用途：读取多种格式文档内容并输出文本，供 AI 分析或后续处理；支持压缩包内文档直接读取，无需手动解压。
主要能力：文档格式覆盖 PDF（依赖 poppler-utils）、DOCX、XLSX（按 Sheet 输出表格文本）、PPTX（按 Slide 分块）、RTF、ODT、HTML 及 txt/md/json/xml/py/js 等纯文本；压缩包支持 ZIP、TAR/TAR.GZ/TGZ/TAR.BZ2、RAR、7Z，可先列出文件再读取指定文档。支持大小写不敏感的模糊文件名匹配，输出可选人类可读文本或 JSON。
使用方式：先安装依赖。Python 包：pip install textract python-docx openpyxl python-pptx rarfile py7zr --break-system-packages；系统依赖（Ubuntu/Debian）：apt-get install -y poppler-utils antiword unrtf tidy libxml2-dev libxslt1-dev。读取本地文档：python {baseDir}/scripts/document_reader.py --file /path/to/document.pdf；JSON 输出加 --format json。列出压缩包：python {baseDir}/scripts/document_reader.py --list /path/to/archive.zip；读取包内文档：python {baseDir}/scripts/document_reader.py --file /path/to/archive.zip --inner-path document.docx。
适用场景：AI 分析办公文档、批量读取压缩包内文档、快速查看附件内容、数据提取与预处理。
限制：PDF 文本提取依赖 poppler-utils；部分格式依赖对应 Python 包与系统工具；资料未提供性能、并发、加密文档或扫描件 OCR 等能力说明。