✨ Add support for new filetypes

[yzAiden]

一、功能：
1.提升数据清洗能力：支持.epub, .html, .csv, .json, .xml文件类型的清洗和检索。
二、设计：
1.所有新增文件类型均由UnstructuredProcessor进行处理。
2..epub, .html, .csv, .xml类型文件与现有处理逻辑完全一致。
3.对json类型文件的分片进行单独设计，方式为优先将 JSON 解析为文本并在不破坏最外层 key-value 语义的前提下按长度切分，无法安全按 KV 切分时退化为按标点的纯文本切分，解析失败则直接按纯文本策略分片。其余流程与现有处理方式一致。
三、主要改动的位置：
1.sdk/nexent/data_process
四、相关issue引用
#2258

[Jasonxia007]

拼写有误，应为 application/epub，请检查

[Jasonxia007]

这里似乎应该是 FILE_TYPES.JSON，请检查

[Jasonxia007]

导入语句建议统一前提至文件头部

[Jasonxia007]

建议使用orjson的自定异常类，明确区分Decode问题和其他读取问题

[Jasonxia007]

对于标点后带行尾空格的场景，建议先strip，否则下一分段头部会留有空格

[Jasonxia007]

有部分代码逻辑需要确认或修改，请关注

[Jasonxia007]

1. 扫描是从右到左的，但 esc 却在保护 "\" 的下一个（即左侧的）字符，这与期望不一致；
2. 似乎没有考虑注释行的场景。

建议仔细检查，并使用复杂json体进行自测：

{
    # case1: 值中包含转义引号
    "greeting": "hello \"world\", how are you",
    # case2: 值中包含逗号
    "address": "Beijing, Chaoyang, No.1",
    # case3: 嵌套对象
    "nested": {
        "inner_key": "inner, value",
        "deep": {"a": 1, "b": 2}
    },
    # case4: 数组
    "scores": [10, 20, 30],
    # case5: 值中包含花括号字符
    "template": "use {var} and [idx] here",
    # case6: 连续转义 \\\"
    "escaped_bs": "path is C:\\\\server\\\\share\\\"name\\\"",
    # case7: unicode 转义
    "unicode": "emoji \u00e9\u00e0",
    # case8: 空字符串
    "empty": "",
    # case9: 布尔和null
    "flag": True,
    "nothing": None,
    # case10: 数字
    "count": 42
}