lanyuanxiaoyao/lyxy-document
1
0
Fork 0
Code Releases Activity
Files
9abc0a0707182f7401bb02edcb6ed3734dc11bca
lyxy-document/openspec/specs/docx-reader/spec.md
lanyuanxiaoyao 6c003d73f3 docs: 同步 delta specs 到主 specs 
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
2026-03-08 13:52:30 +08:00

3.6 KiB
Raw Blame History

Purpose

DOCX 文档解析能力，支持多种解析方法。

Requirements

Requirement: DOCX 文档解析

系统 SHALL 支持解析 DOCX 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 DOCX 文档
  • THEN 系统按 docling → unstructured → markitdown → pypandoc-binary → python-docx → 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 DOCX。

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 DOCX。

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 DOCX。

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: pypandoc-binary 解析器

系统 SHALL 支持使用 pypandoc-binary 库解析 DOCX。

Scenario: pypandoc 解析成功

  • WHEN pypandoc-binary 库可用且文档有效
  • THEN 系统返回 Markdown 内容

Scenario: pypandoc-binary 库未安装

  • WHEN pypandoc-binary 库未安装
  • THEN 系统尝试下一个解析器

Requirement: python-docx 解析器

系统 SHALL 支持使用 python-docx 库解析 DOCX。

Scenario: python-docx 解析成功

  • WHEN python-docx 库可用且文档有效
  • THEN 系统返回 Markdown 内容，保留标题层级、列表、表格、粗体、斜体等格式

Scenario: python-docx 库未安装

  • WHEN python-docx 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 DOCX。

Scenario: XML 原生解析成功

  • WHEN 文档有效
  • THEN 系统返回 Markdown 内容，保留标题层级、列表、表格等格式

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/docx/docling.py 导入

Scenario: unstructured 解析器在独立文件

  • WHEN 使用 unstructured 解析器
  • THEN 从 readers/docx/unstructured.py 导入

Scenario: markitdown 解析器在独立文件

  • WHEN 使用 markitdown 解析器
  • THEN 从 readers/docx/markitdown.py 导入

Scenario: pypandoc 解析器在独立文件

  • WHEN 使用 pypandoc 解析器
  • THEN 从 readers/docx/pypandoc.py 导入

Scenario: python-docx 解析器在独立文件

  • WHEN 使用 python-docx 解析器
  • THEN 从 readers/docx/python_docx.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/docx/native_xml.py 导入
View Git Blame Copy Permalink