "python": None,
+            "dependencies": [
+                "markitdown[docx]",
+                "pypandoc-binary",
+                "olefile"
+            ]
+        }
+    },
+    "xls": {
+        "default": {
+            "python": None,
+            "dependencies": [
+                "unstructured[xlsx]",
+                "markitdown[xls]",
+                "pandas",
+                "tabulate",
+                "xlrd",
+                "olefile"
+            ]
+        }
+    },
+    "ppt": {
+        "default": {
+            "python": None,
+            "dependencies": [
+                "markitdown[pptx]",
+                "olefile"
+            ]
+        }
     }
 }

scripts/core/advice_generator.py

@@ -12,6 +12,9 @@ from readers import (
     XlsxReader,
     PptxReader,
     HtmlReader,
+    DocReader,
+    XlsReader,
+    PptReader,
 )
 
 
@@ -22,6 +25,9 @@ _READER_KEY_MAP: Dict[Type[BaseReader], str] = {
     XlsxReader: "xlsx",
     PptxReader: "pptx",
     HtmlReader: "html",
+    DocReader: "doc",
+    XlsReader: "xls",
+    PptReader: "ppt",
 }
 
 

scripts/lyxy_document_reader.py

@@ -1,5 +1,5 @@
 #!/usr/bin/env python3
-"""文档解析器命令行交互模块，提供命令行接口。支持 DOCX、PPTX、XLSX、PDF、HTML 和 URL。"""
+"""文档解析器命令行交互模块，提供命令行接口。支持 DOC、DOCX、XLS、XLSX、PPT、PPTX、PDF、HTML 和 URL。"""
 
 import argparse
 import logging
@@ -39,10 +39,10 @@ from readers import READERS
 
 def main() -> None:
     parser = argparse.ArgumentParser(
-        description="将 DOCX、PPTX、XLSX、PDF、HTML 文件或 URL 解析为 Markdown"
+        description="将 DOC、DOCX、XLS、XLSX、PPT、PPTX、PDF、HTML 文件或 URL 解析为 Markdown"
     )
 
-    parser.add_argument("input_path", help="DOCX、PPTX、XLSX、PDF、HTML 文件或 URL")
+    parser.add_argument("input_path", help="DOC、DOCX、XLS、XLSX、PPT、PPTX、PDF、HTML 文件或 URL")
 
     parser.add_argument(
         "-a",

scripts/readers/__init__.py

@@ -6,6 +6,9 @@ from .xlsx import XlsxReader
 from .pptx import PptxReader
 from .pdf import PdfReader
 from .html import HtmlReader
+from .doc import DocReader
+from .xls import XlsReader
+from .ppt import PptReader
 
 READERS = [
     DocxReader,
@@ -13,6 +16,9 @@ READERS = [
     PptxReader,
     PdfReader,
     HtmlReader,
+    DocReader,
+    XlsReader,
+    PptReader,
 ]
 
 __all__ = [
@@ -22,5 +28,8 @@ __all__ = [
     "PptxReader",
     "PdfReader",
     "HtmlReader",
+    "DocReader",
+    "XlsReader",
+    "PptReader",
     "READERS",
 ]

scripts/readers/doc/__init__.py

@@ -0,0 +1,48 @@
+"""DOC 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_doc
+
+from . import markitdown
+from . import pypandoc
+
+
+PARSERS = [
+    ("MarkItDown", markitdown.parse),
+    ("pypandoc-binary", pypandoc.parse),
+]
+
+
+class DocReader(BaseReader):
+    """DOC 文件阅读器"""
+
+    def supports(self, file_path: str) -> bool:
+        return file_path.lower().endswith('.doc')
+
+    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_doc(file_path):
+            return None, ["不是有效的 DOC 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/doc/markitdown.py

@@ -0,0 +1,10 @@
+"""使用 MarkItDown 库解析 DOC 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 DOC 文件"""
+    return parse_via_markitdown(file_path)

scripts/readers/doc/pypandoc.py

@@ -0,0 +1,29 @@
+"""使用 pypandoc-binary 库解析 DOC 文件"""
+
+from typing import Optional, Tuple
+
+
+def parse(file_path: str) -> Tuple[Optional[str], Optional[str]]:
+    """使用 pypandoc-binary 库解析 DOC 文件"""
+    try:
+        import pypandoc
+    except ImportError:
+        return None, "pypandoc-binary 库未安装"
+
+    try:
+        content = pypandoc.convert_file(
+            source_file=file_path,
+            to="md",
+            format="doc",
+            outputfile=None,
+            extra_args=["--wrap=none"],
+        )
+    except OSError as exc:
+        return None, f"pypandoc-binary 缺少 Pandoc 可执行文件: {exc}"
+    except RuntimeError as exc:
+        return None, f"pypandoc-binary 解析失败: {exc}"
+
+    content = content.strip()
+    if not content:
+        return None, "文档为空"
+    return content, None

scripts/readers/ppt/__init__.py

@@ -0,0 +1,46 @@
+"""PPT 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_ppt
+
+from . import markitdown
+
+
+PARSERS = [
+    ("MarkItDown", markitdown.parse),
+]
+
+
+class PptReader(BaseReader):
+    """PPT 文件阅读器"""
+
+    def supports(self, file_path: str) -> bool:
+        return file_path.lower().endswith('.ppt')
+
+    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_ppt(file_path):
+            return None, ["不是有效的 PPT 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/ppt/markitdown.py

@@ -0,0 +1,10 @@
+"""使用 MarkItDown 库解析 PPT 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 PPT 文件"""
+    return parse_via_markitdown(file_path)

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)}"

scripts/utils/__init__.py

@@ -5,6 +5,9 @@ from .file_detection import (
     is_valid_pptx,
     is_valid_xlsx,
     is_valid_pdf,
+    is_valid_doc,
+    is_valid_xls,
+    is_valid_ppt,
     is_html_file,
     is_url,
     detect_file_type,
@@ -15,6 +18,9 @@ __all__ = [
     "is_valid_pptx",
     "is_valid_xlsx",
     "is_valid_pdf",
+    "is_valid_doc",
+    "is_valid_xls",
+    "is_valid_ppt",
     "is_html_file",
     "is_url",
     "detect_file_type",

scripts/utils/file_detection.py

@@ -5,6 +5,19 @@ import zipfile
 from typing import List, Optional
 
 
+def _is_valid_ole(file_path: str) -> bool:
+    """验证 OLE2 格式文件（DOC/XLS/PPT）"""
+    try:
+        import olefile
+    except ImportError:
+        # 如果 olefile 未安装，就不做严格验证
+        return True
+    try:
+        return olefile.isOleFile(file_path)
+    except Exception:
+        return False
+
+
 def _is_valid_ooxml(file_path: str, required_files: List[str]) -> bool:
     """验证 OOXML 格式文件（DOCX/PPTX/XLSX）"""
     try:
@@ -35,6 +48,21 @@ def is_valid_xlsx(file_path: str) -> bool:
     return _is_valid_ooxml(file_path, _XLSX_REQUIRED)
 
 
+def is_valid_doc(file_path: str) -> bool:
+    """验证文件是否为有效的 DOC 格式"""
+    return _is_valid_ole(file_path)
+
+
+def is_valid_xls(file_path: str) -> bool:
+    """验证文件是否为有效的 XLS 格式"""
+    return _is_valid_ole(file_path)
+
+
+def is_valid_ppt(file_path: str) -> bool:
+    """验证文件是否为有效的 PPT 格式"""
+    return _is_valid_ole(file_path)
+
+
 def is_valid_pdf(file_path: str) -> bool:
     """验证文件是否为有效的 PDF 格式"""
     try:
@@ -61,13 +89,18 @@ _FILE_TYPE_VALIDATORS = {
     ".pptx": is_valid_pptx,
     ".xlsx": is_valid_xlsx,
     ".pdf": is_valid_pdf,
+    ".doc": is_valid_doc,
+    ".xls": is_valid_xls,
+    ".ppt": is_valid_ppt,
 }
 
 
 def detect_file_type(file_path: str) -> Optional[str]:
-    """检测文件类型，返回 'docx'、'pptx'、'xlsx' 或 'pdf'"""
+    """检测文件类型，返回 'docx'、'pptx'、'xlsx'、'pdf'、'doc'、'xls' 或 'ppt'"""
     ext = os.path.splitext(file_path)[1].lower()
     validator = _FILE_TYPE_VALIDATORS.get(ext)
     if validator and validator(file_path):
         return ext.lstrip(".")
     return None
+
+

tests/test_cli/test_main.py

@@ -38,6 +38,27 @@ class TestCLIAdviceOption:
         output = stdout + stderr
         assert "无法识别" in output or "错误" in output
 
+    def test_advice_option_doc(self, cli_runner):
+        """测试 --advice 选项对 DOC 文件。"""
+        stdout, stderr, exit_code = cli_runner(["test.doc", "--advice"])
+
+        assert exit_code == 0
+        assert "文件类型: DOC" in stdout
+
+    def test_advice_option_xls(self, cli_runner):
+        """测试 --advice 选项对 XLS 文件。"""
+        stdout, stderr, exit_code = cli_runner(["test.xls", "--advice"])
+
+        assert exit_code == 0
+        assert "文件类型: XLS" in stdout
+
+    def test_advice_option_ppt(self, cli_runner):
+        """测试 --advice 选项对 PPT 文件。"""
+        stdout, stderr, exit_code = cli_runner(["test.ppt", "--advice"])
+
+        assert exit_code == 0
+        assert "文件类型: PPT" in stdout
+
 
 class TestCLIDefaultOutput:
     """测试 CLI 默认输出功能。"""

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