sdpy-kit 0.4.4__tar.gz → 0.4.5__tar.gz

{sdpy_kit-0.4.4 → sdpy_kit-0.4.5}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.5
 Name: sdpy-kit
-Version: 0.4.4
+Version: 0.4.5
 Summary: SDPY Kit——统一数据库访问层（PG/MySQL/SQLite）与 AI/Redis/文件/文档/向量工具集
 Author-email: Clark <changhongyuan@126.com>
 License-Expression: MIT
@@ -77,7 +77,7 @@ SDPY 统一工具集（Kit 体系），供 Python 项目开箱即用：
 
 - **统一数据库访问层**：PostgreSQL / MySQL / SQLite，三个 Kit API 完全一致，切换数据库只改一行 import；
 - **AI 多模型服务池**：chat / embedding / rerank / image 四类能力，多厂商候选链 + 故障自动转移；
-- **工具集**：Redis / 文件 / 雪花 ID / 文档互转 / Word 模板填充 / MinerU 解析 / Marker 本地解析（md + images） / Laya 类型化决策 / 微信公众号文章抓取存储 / 通用网页文章抓取存储。
+- **工具集**：Redis / 文件 / 雪花 ID / 文档互转 / Word 模板填充 / MinerU 解析 / Marker 本地解析（md + images/） / Laya 类型化决策 / 微信公众号文章抓取存储 / 通用网页文章抓取存储。
 
 > 要求 Python 3.13+
 
@@ -978,8 +978,8 @@ if r.state == "done":
 ```python
 from kit.docs.marker_kit import MarkerKit
 
-# 落盘 md + images（推荐）：源文件同目录下建同名子目录
-md_path = MarkerKit.convert_to_dir("report.pdf")              # -> report/report.md + 图片
+# 落盘 md + images/（推荐）：源文件同目录下建同名子目录
+md_path = MarkerKit.convert_to_dir("report.pdf")              # -> report/report.md + report/images/
 md_path = MarkerKit.convert_to_dir("report.pdf", "out/doc")   # 指定产物目录
 
 # 只取 Markdown 文本（图片不落盘）
@@ -1000,11 +1000,11 @@ MarkerKit.shutdown()   # 释放模型与推理服务（幂等）
 |------|------|
 | `is_supported(file_path) -> bool` | 扩展名白名单（pdf / 图片 / docx / pptx / xlsx / html / epub） |
 | `convert_to_md(file_path, *, mode=None, force_ocr=None, disable_ocr=None, page_range=None) -> str` | 解析并返回 Markdown 文本（图片不落盘） |
-| `convert_to_dir(src_path, output_dir=None, *, mode=None, force_ocr=None, disable_ocr=None, page_range=None, extract_images=True) -> str` | 解析并落盘 md + images，返回 md 绝对路径 |
+| `convert_to_dir(src_path, output_dir=None, *, mode=None, force_ocr=None, disable_ocr=None, page_range=None, extract_images=True) -> str` | 解析并落盘 md + `images/`，返回 md 绝对路径 |
 | `convert(src_path, output_dir=None, *, ...) -> MarkerResult` | 安全版：失败封装为 `MarkerResult`，不抛异常 |
 | `shutdown() -> None` | 释放模型与共享推理服务（幂等） |
 
-> 产物：`<output_dir>/<源文件名>.md` + 图片文件（md 内相对路径引用），**不生成** `_meta.json`。
+> 产物：`<output_dir>/<源文件名>.md` + `<output_dir>/images/`（md 内以 `images/<文件名>` 相对引用；无图片不建空目录），**不生成** `_meta.json`。
 > 结果类型：`MarkerResult`（`success` / `markdown` / `file_path` / `output_dir` / `md_path` / `image_paths` / `page_count` / `error`）；异常：`MarkerError`。
 > `mode` 缺省时不写入配置，交由 marker 按设备自动选择；首次使用会下载模型权重（默认走 `MARKER_HF_ENDPOINT` 镜像）。
 > 非 NVIDIA 平台完整 VLM 能力（公式 / 扫描页 OCR）需 llama.cpp 的 `llama-server`，否则用 `disable_ocr=True` 跳过。

{sdpy_kit-0.4.4 → sdpy_kit-0.4.5}/README.md

@@ -4,7 +4,7 @@ SDPY 统一工具集（Kit 体系），供 Python 项目开箱即用：
 
 - **统一数据库访问层**：PostgreSQL / MySQL / SQLite，三个 Kit API 完全一致，切换数据库只改一行 import；
 - **AI 多模型服务池**：chat / embedding / rerank / image 四类能力，多厂商候选链 + 故障自动转移；
-- **工具集**：Redis / 文件 / 雪花 ID / 文档互转 / Word 模板填充 / MinerU 解析 / Marker 本地解析（md + images） / Laya 类型化决策 / 微信公众号文章抓取存储 / 通用网页文章抓取存储。
+- **工具集**：Redis / 文件 / 雪花 ID / 文档互转 / Word 模板填充 / MinerU 解析 / Marker 本地解析（md + images/） / Laya 类型化决策 / 微信公众号文章抓取存储 / 通用网页文章抓取存储。
 
 > 要求 Python 3.13+
 
@@ -905,8 +905,8 @@ if r.state == "done":
 ```python
 from kit.docs.marker_kit import MarkerKit
 
-# 落盘 md + images（推荐）：源文件同目录下建同名子目录
-md_path = MarkerKit.convert_to_dir("report.pdf")              # -> report/report.md + 图片
+# 落盘 md + images/（推荐）：源文件同目录下建同名子目录
+md_path = MarkerKit.convert_to_dir("report.pdf")              # -> report/report.md + report/images/
 md_path = MarkerKit.convert_to_dir("report.pdf", "out/doc")   # 指定产物目录
 
 # 只取 Markdown 文本（图片不落盘）
@@ -927,11 +927,11 @@ MarkerKit.shutdown()   # 释放模型与推理服务（幂等）
 |------|------|
 | `is_supported(file_path) -> bool` | 扩展名白名单（pdf / 图片 / docx / pptx / xlsx / html / epub） |
 | `convert_to_md(file_path, *, mode=None, force_ocr=None, disable_ocr=None, page_range=None) -> str` | 解析并返回 Markdown 文本（图片不落盘） |
-| `convert_to_dir(src_path, output_dir=None, *, mode=None, force_ocr=None, disable_ocr=None, page_range=None, extract_images=True) -> str` | 解析并落盘 md + images，返回 md 绝对路径 |
+| `convert_to_dir(src_path, output_dir=None, *, mode=None, force_ocr=None, disable_ocr=None, page_range=None, extract_images=True) -> str` | 解析并落盘 md + `images/`，返回 md 绝对路径 |
 | `convert(src_path, output_dir=None, *, ...) -> MarkerResult` | 安全版：失败封装为 `MarkerResult`，不抛异常 |
 | `shutdown() -> None` | 释放模型与共享推理服务（幂等） |
 
-> 产物：`<output_dir>/<源文件名>.md` + 图片文件（md 内相对路径引用），**不生成** `_meta.json`。
+> 产物：`<output_dir>/<源文件名>.md` + `<output_dir>/images/`（md 内以 `images/<文件名>` 相对引用；无图片不建空目录），**不生成** `_meta.json`。
 > 结果类型：`MarkerResult`（`success` / `markdown` / `file_path` / `output_dir` / `md_path` / `image_paths` / `page_count` / `error`）；异常：`MarkerError`。
 > `mode` 缺省时不写入配置，交由 marker 按设备自动选择；首次使用会下载模型权重（默认走 `MARKER_HF_ENDPOINT` 镜像）。
 > 非 NVIDIA 平台完整 VLM 能力（公式 / 扫描页 OCR）需 llama.cpp 的 `llama-server`，否则用 `disable_ocr=True` 跳过。

{sdpy_kit-0.4.4 → sdpy_kit-0.4.5}/kit/__init__.py

@@ -23,7 +23,7 @@ Author: Clark Chang
 数据库访问通过 kit.db 子包提供（基于 SQLModel）。
 """
 
-__version__ = "0.4.4"
+__version__ = "0.4.5"
 
 from kit.db import (
     MYSQL,

{sdpy_kit-0.4.4 → sdpy_kit-0.4.5}/kit/docs/marker_kit.py

@@ -22,7 +22,7 @@ Author: Clark Chang
 
 本模块基于 marker-pdf（Marker v2.x，https://github.com/datalab-to/marker），
 在本地解析 PDF / 图片 / Office / HTML / EPUB，输出 GitHub-Flavored Markdown
-并提取图片，产物形态对齐 kit.docs.mineru_kit 的「md + images」。
+并提取图片，产物形态为「md + images/」一层（kit 文档解析类工具的统一契约）。
 
 与 kit.docs.anydoc_kit 的分工：
 - AnyDocKit：轻量文本转换（firecrawl-anydoc），只产出 Markdown 文本；
@@ -125,7 +125,7 @@ class MarkerResult:
         file_path: 源文件绝对路径
         output_dir: 产物目录绝对路径；未落盘时为 None
         md_path: 落盘的 Markdown 文件绝对路径；未落盘时为 None
-        image_paths: 落盘的图片文件绝对路径元组
+        image_paths: 落盘的图片文件绝对路径元组（位于 `<output_dir>/images/`）
         page_count: 文档页数，未知为 None
         error: 失败原因描述（异常类型与信息），成功时为 None
     """
@@ -143,8 +143,8 @@ class MarkerResult:
 class MarkerKit:
     """Marker 本地文档解析工具类，将文档转为 Markdown + Images
 
-    支持 PDF、图片、Office（docx/pptx/xlsx）、HTML、EPUB，产物形态对齐
-    kit.docs.mineru_kit（md + 图片落盘于同一目录，md 以相对路径引用图片）。
+    支持 PDF、图片、Office（docx/pptx/xlsx）、HTML、EPUB，产物形态为
+    「md + images/」一层（md 以 `images/<文件名>` 相对路径引用图片）。
 
     使用前安装可选依赖::
 
@@ -322,7 +322,25 @@ class MarkerKit:
         return Path(output_dir).resolve()
 
     @staticmethod
+    def _localize_image_refs(markdown: str, mapping: dict[str, str]) -> str:
+        """把 md 中的裸图片文件名引用改写为 `images/` 相对路径
+
+        Args:
+            markdown: marker 输出的 Markdown 原文
+            mapping: 原文件名 → 改写后的相对路径（如 `_page_0_Figure_1.jpeg`
+                → `images/_page_0_Figure_1.jpeg`）
+
+        Returns:
+            str: 改写后的 Markdown
+        """
+        for original, rel in mapping.items():
+            markdown = markdown.replace(f"]({original})", f"]({rel})")
+            markdown = markdown.replace(f'src="{original}"', f'src="{rel}"')
+        return markdown
+
+    @classmethod
     def _write_outputs(
+        cls,
         src: Path,
         out_dir: Path,
         markdown: str,
@@ -332,18 +350,25 @@ class MarkerKit:
     ) -> tuple[str, tuple[str, ...]]:
         """落盘 Markdown 与图片，返回 (md 路径, 图片路径元组)
 
+        产物为 `<out_dir>/<源文件名>.md` + `<out_dir>/images/` 图片目录，
+        md 内以 `images/<文件名>` 相对引用；无图片时不创建空 `images/`。
         图片名取 basename 防路径穿越；统一转 RGB 后再存（RGBA 存 JPEG 会失败）。
         """
         out_dir.mkdir(parents=True, exist_ok=True)
-        md_path = out_dir / f"{src.stem}.md"
-        md_path.write_text(markdown, encoding="utf-8")
-
         image_paths: list[str] = []
         if extract_images:
+            images_dir = out_dir / "images"
+            mapping: dict[str, str] = {}
             for name, image in images.items():
-                target = out_dir / Path(name).name
+                target = images_dir / Path(name).name
+                target.parent.mkdir(parents=True, exist_ok=True)
                 image.convert("RGB").save(target)
+                mapping[target.name] = f"images/{target.name}"
                 image_paths.append(str(target))
+            markdown = cls._localize_image_refs(markdown, mapping)
+
+        md_path = out_dir / f"{src.stem}.md"
+        md_path.write_text(markdown, encoding="utf-8")
         return str(md_path), tuple(image_paths)
 
     # ------------------------------------------------------------------
@@ -410,7 +435,8 @@ class MarkerKit:
     ) -> str:
         """解析文档并将 Markdown + 图片落盘到目录
 
-        产物写入 output_dir：`<源文件名>.md` 与若干图片文件（md 以相对路径引用）。
+        产物写入 output_dir：`<源文件名>.md` 与 `images/` 图片目录（md 内以
+        `images/<文件名>` 相对路径引用）；无图片时不创建空 `images/`。
         不生成 marker 默认的 `_meta.json`。
 
         Args: