Function main

scripts/convert.py:246–402

()

def main():
    parser = argparse.ArgumentParser(
        description="将 raw/ 目录中的文档批量转换为 Markdown（基于 markitdown）"
    )
    parser.add_argument(
        "--dir",
        type=str,
        default=None,
        help="显式扫描目录路径（覆盖 --workspace）；默认按 --workspace 取 workspaces/<name>/raw/",
    )
    parser.add_argument(
        "--workspace",
        type=str,
        default=os.environ.get("KB_WORKSPACE", "smb-ecommerce"),
        help=(
            "工作区名称（在 workspaces/ 下查找），默认 smb-ecommerce；"
            "可用环境变量 KB_WORKSPACE 覆盖。--dir 显式给出时本项被忽略"
        ),
    )
    parser.add_argument(
        "--force",
        action="store_true",
        help="强制重新转换所有文件（忽略增量检查）",
    )
    parser.add_argument(
        "--dry-run",
        action="store_true",
        help="只列出待转换的文件，不执行转换",
    )
    parser.add_argument(
        "--ext",
        type=str,
        default=None,
        help="只处理指定格式，逗号分隔（如 --ext .pdf,.docx）",
    )
    args = parser.parse_args()

    # 确定扫描目录 + doc_path 基准
    global _BASE_ROOT
    # 数据根：默认 = 引擎根；设 KB_ROOT 指向独立项目的数据目录（含 workspaces/），
    # 与 k.py、web/lib/kb.ts 的 KB_ROOT 同义，让一份引擎服务多个独立项目。
    _kb_root_env = os.environ.get("KB_ROOT")
    data_root = Path(_kb_root_env).expanduser().resolve() if _kb_root_env else get_project_root()
    if args.dir:
        # 显式 --dir：doc_path 以数据根为基准
        scan_dir = Path(args.dir).resolve()
        _BASE_ROOT = data_root
    else:
        # 解析 workspace（对齐 k.py：workspaces/<name>，挡 ../ 穿越与不存在的名字）
        workspaces_root = (data_root / "workspaces").resolve()
        ws_root = (workspaces_root / args.workspace).resolve()
        valid = [
            d.name for d in sorted(workspaces_root.iterdir())
            if d.is_dir() and not d.name.startswith(".")
        ] if workspaces_root.is_dir() else []
        if not ws_root.is_dir() or ws_root.parent != workspaces_root:
            print(
                f"错误: 非法 --workspace {args.workspace!r}（必须是 workspaces/ 下的目录）。"