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
3.1 KiB
3.1 KiB
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