Function main

mainprogress/content_postprocessor.py:95–140

()

def main():
    # 保持原始的环境变量读取逻辑
    input_dir = Path(os.environ.get('CONTENT_POSTPROCESSOR_INPUT', 'input'))
    output_dir = Path(os.environ.get('CONTENT_POSTPROCESSOR_OUTPUT', 'output'))
    os.makedirs(input_dir, exist_ok=True)
    os.makedirs(output_dir, exist_ok=True)

    # 获取所有 JSON 文件并自然排序
    json_files = sorted(input_dir.glob("*.json"), key=natural_sort_key)
    
    combined_data = []
    book_title = "booktitle"  # 默认书名

    # 找到页码最小的_page_x_merged.json 文件以确定书名
    min_page_file = find_min_page_file(json_files)
    if min_page_file:
        # 需要从完整路径对象中获取文件名进行提取
        target_path = next((f for f in json_files if f.name == min_page_file), None)
        if target_path:
            book_title = extract_book_title(target_path.name)
    else:
        # 如果没找到匹配的文件，从任意一个文件中提取
        for file_path in json_files:
            # 排除干扰文件
            if file_path.name not in ["file_info.json", "combined_output.json"]:
                book_title = extract_book_title(file_path.name)
                break

    # 读取所有 JSON 文件数据
    for file_path in json_files:
        # 【关键修复】显式排除 file_info.json 和可能遗留的 combined_output.json
        # 防止因输入目录被污染而导致数据重复合并
        if file_path.name not in ["file_info.json", "combined_output.json"]:
            data = read_json_file(file_path)
            if data:
                combined_data.extend(data)

    # 【新增功能】归一化标题层级
    combined_data = normalize_levels(combined_data)

    # 直接保存最终结果到输出目录
    final_output_file = output_dir / f"{book_title}_final.json"
    with open(final_output_file, 'w', encoding='utf-8') as f:
        json.dump(combined_data, f, ensure_ascii=False, indent=2)
    
    print(f"处理完成，结果已保存至：{final_output_file}")


if __name__ == "__main__":