lanyuanxiaoyao
833018d451
## 功能特性 - 建立统一的项目结构，包含 core/、readers/、utils/、tests/ 模块 - 迁移 lyxy-reader-office 的所有解析器（docx、xlsx、pptx、pdf） - 迁移 lyxy-reader-html 的所有解析器（html、url 下载） - 统一 CLI 入口为 lyxy_document_reader.py - 统一 Markdown 后处理逻辑 - 按文件类型组织 readers，每个解析器独立文件 - 依赖分组按文件类型细分（docx、xlsx、pptx、pdf、html、http） - PDF OCR 解析器优先，无参数控制 - 使用 logging 模块替代简单 print - 设计完整的单元测试结构 - 重写项目文档 ## 新增目录/文件 - core/ - 核心模块（异常体系、Markdown 工具、解析调度器） - readers/ - 格式阅读器（base.py + docx/xlsx/pptx/pdf/html） - utils/ - 工具函数（文件类型检测） - tests/ - 测试（conftest.py + test_core/ + test_readers/ + test_utils/） - lyxy_document_reader.py - 统一 CLI 入口 ## 依赖分组 - docx - DOCX 文档解析支持 - xlsx - XLSX 文档解析支持 - pptx - PPTX 文档解析支持 - pdf - PDF 文档解析支持（含 OCR） - html - HTML/URL 解析支持 - http - HTTP/URL 下载支持 - office - Office 格式组合（docx/xlsx/pptx/pdf） - web - Web 格式组合（html/http） - full - 完整功能 - dev - 开发依赖
22 lines
354 B
Python
22 lines
354 B
Python
"""Utils module for lyxy-document."""
|
|
|
|
from .file_detection import (
|
|
is_valid_docx,
|
|
is_valid_pptx,
|
|
is_valid_xlsx,
|
|
is_valid_pdf,
|
|
is_html_file,
|
|
is_url,
|
|
detect_file_type,
|
|
)
|
|
|
|
__all__ = [
|
|
"is_valid_docx",
|
|
"is_valid_pptx",
|
|
"is_valid_xlsx",
|
|
"is_valid_pdf",
|
|
"is_html_file",
|
|
"is_url",
|
|
"detect_file_type",
|
|
]
|