## Why

当前有两个独立的文档解析 skill（lyxy-reader-office 和 lyxy-reader-html），功能存在大量重复，维护成本高。将它们统一到 lyxy-document 项目中，可以减少代码重复、便于后续扩展，并提供更一致的使用体验。

## What Changes

- 建立统一的项目结构，包含 core、readers、utils 等模块
- 迁移 lyxy-reader-office 的所有解析器（docx、xlsx、pptx、pdf）
- 迁移 lyxy-reader-html 的所有解析器（html、url 下载）
- 统一 CLI 入口为 lyxy_document_reader.py
- 统一 Markdown 后处理逻辑
- 按文件类型组织 readers，每个解析器独立文件
- 依赖分组按文件类型细分（docx、xlsx、pptx、pdf、html、http）
- PDF OCR 解析器优先，无参数控制
- 使用 logging 模块替代简单 print
- 设计完整的单元测试和集成测试
- 重写项目文档，不迁移原 skill 的 references 文档

## Capabilities

### New Capabilities

- `document-reading`: 统一的文档读取核心能力，包含 CLI 入口、解析调度、Markdown 后处理
- `docx-reader`: DOCX 文档解析能力
- `xlsx-reader`: XLSX 文档解析能力
- `pptx-reader`: PPTX 文档解析能力
- `pdf-reader`: PDF 文档解析能力（含 OCR）
- `html-reader`: HTML/URL 解析能力

### Modified Capabilities

（无现有能力需要修改）

## Impact

- 新增目录：core/、readers/、utils/、tests/
- 新增入口文件：lyxy_document_reader.py
- 更新 pyproject.toml，添加依赖分组
- 新增自定义异常体系
- 受影响的依赖：docling、unstructured、markitdown、trafilatura、domscribe、html2text、beautifulsoup4、httpx、pyppeteer、selenium、python-docx、python-pptx、pandas、tabulate、pypdf、pypandoc-binary、unstructured-paddleocr