a

2026-07-03 16:58:28 +08:00
commit 32b43f85bd
6240 changed files with 1987678 additions and 0 deletions
@@ -0,0 +1,157 @@
+#!/usr/bin/env python3
+"""
+MarkItDown 文档转换工具封装
+支持各种格式转换为 Markdown
+"""
+
+import os
+import sys
+import subprocess
+from pathlib import Path
+from typing import Optional
+
+
+def convert_file(input_path: str, output_path: Optional[str] = None) -> str:
+    """
+    将文件转换为 Markdown
+    
+    Args:
+        input_path: 输入文件路径
+        output_path: 输出文件路径（可选，默认输出到同目录同名.md）
+        
+    Returns:
+        输出文件路径
+    """
+    input_file = Path(input_path)
+    
+    if not input_file.exists():
+        raise FileNotFoundError(f"文件不存在: {input_path}")
+    
+    # 如果没有指定输出路径，使用同名.md
+    if output_path is None:
+        output_file = input_file.with_suffix('.md')
+    else:
+        output_file = Path(output_path)
+    
+    # 调用 markitdown
+    cmd = ['markitdown', str(input_file), '-o', str(output_file)]
+    
+    try:
+        result = subprocess.run(
+            cmd,
+            capture_output=True,
+            text=True,
+            timeout=300  # 5分钟超时
+        )
+        
+        if result.returncode == 0:
+            print(f"✅ 转换成功: {input_file.name} -> {output_file.name}")
+            return str(output_file)
+        else:
+            print(f"❌ 转换失败: {result.stderr}")
+            return None
+            
+    except subprocess.TimeoutExpired:
+        print("❌ 转换超时")
+        return None
+    except Exception as e:
+        print(f"❌ 转换异常: {e}")
+        return None
+
+
+def convert_to_text(input_path: str) -> str:
+    """
+    将文件转换为 Markdown 文本（不保存文件）
+    
+    Args:
+        input_path: 输入文件路径
+        
+    Returns:
+        Markdown 文本内容
+    """
+    input_file = Path(input_path)
+    
+    if not input_file.exists():
+        raise FileNotFoundError(f"文件不存在: {input_path}")
+    
+    cmd = ['markitdown', str(input_file)]
+    
+    try:
+        result = subprocess.run(
+            cmd,
+            capture_output=True,
+            text=True,
+            timeout=300
+        )
+        
+        if result.returncode == 0:
+            return result.stdout
+        else:
+            print(f"❌ 转换失败: {result.stderr}")
+            return ""
+            
+    except Exception as e:
+        print(f"❌ 转换异常: {e}")
+        return ""
+
+
+def batch_convert(directory: str, pattern: str = "*") -> list:
+    """
+    批量转换目录中的文件
+    
+    Args:
+        directory: 目录路径
+        pattern: 文件匹配模式（如 "*.pdf"）
+        
+    Returns:
+        成功转换的文件列表
+    """
+    dir_path = Path(directory)
+    
+    if not dir_path.exists():
+        raise FileNotFoundError(f"目录不存在: {directory}")
+    
+    files = list(dir_path.glob(pattern))
+    converted = []
+    
+    print(f"找到 {len(files)} 个文件，开始转换...")
+    
+    for file in files:
+        if file.is_file():
+            output = convert_file(str(file))
+            if output:
+                converted.append(output)
+    
+    print(f"\n✅ 成功转换 {len(converted)}/{len(files)} 个文件")
+    return converted
+
+
+def main():
+    """命令行入口"""
+    import argparse
+    
+    parser = argparse.ArgumentParser(description='文档转 Markdown 工具')
+    parser.add_argument('input', help='输入文件路径')
+    parser.add_argument('-o', '--output', help='输出文件路径（可选）')
+    parser.add_argument('-t', '--text', action='store_true', help='仅输出文本，不保存文件')
+    parser.add_argument('-b', '--batch', help='批量转换目录')
+    parser.add_argument('-p', '--pattern', default='*', help='批量转换时的文件匹配模式')
+    
+    args = parser.parse_args()
+    
+    if args.batch:
+        # 批量模式
+        batch_convert(args.batch, args.pattern)
+    elif args.text:
+        # 仅输出文本
+        text = convert_to_text(args.input)
+        print(text)
+    else:
+        # 单文件转换
+        output = convert_file(args.input, args.output)
+        if output:
+            print(f"输出文件: {output}")
+
+
+if __name__ == '__main__':
+    main()