lanyuanxiaoyao
cf10458dd6
- 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
69 lines
2.2 KiB
Markdown
69 lines
2.2 KiB
Markdown
## 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
|