refactor: 优化 chardet 依赖配置，仅保留在 HTML reader 中

- 从 pdf/docx/xlsx/pptx reader 的依赖列表中移除 chardet
- 保留 chardet 在 html reader 的依赖配置中（唯一实际使用方）
- 更新 README.md 文档，移除不必要的 chardet 依赖说明
- 简化测试命令，移除非 HTML reader 测试中的 chardet

README.md

@@ -70,8 +70,34 @@ DEPENDENCIES = {
 
 `--advice` 参数根据文件扩展名识别类型，检测当前平台，从 `config.DEPENDENCIES` 读取对应配置，生成 `uv run --with` 和 `pip install` 命令。
 
+## 快速开始
+
+### 验证环境
+
+首先验证项目可以正常运行：
+
+```bash
+# 测试 --advice 功能（无需额外依赖）
+uv run python scripts/lyxy_document_reader.py test.pdf --advice
+```
+
+### 运行基础测试
+
+```bash
+# 运行 CLI 测试（验证项目基本功能）
+uv run \
+  --with pytest \
+  pytest tests/test_cli/test_main.py::TestCLIAdviceOption -v
+```
+
 ## 开发指南
 
+### 测试前置依赖说明
+
+由于 `HtmlReader` 模块在导入时会加载 `cleaner.py`，但 `cleaner.py` 中的第三方库已改为动态导入，因此无需额外依赖。
+
+`beautifulsoup4` 和 `chardet` 仅在实际使用 HTML 功能时才需要，模块导入时不依赖。
+
 ### 如何添加新的 Reader
 
 1. 在 `scripts/readers/` 下创建新目录
@@ -88,7 +114,6 @@ DEPENDENCIES = {
 uv run \
   --with pytest \
   --with pytest-cov \
-  --with chardet \
   pytest
 ```
 
@@ -102,7 +127,6 @@ uv run \
   --with pypandoc-binary \
   --with python-docx \
   --with markdownify \
-  --with chardet \
   pytest tests/test_readers/test_docx/
 ```
 
@@ -115,7 +139,6 @@ uv run \
   --with "markitdown[xlsx]" \
   --with pandas \
   --with tabulate \
-  --with chardet \
   pytest tests/test_readers/test_xlsx/
 ```
 
@@ -128,7 +151,6 @@ uv run \
   --with "markitdown[pptx]" \
   --with python-pptx \
   --with markdownify \
-  --with chardet \
   pytest tests/test_readers/test_pptx/
 ```
 
@@ -142,7 +164,6 @@ uv run \
   --with "markitdown[pdf]" \
   --with pypdf \
   --with markdownify \
-  --with chardet \
   --with reportlab \
   pytest tests/test_readers/test_pdf/
 
@@ -156,7 +177,6 @@ uv run \
   --with "markitdown[pdf]" \
   --with pypdf \
   --with markdownify \
-  --with chardet \
   --with reportlab \
   pytest tests/test_readers/test_pdf/
 ```
@@ -177,17 +197,20 @@ uv run \
 
 #### 运行特定测试文件或方法
 ```bash
-# 运行特定测试文件
+# 运行特定测试文件（CLI 测试无需额外依赖）
 uv run \
   --with pytest \
-  --with chardet \
   pytest tests/test_cli/test_main.py
 
+# 仅运行 --advice 相关测试（不需要额外依赖）
+uv run \
+  --with pytest \
+  pytest tests/test_cli/test_main.py::TestCLIAdviceOption
+
 # 运行特定测试类或方法
 uv run \
   --with pytest \
   --with docling \
-  --with chardet \
   pytest tests/test_cli/test_main.py::TestCLIDefaultOutput::test_default_output_docx
 ```
 
@@ -196,7 +219,6 @@ uv run \
 uv run \
   --with pytest \
   --with pytest-cov \
-  --with chardet \
   pytest --cov=scripts --cov-report=term-missing
 ```
 

scripts/config.py

@@ -30,8 +30,7 @@ DEPENDENCIES = {
                 "unstructured[pdf]",
                 "markitdown[pdf]",
                 "pypdf",
-                "markdownify",
+                "markdownify"
-                "chardet"
             ]
         },
         "Darwin-x86_64": {
@@ -42,8 +41,7 @@ DEPENDENCIES = {
                 "numpy<2",
                 "markitdown[pdf]",
                 "pypdf",
-                "markdownify",
+                "markdownify"
-                "chardet"
             ]
         }
     },
@@ -56,8 +54,7 @@ DEPENDENCIES = {
                 "markitdown[docx]",
                 "pypandoc-binary",
                 "python-docx",
-                "markdownify",
+                "markdownify"
-                "chardet"
             ]
         }
     },
@@ -69,8 +66,7 @@ DEPENDENCIES = {
                 "unstructured[xlsx]",
                 "markitdown[xlsx]",
                 "pandas",
-                "tabulate",
+                "tabulate"
-                "chardet"
             ]
         }
     },
@@ -82,8 +78,7 @@ DEPENDENCIES = {
                 "unstructured[pptx]",
                 "markitdown[pptx]",
                 "python-pptx",
-                "markdownify",
+                "markdownify"
-                "chardet"
             ]
         }
     },

scripts/readers/html/cleaner.py

@@ -3,8 +3,6 @@
 import re
 from typing import Optional, Tuple
 
-from bs4 import BeautifulSoup
-
 
 def clean_html_content(html_content: str) -> Tuple[Optional[str], Optional[str]]:
     """