lanyuanxiaoyao
b80c635f07
为所有 Reader 的 parser 循环添加 try-except 防护层，确保即使 parser 抛出意外异常，降级链也能继续尝试下一个 parser。 主要变更： - 所有 Reader (DocxReader/PdfReader/XlsxReader/PptxReader/HtmlReader) 的 parse 方法中添加防护层，捕获意外异常并标记为 [意外异常] - cleaner.clean_html_content() 添加异常处理，返回 (content, error) 元组 - HtmlReader.parse() 更新 cleaner 调用方式，处理新的返回值格式 - BaseReader 添加详细的异常处理规范文档 设计原则：双层异常保护 - Parser 层：捕获预期的解析失败（库未安装、格式不支持） - Reader 层：捕获意外的编程错误（NoneType、索引越界等）
67 lines
2.3 KiB
Python
67 lines
2.3 KiB
Python
"""Reader 基类，定义所有文档阅读器的公共接口。"""
|
||
|
||
from abc import ABC, abstractmethod
|
||
from pathlib import Path
|
||
from typing import List, Optional, Tuple
|
||
|
||
|
||
class BaseReader(ABC):
|
||
"""文档阅读器基类。"""
|
||
|
||
@abstractmethod
|
||
def supports(self, file_path: str) -> bool:
|
||
"""
|
||
判断是否支持给定的输入（轻量检查）。
|
||
|
||
仅做初步判断（如扩展名、URL 模式），不进行完整验证。
|
||
完整验证（文件存在、格式有效性）在 parse() 中进行。
|
||
不访问文件系统，不打开文件。
|
||
|
||
Args:
|
||
file_path: 文件路径或 URL
|
||
|
||
Returns:
|
||
True 如果可能支持，False 否则
|
||
"""
|
||
pass
|
||
|
||
@abstractmethod
|
||
def parse(self, file_path: str) -> Tuple[Optional[str], List[str]]:
|
||
"""
|
||
解析文件并返回 Markdown 内容。
|
||
|
||
需要检查文件存在和格式有效性，然后执行实际解析逻辑。
|
||
|
||
Args:
|
||
file_path: 文件路径或 URL
|
||
|
||
Returns: (content, failures)
|
||
- content: 成功时返回 Markdown 内容，失败时返回 None
|
||
- failures: 各解析器的失败原因列表
|
||
|
||
异常处理规范：
|
||
-----------------
|
||
文档读取系统采用三级降级链设计，使用元组返回而非抛出异常：
|
||
|
||
1. Parser 层（最底层）：
|
||
- 每个 parser 函数返回 (content, error) 元组
|
||
- 必须捕获所有预期异常（ImportError, OSError, 解析异常等）
|
||
- 返回清晰的错误信息，如 "库未安装"、"解析失败: xxx"
|
||
|
||
2. Reader 层（中间层）：
|
||
- 遍历多个 parser，收集失败原因
|
||
- 必须在 parser 循环中添加 try-except 防护层
|
||
- 捕获意外异常并记录："[意外异常] ExceptionType: message"
|
||
- 任一 parser 成功即返回，失败则继续尝试下一个
|
||
|
||
3. 调用层（最顶层）：
|
||
- parse_input() 遍历多个 reader
|
||
- 无 reader 支持时抛出 ReaderNotFoundError
|
||
|
||
设计原则：
|
||
- "失败是预期分支，而非异常情况"
|
||
- 元组返回优于异常抛出（除顶层外）
|
||
- 双层异常保护：Parser 层处理预期错误，Reader 层捕获意外异常
|
||
"""
|
||
pass
|