lanyuanxiaoyao
6c003d73f3
从归档的 unify-document-readers change 同步 delta specs 到主 specs 目录。 新增 specs： - document-reading - 统一文档读取核心能力 - 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 文档解析能力
99 lines
3.1 KiB
Markdown
99 lines
3.1 KiB
Markdown
## Purpose
|
|
|
|
XLSX 文档解析能力，支持多种解析方法。
|
|
|
|
## Requirements
|
|
|
|
### Requirement: XLSX 文档解析
|
|
系统 SHALL 支持解析 XLSX 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 XLSX 文档
|
|
- **THEN** 系统按 docling → unstructured → markitdown → pandas → XML原生解析的顺序尝试
|
|
|
|
#### 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: docling 解析器
|
|
系统 SHALL 支持使用 docling 库解析 XLSX。
|
|
|
|
#### Scenario: docling 解析成功
|
|
- **WHEN** docling 库可用且文档有效
|
|
- **THEN** 系统返回 Markdown 内容
|
|
|
|
#### Scenario: docling 库未安装
|
|
- **WHEN** docling 库未安装
|
|
- **THEN** 系统尝试下一个解析器
|
|
|
|
### Requirement: unstructured 解析器
|
|
系统 SHALL 支持使用 unstructured 库解析 XLSX。
|
|
|
|
#### 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 XLSX。
|
|
|
|
#### 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 解析器
|
|
系统 SHALL 支持使用 pandas 库解析 XLSX。
|
|
|
|
#### Scenario: pandas 解析成功
|
|
- **WHEN** pandas 和 tabulate 库可用且文档有效
|
|
- **THEN** 系统返回 Markdown 内容，每个工作表用二级标题分隔，数据以表格形式展示
|
|
|
|
#### Scenario: pandas 库未安装
|
|
- **WHEN** pandas 或 tabulate 库未安装
|
|
- **THEN** 系统尝试下一个解析器
|
|
|
|
### Requirement: XML 原生解析器
|
|
系统 SHALL 支持使用 XML 原生解析 XLSX。
|
|
|
|
#### Scenario: XML 原生解析成功
|
|
- **WHEN** 文档有效
|
|
- **THEN** 系统返回 Markdown 内容，每个工作表用二级标题分隔，数据以表格形式展示，过滤全空列
|
|
|
|
#### Scenario: XML 原生解析失败
|
|
- **WHEN** XML 原生解析失败
|
|
- **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: docling 解析器在独立文件
|
|
- **WHEN** 使用 docling 解析器
|
|
- **THEN** 从 readers/xlsx/docling.py 导入
|
|
|
|
#### Scenario: unstructured 解析器在独立文件
|
|
- **WHEN** 使用 unstructured 解析器
|
|
- **THEN** 从 readers/xlsx/unstructured.py 导入
|
|
|
|
#### Scenario: markitdown 解析器在独立文件
|
|
- **WHEN** 使用 markitdown 解析器
|
|
- **THEN** 从 readers/xlsx/markitdown.py 导入
|
|
|
|
#### Scenario: pandas 解析器在独立文件
|
|
- **WHEN** 使用 pandas 解析器
|
|
- **THEN** 从 readers/xlsx/pandas.py 导入
|
|
|
|
#### Scenario: XML 原生解析器在独立文件
|
|
- **WHEN** 使用 XML 原生解析器
|
|
- **THEN** 从 readers/xlsx/native_xml.py 导入
|