# lyxy-document

统一文档解析工具 - 将 DOCX、XLSX、PPTX、PDF、HTML/URL 转换为 Markdown

## 开发环境

- 使用 uv 管理依赖，禁用主机 Python
- 依赖声明：pyproject.toml
- 安装：uv sync

## 项目结构

```
scripts/          # 核心代码
├── core/         # 核心模块（解析调度、异常、Markdown 工具）
├── readers/      # 格式阅读器
└── utils/        # 工具函数
tests/            # 测试
openspec/         # 规范文档
skill/            # SKILL 文档
```

## 开发工作流

```bash
# 运行测试
uv run pytest

# 代码格式化
uv run black .
uv run isort .

# 类型检查
uv run mypy .
```

## 代码规范

- 语言：仅中文（交流、注释、文档、代码）
- 模块文件：150-300 行
- 错误处理：自定义异常 + 清晰信息 + 位置上下文
- Git 提交：类型: 简短描述（feat/fix/refactor/docs/style/test/chore）

## 解析器架构

### DOCX
docling、unstructured、pypandoc-binary、MarkItDown、python-docx、XML

### XLSX
docling、unstructured、MarkItDown、pandas、XML

### PPTX
docling、unstructured、MarkItDown、python-pptx、XML

### PDF（OCR 优先）
docling OCR、unstructured OCR、docling、unstructured、MarkItDown、pypdf

### HTML/URL
trafilatura、domscribe、MarkItDown、html2text

## 许可证

MIT License