refactor: 移除 doc 和 ppt reader 支持

移除对旧版 .doc 和 .ppt 格式的支持，以简化项目架构和减少维护负担。

变更内容：
- 删除 scripts/readers/doc/ 目录
- 删除 scripts/readers/ppt/ 目录
- 从 readers/__init__.py 中移除 DocReader 和 PptReader
- 从 utils/file_detection.py 中移除 is_valid_doc 和 is_valid_ppt
- 从 config.py 中移除 doc 和 ppt 依赖配置
- 从 advice_generator.py 中移除相关映射
- 更新 CLI 帮助文档
- 更新 README.md 文档
- 删除相关测试用例
- 删除相关规范文档

.claude/settings.local.json

@@ -9,6 +9,7 @@
       "Bash(wc:*)",
       "Bash(curl:*)",
       "mcp__context7__query-docs",
+      "mcp__context7__resolve-library-id",
       "mcp__exa__web_search_exa",
       "mcp__exa__get_code_context_exa"
     ],

.gitattributes

@@ -1,13 +1,3 @@
 # Git LFS 配置
 # 追踪大型二进制测试文件
-# PDF 文件
-tests/fixtures/documents/**/*.pdf filter=lfs diff=lfs merge=lfs -text
-# Office 文档（可选，根据需要启用）
-tests/fixtures/documents/**/*.docx filter=lfs diff=lfs merge=lfs -text
-tests/fixtures/documents/**/*.xlsx filter=lfs diff=lfs merge=lfs -text
-tests/fixtures/documents/**/*.pptx filter=lfs diff=lfs merge=lfs -text
-# 图片文件
-tests/fixtures/documents/**/*.png filter=lfs diff=lfs merge=lfs -text
-tests/fixtures/documents/**/*.jpg filter=lfs diff=lfs merge=lfs -text
-tests/fixtures/documents/**/*.jpeg filter=lfs diff=lfs merge=lfs -text
-tests/fixtures/documents/**/*.gif filter=lfs diff=lfs merge=lfs -text
+tests/test_readers/fixtures/**/* filter=lfs diff=lfs merge=lfs -text

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 DOCX、XLS、XLSX、PPTX、PDF、HTML/URL 转换为 Markdown
 
 ## 项目概述
 
@@ -26,6 +26,7 @@ scripts/
 ├── readers/                    # 格式阅读器
 │   ├── base.py                # Reader 基类
 │   ├── docx/                  # DOCX 解析器
+│   ├── xls/                   # XLS 解析器（旧格式）
 │   ├── xlsx/                  # XLSX 解析器
 │   ├── pptx/                  # PPTX 解析器
 │   ├── pdf/                   # PDF 解析器
@@ -35,11 +36,35 @@ scripts/
     └── encoding_detection.py  # 编码检测
 
 tests/                           # 测试套件
+├── test_readers/               # Reader 测试
+│   └── fixtures/               # 静态测试文件（Git LFS 管理）
+│       └── xls/                # XLS 旧格式测试文件
 openspec/                        # OpenSpec 规范文档
 README.md                        # 本文档（开发者文档）
 SKILL.md                         # AI Skill 文档
 ```
 
+## 测试 Fixtures 规范
+
+### 静态测试文件目录
+
+`tests/test_readers/fixtures/` 目录用于存放**预先准备的静态测试文件**，特别是难以通过 Python 自动化创建的旧格式文件（.xls）。
+
+### 目录使用规则
+
+1. **仅存放静态文件**：该目录下的文件必须是预先准备好的，禁止在测试运行时向该目录动态生成临时文件。
+2. **临时文件使用 tmp_path**：测试中需要临时文件时，使用 pytest 的 `tmp_path` fixture 在其他位置创建。
+3. **Git LFS 管理**：该目录下所有文件通过 Git LFS 管理，见 `.gitattributes` 配置。
+
+### Fixture 说明
+
+`tests/test_readers/conftest.py` 提供以下静态文件 fixtures：
+
+- 目录路径：`xls_fixture_path`
+- 单个文件：`simple_xls_path` 等
+
+文件不存在时会自动 `pytest.skip()`，保证 CI 稳定性。
+
 ## 核心概念
 
 ### Reader 机制
@@ -195,6 +220,18 @@ uv run \
   pytest tests/test_readers/test_html/
 ```
 
+#### 测试 XLS reader（旧格式，使用静态文件）
+```bash
+uv run \
+  --with pytest \
+  --with "unstructured[xlsx]" \
+  --with "markitdown[xls]" \
+  --with pandas \
+  --with tabulate \
+  --with xlrd \
+  pytest tests/test_readers/test_xls/
+```
+
 #### 运行特定测试文件或方法
 ```bash
 # 运行特定测试文件（CLI 测试无需额外依赖）

openspec/specs/reader-testing/spec.md

@@ -117,3 +117,60 @@ Reader MUST 正确处理包含特殊字符的内容。
 #### Scenario: 每个 PDF Reader 有独立测试
 - **WHEN** 查看 test_readers/test_pdf/ 目录
 - **THEN** 存在 test_pypdf.py、test_markitdown.py、test_docling.py 等独立文件
+
+### Requirement: 旧格式文档测试覆盖
+doc/xls/ppt 旧格式文档 MUST 有与新格式（docx/xlsx/pptx）一致的测试覆盖。
+
+#### Scenario: doc 有一致性测试
+- **WHEN** 查看 `tests/test_readers/test_doc/`
+- **THEN** 存在 `test_consistency.py` 测试所有 DOC Readers 解析结果一致性
+
+#### Scenario: xls 有一致性测试
+- **WHEN** 查看 `tests/test_readers/test_xls/`
+- **THEN** 存在 `test_consistency.py` 测试所有 XLS Readers 解析结果一致性
+
+#### Scenario: ppt 有一致性测试
+- **WHEN** 查看 `tests/test_readers/test_ppt/`
+- **THEN** 存在 `test_consistency.py` 测试所有 PPT Readers 解析结果一致性
+
+#### Scenario: doc 各解析器独立测试
+- **WHEN** 查看 `tests/test_readers/test_doc/`
+- **THEN** 每个解析器有独立测试文件（如 `test_markitdown_doc.py`、`test_pypandoc_doc.py`）
+
+#### Scenario: xls 各解析器独立测试
+- **WHEN** 查看 `tests/test_readers/test_xls/`
+- **THEN** 每个解析器有独立测试文件（如 `test_markitdown_xls.py`、`test_unstructured_xls.py`、`test_pandas_xls.py`）
+
+#### Scenario: ppt 各解析器独立测试
+- **WHEN** 查看 `tests/test_readers/test_ppt/`
+- **THEN** 每个解析器有独立测试文件（如 `test_markitdown_ppt.py`）
+
+### Requirement: 旧格式测试使用静态文件
+旧格式文档测试 MUST 使用静态测试文件，而非尝试自动化创建。
+
+#### Scenario: doc 测试使用静态文件
+- **WHEN** 运行 doc 相关测试
+- **THEN** 测试从 `tests/test_readers/fixtures/doc/` 读取静态文件
+
+#### Scenario: xls 测试使用静态文件
+- **WHEN** 运行 xls 相关测试
+- **THEN** 测试从 `tests/test_readers/fixtures/xls/` 读取静态文件
+
+#### Scenario: ppt 测试使用静态文件
+- **WHEN** 运行 ppt 相关测试
+- **THEN** 测试从 `tests/test_readers/fixtures/ppt/` 读取静态文件
+
+### Requirement: 静态文件缺失时优雅跳过
+当静态测试文件不存在时，测试 MUST 优雅跳过，而非失败。
+
+#### Scenario: doc 静态文件不存在时跳过
+- **WHEN** `simple.doc` 不存在
+- **THEN** 相关测试使用 `pytest.skip()` 跳过
+
+#### Scenario: xls 静态文件不存在时跳过
+- **WHEN** `simple.xls` 不存在
+- **THEN** 相关测试使用 `pytest.skip()` 跳过
+
+#### Scenario: ppt 静态文件不存在时跳过
+- **WHEN** `simple.ppt` 不存在
+- **THEN** 相关测试使用 `pytest.skip()` 跳过

openspec/specs/test-fixtures/spec.md

@@ -59,6 +59,18 @@ tests/test_readers/conftest.py MUST 提供 Reader 测试专用的 fixtures。
 - **WHEN** 测试需要临时 XLSX 文件
 - **THEN** 可以使用 `temp_xlsx` fixture 创建临时 XLSX 文件
 
+#### Scenario: 提供 doc 静态文件 fixtures
+- **WHEN** 测试需要 doc 静态测试文件
+- **THEN** 可以使用 `simple_doc_path`、`with_headings_doc_path`、`with_table_doc_path`
+
+#### Scenario: 提供 xls 静态文件 fixtures
+- **WHEN** 测试需要 xls 静态测试文件
+- **THEN** 可以使用 `simple_xls_path`、`multiple_sheets_xls_path`、`with_formulas_xls_path`
+
+#### Scenario: 提供 ppt 静态文件 fixtures
+- **WHEN** 测试需要 ppt 静态测试文件
+- **THEN** 可以使用 `simple_ppt_path`、`multiple_slides_ppt_path`、`with_images_ppt_path`
+
 ### Requirement: CLI 专用 fixtures
 tests/test_cli/conftest.py MUST 提供 CLI 测试专用的 fixtures。
 
@@ -106,3 +118,54 @@ temp_html fixture MUST 支持创建包含各种元素的 HTML 文件。
 #### Scenario: 创建包含标题和段落的 HTML
 - **WHEN** 调用 `temp_html(content="<h1>标题</h1><p>段落</p>")`
 - **THEN** 创建包含指定内容的 HTML 文件
+
+### Requirement: 静态测试文件目录结构
+项目 MUST 在 `tests/test_readers/fixtures/` 下按格式类型组织静态测试文件。
+
+#### Scenario: doc 静态文件目录
+- **WHEN** 查看 `tests/test_readers/fixtures/doc/`
+- **THEN** 目录存在且包含 .doc 静态测试文件
+
+#### Scenario: xls 静态文件目录
+- **WHEN** 查看 `tests/test_readers/fixtures/xls/`
+- **THEN** 目录存在且包含 .xls 静态测试文件
+
+#### Scenario: ppt 静态文件目录
+- **WHEN** 查看 `tests/test_readers/fixtures/ppt/`
+- **THEN** 目录存在且包含 .ppt 静态测试文件
+
+### Requirement: fixtures 目录所有文件纳入 Git LFS
+`tests/test_readers/fixtures/` 目录下的 ALL 文件 MUST 纳入 Git LFS 管理。
+
+#### Scenario: .gitattributes 配置正确
+- **WHEN** 查看 `.gitattributes`
+- **THEN** 包含 `tests/test_readers/fixtures/**/*` 的 LFS 配置，匹配该目录下所有文件
+
+### Requirement: fixtures 目录仅存放静态文件
+`tests/test_readers/fixtures/` 目录 MUST 仅用于存放预先准备的静态测试文件，禁止在测试中向该目录动态生成临时文件。
+
+#### Scenario: 不向 fixtures 目录写入临时文件
+- **WHEN** 测试运行时
+- **THEN** 不会在 `tests/test_readers/fixtures/` 下创建或修改文件
+- **AND** 临时文件使用 pytest 的 tmp_path 在其他位置创建
+
+### Requirement: 静态测试文件 Fixture
+`tests/test_readers/conftest.py` MUST 提供访问静态测试文件的 fixtures。
+
+#### Scenario: 提供目录路径 fixture
+- **WHEN** 测试需要访问静态文件目录
+- **THEN** 可以使用 `doc_fixture_path`、`xls_fixture_path`、`ppt_fixture_path` 获取对应目录路径
+
+#### Scenario: 提供单个文件 fixture
+- **WHEN** 测试需要访问特定静态文件
+- **THEN** 可以使用 `simple_doc_path`、`with_headings_doc_path` 等便捷 fixture
+- **AND** 文件不存在时自动 pytest.skip
+
+### Requirement: fixtures 使用规范写入开发文档
+fixtures 目录的使用规范 MUST 写入 README.md 开发文档。
+
+#### Scenario: README 包含 fixtures 规范
+- **WHEN** 查看 README.md
+- **THEN** 包含 fixtures 目录的用途说明
+- **AND** 包含静态文件与临时文件的区别说明
+- **AND** 包含 Git LFS 配置说明

openspec/specs/xls-reader/spec.md

@@ -0,0 +1,83 @@
+## 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
+
+### Requirement: XLS Reader 测试使用静态文件
+XLS Reader 测试 MUST 使用 `tests/test_readers/fixtures/xls/` 下的静态文件。
+
+#### Scenario: 测试使用 simple.xls
+- **WHEN** 测试 XLS Reader 基础解析能力
+- **THEN** 使用 `simple.xls` 静态文件
+
+#### Scenario: 测试使用 multiple_sheets.xls
+- **WHEN** 测试 XLS Reader 多工作表解析
+- **THEN** 使用 `multiple_sheets.xls` 静态文件
+
+#### Scenario: 测试使用 with_formulas.xls
+- **WHEN** 测试 XLS Reader 公式结果读取
+- **THEN** 使用 `with_formulas.xls` 静态文件

scripts/config.py

@@ -97,5 +97,18 @@ DEPENDENCIES = {
                 "selenium"
             ]
         }
+    },
+    "xls": {
+        "default": {
+            "python": None,
+            "dependencies": [
+                "unstructured[xlsx]",
+                "markitdown[xls]",
+                "pandas",
+                "tabulate",
+                "xlrd",
+                "olefile"
+            ]
+        }
     }
 }

scripts/core/advice_generator.py

@@ -12,6 +12,7 @@ from readers import (
     XlsxReader,
     PptxReader,
     HtmlReader,
+    XlsReader,
 )
 
 
@@ -22,6 +23,7 @@ _READER_KEY_MAP: Dict[Type[BaseReader], str] = {
     XlsxReader: "xlsx",
     PptxReader: "pptx",
     HtmlReader: "html",
+    XlsReader: "xls",
 }
 
 

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 DOCX、XLS、XLSX、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 DOCX、XLS、XLSX、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="DOCX、XLS、XLSX、PPTX、PDF、HTML 文件或 URL")
 
     parser.add_argument(
         "-a",

scripts/readers/__init__.py

@@ -6,6 +6,7 @@ from .xlsx import XlsxReader
 from .pptx import PptxReader
 from .pdf import PdfReader
 from .html import HtmlReader
+from .xls import XlsReader
 
 READERS = [
     DocxReader,
@@ -13,6 +14,7 @@ READERS = [
     PptxReader,
     PdfReader,
     HtmlReader,
+    XlsReader,
 ]
 
 __all__ = [
@@ -22,5 +24,6 @@ __all__ = [
     "PptxReader",
     "PdfReader",
     "HtmlReader",
+    "XlsReader",
     "READERS",
 ]

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

@@ -5,9 +5,9 @@ from .file_detection import (
     is_valid_pptx,
     is_valid_xlsx,
     is_valid_pdf,
+    is_valid_xls,
     is_html_file,
     is_url,
-    detect_file_type,
 )
 
 __all__ = [
@@ -15,7 +15,7 @@ __all__ = [
     "is_valid_pptx",
     "is_valid_xlsx",
     "is_valid_pdf",
+    "is_valid_xls",
     "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（XLS）"""
+    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 +48,11 @@ def is_valid_xlsx(file_path: str) -> bool:
     return _is_valid_ooxml(file_path, _XLSX_REQUIRED)
 
 
+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_pdf(file_path: str) -> bool:
     """验证文件是否为有效的 PDF 格式"""
     try:
@@ -54,20 +72,3 @@ def is_html_file(file_path: str) -> bool:
 def is_url(input_str: str) -> bool:
     """判断输入是否为 URL"""
     return input_str.startswith("http://") or input_str.startswith("https://")
-
-
-_FILE_TYPE_VALIDATORS = {
-    ".docx": is_valid_docx,
-    ".pptx": is_valid_pptx,
-    ".xlsx": is_valid_xlsx,
-    ".pdf": is_valid_pdf,
-}
-
-
-def detect_file_type(file_path: str) -> Optional[str]:
-    """检测文件类型，返回 'docx'、'pptx'、'xlsx' 或 'pdf'"""
-    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 +38,13 @@ class TestCLIAdviceOption:
         output = stdout + stderr
         assert "无法识别" in output or "错误" in output
 
+    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
+
 
 class TestCLIDefaultOutput:
     """测试 CLI 默认输出功能。"""

tests/test_readers/conftest.py

@@ -195,3 +195,87 @@ def temp_xlsx(tmp_path):
 
     return _create_xlsx
 
+
+# 静态测试文件目录
+FIXTURES_DIR = Path(__file__).parent / "fixtures"
+
+
+@pytest.fixture
+def doc_fixture_path():
+    """返回 DOC 静态测试文件目录"""
+    return FIXTURES_DIR / "doc"
+
+
+@pytest.fixture
+def xls_fixture_path():
+    """返回 XLS 静态测试文件目录"""
+    return FIXTURES_DIR / "xls"
+
+
+@pytest.fixture
+def ppt_fixture_path():
+    """返回 PPT 静态测试文件目录"""
+    return FIXTURES_DIR / "ppt"
+
+
+def _get_static_file_path(fixture_dir, filename):
+    """获取静态文件路径，不存在时跳过测试"""
+    file_path = fixture_dir / filename
+    if not file_path.exists():
+        pytest.skip(f"静态测试文件不存在: {file_path}")
+    return str(file_path)
+
+
+@pytest.fixture
+def simple_doc_path(doc_fixture_path):
+    """返回简单 DOC 测试文件路径"""
+    return _get_static_file_path(doc_fixture_path, "simple.doc")
+
+
+@pytest.fixture
+def with_headings_doc_path(doc_fixture_path):
+    """返回带标题的 DOC 测试文件路径"""
+    return _get_static_file_path(doc_fixture_path, "with_headings.doc")
+
+
+@pytest.fixture
+def with_table_doc_path(doc_fixture_path):
+    """返回带表格的 DOC 测试文件路径"""
+    return _get_static_file_path(doc_fixture_path, "with_table.doc")
+
+
+@pytest.fixture
+def simple_xls_path(xls_fixture_path):
+    """返回简单 XLS 测试文件路径"""
+    return _get_static_file_path(xls_fixture_path, "simple.xls")
+
+
+@pytest.fixture
+def multiple_sheets_xls_path(xls_fixture_path):
+    """返回多工作表 XLS 测试文件路径"""
+    return _get_static_file_path(xls_fixture_path, "multiple_sheets.xls")
+
+
+@pytest.fixture
+def with_formulas_xls_path(xls_fixture_path):
+    """返回带公式 XLS 测试文件路径"""
+    return _get_static_file_path(xls_fixture_path, "with_formulas.xls")
+
+
+@pytest.fixture
+def simple_ppt_path(ppt_fixture_path):
+    """返回简单 PPT 测试文件路径"""
+    return _get_static_file_path(ppt_fixture_path, "simple.ppt")
+
+
+@pytest.fixture
+def multiple_slides_ppt_path(ppt_fixture_path):
+    """返回多幻灯片 PPT 测试文件路径"""
+    return _get_static_file_path(ppt_fixture_path, "multiple_slides.ppt")
+
+
+@pytest.fixture
+def with_images_ppt_path(ppt_fixture_path):
+    """返回带图片 PPT 测试文件路径"""
+    return _get_static_file_path(ppt_fixture_path, "with_images.ppt")
+

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 +1,48 @@
+"""测试所有 XLS Readers 的一致性。"""
+
+import pytest
+from readers.xls import unstructured, markitdown, pandas
+
+
+class TestXlsReadersConsistency:
+    """验证所有 XLS Readers 解析同一文件时核心文字内容一致。"""
+
+    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)
+
+    def test_all_readers_parse_same_content(self, simple_xls_path):
+        """测试所有 Readers 解析同一文件时核心内容一致。"""
+        # 收集所有 readers 的解析结果
+        parsers = [
+            ("unstructured", unstructured.parse),
+            ("markitdown", markitdown.parse),
+            ("pandas", pandas.parse),
+        ]
+
+        successful_results = []
+        for name, parser in parsers:
+            content, error = parser(simple_xls_path)
+            if content is not None and content.strip():
+                successful_results.append((name, content))
+
+        # 至少应该有一个 reader 成功解析，或者都不解析也可以
+        if len(successful_results) > 0:
+            # 验证所有成功的 readers 都包含核心内容
+            core_texts = ["姓名", "年龄", "城市", "张三", "李四"]
+            for name, content in successful_results:
+                # 至少包含一个核心文本
+                assert any(text in content for text in core_texts), \
+                    f"{name} 解析结果不包含核心内容"

tests/test_readers/test_xls/test_markitdown_xls.py

@@ -0,0 +1,49 @@
+"""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
+
+    def test_parse_simple_xls(self, simple_xls_path):
+        """测试解析简单 XLS 文件。"""
+        content, error = markitdown.parse(simple_xls_path)
+
+        # 只要不崩溃即可
+        if content is not None:
+            assert len(content.strip()) > 0
+
+    def test_parse_multiple_sheets_xls(self, multiple_sheets_xls_path):
+        """测试解析多工作表 XLS 文件。"""
+        content, error = markitdown.parse(multiple_sheets_xls_path)
+
+        # 只要不崩溃即可
+        if content is not None:
+            assert len(content.strip()) > 0
+
+    def test_parse_with_formulas_xls(self, with_formulas_xls_path):
+        """测试解析带公式 XLS 文件。"""
+        content, error = markitdown.parse(with_formulas_xls_path)
+
+        # 只要不崩溃即可
+        if content is not None:
+            assert len(content.strip()) > 0

tests/test_readers/test_xls/test_pandas_xls.py

@@ -0,0 +1,33 @@
+"""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
+
+    def test_parse_simple_xls(self, simple_xls_path):
+        """测试解析简单 XLS 文件。"""
+        content, error = pandas.parse(simple_xls_path)
+
+        # 只要不崩溃即可
+        if content is not None:
+            assert len(content.strip()) > 0

tests/test_readers/test_xls/test_unstructured_xls.py

@@ -0,0 +1,33 @@
+"""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
+
+    def test_parse_simple_xls(self, simple_xls_path):
+        """测试解析简单 XLS 文件。"""
+        content, error = unstructured.parse(simple_xls_path)
+
+        # unstructured 可能需要额外依赖，只要不崩溃即可
+        if content is not None:
+            assert len(content.strip()) > 0