pdf2md-script-for-feishu-table

用于飞书多维表格记录中PDF的读取与转换，将其转为Markdown格式的脚本。

功能特性

• 从飞书多维表格记录中下载PDF文件
• 使用pdfdeal服务将PDF转换为Markdown格式
• 从Markdown文件中提取文本内容
• 将转换后的ZIP文件和内容上传回飞书多维表格
• 多线程处理，支持并行记录处理
• 批量操作的实时进度流式传输

API接口

/translate/all - 处理所有符合条件的记录

查询参数：

• stream（可选）：设为'true'可通过服务器发送事件（SSE）启用实时进度流式传输。默认值为'false'。

示例：

• 常规模式：GET /translate/all
• 流式模式：GET /translate/all?stream=true

响应（非流式）：

{
  "status": "success",
  "message": "Processed 5 out of 10 records",
  "total": 10,
  "processed": 5,
  "failed": 5,
  "failed_records": ["rec123", "rec456"]
}

响应（流式）： 返回包含实时进度更新的服务器发送事件（SSE）流：

• type: "start" - 包含总记录数的初始状态
• type: "progress" - 每条记录处理完成的进度更新
• type: "complete" - 最终汇总结果

/translate/record - 处理单条记录

查询参数：

• record_id（必填）：待处理的记录ID

示例： GET /translate/record?record_id=rec123

/health - 健康检查

示例： GET /health

实时进度

如需查看实时进度，可通过以下方式：

1. 使用提供的HTML客户端：

   • 在浏览器中打开example_client.html
   • 点击“开始转换（流式）”查看实时更新

2. 使用JavaScript EventSource API：

   const eventSource = new EventSource('/translate/all?stream=true');
   
   eventSource.onmessage = function(event) {
       const data = JSON.parse(event.data);
       console.log(data);
       // 处理进度更新
   };
   

3. 使用curl进行流式传输：

   curl -N "http://localhost:5000/translate/all?stream=true"
   

安装步骤

1. 安装依赖：

   pip install -r requirements.txt
   

2. 将/.env.sample复制为/.env并填写配置信息：

   cp .env.sample .env
   

3. 在/.env中配置环境变量：

   • APP_TOKEN - 飞书应用token
   • PERSONAL_BASE_TOKEN - 飞书个人基础token
   • TABLE_ID - 飞书表格ID
   • PDFDEAL_TOKEN - PDF转换服务token
   • ORIGIN_COLUMN - 包含PDF文件的列名
   • TARGET_FILE_COLUMN - 用于存储ZIP文件的列名
   • TARGET_CONTEXT_COLUMN - 用于存储文本内容的列名
   • NAME_COLUMN - 记录名称列名（用于文件命名）

使用方法

运行Flask应用：

python app.py

服务将在http://localhost:5000可用。