Module text 

纯文本族插件：txt / md / csv / html（零第三方依赖，语义对齐 Python 参考实现）。

这四类不走 PDF：没有布局与坐标，转 PDF 是纯粹的有损往返，直接按语法解。

分工：

• text.rs（本文件）—— 编码健壮读取、txt 段落切分、注册入口；
• super::markdown —— md 块级语法（标题/列表/引用/代码/表格）；
• super::csv —— RFC4180 解析为 TableData；
• super::html —— 标准库级标签扫描（标题/段落/列表/代码/表格，跳过 script/style）。

Structs

CsvParseCapability

CSV 解析后端：RFC4180 → RawPage.tables。

TextParseCapability

单格式纯文本解析后端（txt）。

TextPlugin

txt 插件：RawDoc（段）→ IR（每段一个 Paragraph 块）。

WholeTextParseCapability

原文整体交给插件自解析的解析后端（md / html）。

Functions

decode

字节 → 字符串（BOM 感知，失败退化为 lossy）。

read_text

编码健壮读取：UTF-8（含 BOM）→ UTF-16（BOM）→ UTF-8 lossy。

register_defaults

注册文本族后端与插件（txt 恒开；md / csv / html 随 feature）。

split_paragraphs

按空行切段落（与 Python _split_paragraphs 对齐：段内单换行保留）。