lyxy-document/openspec/specs/xls-reader/spec.md at cf10458dd618424b27b6f7df09fc8fbb0e036fc6

Files

lanyuanxiaoyao cf10458dd6 feat: 添加 doc/xls/ppt 旧格式文档支持

- 新增 DocReader，支持 markitdown 和 pypandoc-binary 解析器
- 新增 XlsReader，支持 unstructured、markitdown 和 pandas+xlrd 解析器
- 新增 PptReader，支持 markitdown 解析器
- 添加 olefile 依赖用于验证 OLE2 格式
- 更新 config.py 添加 doc/xls/ppt 依赖配置
- 更新 --advice 支持 doc/xls/ppt 格式
- 添加相应的测试用例
- 同步 specs 到主目录

2026-03-10 23:09:13 +08:00

2.2 KiB

Raw Blame History

Purpose

XLS 文档解析能力，支持解析 Microsoft Excel 97-2003 旧格式文档。

Requirements

Requirement: XLS 文档解析

系统 SHALL 支持解析 .xls 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 XLS 文档
THEN 系统按 unstructured → markitdown → pandas+xlrd 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: unstructured 解析器

系统 SHALL 支持使用 unstructured 库解析 XLS。

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 XLS。

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+xlrd 解析器

系统 SHALL 支持使用 pandas + xlrd 库解析 XLS。

Scenario: pandas+xlrd 解析成功

WHEN pandas 和 xlrd 库可用且文档有效
THEN 系统返回 Markdown 格式的表格内容，包含所有工作表

Scenario: pandas 或 xlrd 库未安装

WHEN pandas 或 xlrd 库未安装
THEN 系统尝试下一个解析器

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: unstructured 解析器在独立文件

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

Scenario: markitdown 解析器在独立文件

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

Scenario: pandas 解析器在独立文件

WHEN 使用 pandas 解析器
THEN 从 readers/xls/pandas.py 导入

2.2 KiB Raw Blame History