lanyuanxiaoyao
fad0edc46a
- 更新 .gitattributes，将 fixtures 目录所有文件纳入 Git LFS - 在 tests/test_readers/conftest.py 中添加静态文件 fixtures - 添加 doc/xls/ppt 静态测试文件（9个文件） - 更新各旧格式解析器测试用例使用静态文件 - 更新一致性测试使用静态文件 - 在 README.md 中添加 fixtures 使用规范 - 同步 delta specs 到主 specs（doc-reader/xls-reader/ppt-reader/reader-testing/test-fixtures） - 归档 add-static-test-fixtures 变更
2.2 KiB
2.2 KiB
Purpose
DOC 文档解析能力，支持解析 Microsoft Word 97-2003 旧格式文档。
Requirements
Requirement: DOC 文档解析
系统 SHALL 支持解析 .doc 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 DOC 文档
- THEN 系统按 markitdown → pypandoc-binary 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: markitdown 解析器
系统 SHALL 支持使用 markitdown 库解析 DOC。
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 DOC。
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: 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: markitdown 解析器在独立文件
- WHEN 使用 markitdown 解析器
- THEN 从 readers/doc/markitdown.py 导入
Scenario: pypandoc 解析器在独立文件
- WHEN 使用 pypandoc 解析器
- THEN 从 readers/doc/pypandoc.py 导入
Requirement: DOC Reader 测试使用静态文件
DOC Reader 测试 MUST 使用 tests/test_readers/fixtures/doc/ 下的静态文件。
Scenario: 测试使用 simple.doc
- WHEN 测试 DOC Reader 基础解析能力
- THEN 使用
simple.doc静态文件
Scenario: 测试使用 with_headings.doc
- WHEN 测试 DOC Reader 标题解析
- THEN 使用
with_headings.doc静态文件
Scenario: 测试使用 with_table.doc
- WHEN 测试 DOC Reader 表格解析
- THEN 使用
with_table.doc静态文件