更新MinIO文件上传逻辑，修改上传文件名为带路径格式；添加上传文件时的注释说明

md_processor.py

@@ -0,0 +1,244 @@
+import re
+from typing import List, Tuple, Optional
+import os
+
+class MarkdownProcessor:
+    """
+    Markdown文档处理器：处理标题层级、目录标记和格式清洗
+
+    这个处理器用于处理中文文档（如招股说明书等）的标题格式化和目录标记，
+    可将非标准的标题格式统一转换为Markdown标准的标题格式。
+    """
+
+    # 标题模式定义
+    PATTERNS = {
+        "first_level": re.compile(
+            r"^(重大事项提示|重要声明|声明|声明和承诺|目录|声明及承诺|发行人声明|"
+            r"发行概况|本次发行概况|声明与承诺|释义|第[一二三四五六七八九十百]{1,3}[节章])"
+        ),
+        "second_level": re.compile(r"^[一二三四五六七八九十]+、"),
+        "third_level": re.compile(r"^（[一二三四五六七八九十]+）"),
+    }
+
+    def __init__(self, debug: bool = False):
+        """
+        初始化Markdown处理器
+
+        Args:
+            debug: 是否开启调试模式，开启后会打印处理过程信息
+        """
+        self.debug = debug
+
+    def clean_lines(self, lines: List[str]) -> List[str]:
+        """
+        清理文本行：去除空行和规范化标题格式
+
+        Args:
+            lines: 原始文本行列表
+
+        Returns:
+            清理后的文本行列表
+        """
+        cleaned = []
+        for line in lines:
+            stripped = line.strip()
+            if not stripped:
+                continue
+
+            if re.match(r"^目\s*录$", stripped):
+                cleaned.append("目录")
+            elif stripped.startswith("#"):
+                # 移除现有的#号和空格，后续会重新添加正确的标题级别
+                cleaned.append(stripped.replace("#", "").strip())
+            else:
+                cleaned.append(stripped)
+
+        return cleaned
+
+    def clean_header(self, header: str) -> str:
+        # 去除所有空格和句点
+        header = re.sub(r"^[一二三四五六七八九十]+、", "", header)
+        header = re.sub(r"^（[一二三四五六七八九十]+）", "", header)
+        header = header.replace(" ", "").replace(".", "").replace("·", "")
+        # 去除行末的数字（匹配末尾的数字）
+        header = re.sub(r"\d+$", "", header)
+        return header
+
+    def mark_toc_lines(self, lines: List[str]) -> List[str]:
+        """
+        标记目录区域中的行，添加TOC:前缀
+
+        Args:
+            lines: 清理后的文本行列表
+
+        Returns:
+            标记了目录的文本行列表
+        """
+        result = []
+        toc_mode = False
+
+        all_table_content_str = ""
+
+        toc_min_end_len = 15
+
+        toc_counter = 0
+
+        for index, line in enumerate(lines):
+            if toc_mode:
+                toc_counter += 1
+            if re.match(r"目\s*录$", line.strip()):
+                toc_mode = True
+                result.append("目录")
+            elif (
+                toc_mode
+                and re.match(r".*释义$", line.strip().replace(" ", ""))
+                and toc_counter > toc_min_end_len  # 防止目录中的前几行就找到了结束标志
+            ):
+                # 目录区域结束标志
+                toc_mode = False
+                result.append(line)
+            elif toc_mode:
+                # 在目录区域内的行添加TOC:前缀
+                result.append(f"TOC:{line}")
+                all_table_content_str = all_table_content_str + self.clean_header(
+                    header=line
+                )
+            else:
+                result.append(line)
+
+        return result, all_table_content_str
+
+    def format_headings(self, lines: List[str], all_table_content_str) -> List[str]:
+        """
+        格式化标题，根据不同的模式添加对应的Markdown标题标记
+
+        Args:
+            lines: 文本行列表
+            all_table_content_str: 目录内容的字符串
+
+        Returns:
+            格式化标题后的文本行列表
+        """
+        formatted = []
+
+        for line in lines:
+            # 跳过已标记为目录的行
+            if line.startswith("TOC:"):
+                formatted.append(line)
+                continue
+
+            # 检查并格式化标题
+            if self.PATTERNS["first_level"].match(line):
+                new_line = f"\n# {line}\n"
+                if self.debug:
+                    print(f"第一级标题: {line}")
+                    print("-" * 20)
+            elif self.PATTERNS["second_level"].match(line):
+                # 移除中文序号 (如 "一、")
+                cleaned_line = re.sub(r"^[一二三四五六七八九十]+、", "", line)
+                # 检查清理后的内容是否在目录中
+                if self.clean_header(cleaned_line) in all_table_content_str:
+                    new_line = f"\n## {line}\n"
+                    if self.debug:
+                        print(f"第二级标题: {line}")
+                        print("-" * 20)
+                else:
+                    new_line = line
+            elif self.PATTERNS["third_level"].match(line):
+                # 移除中文序号 (如 "（一）")
+                cleaned_line = re.sub(r"^（[一二三四五六七八九十]+）", "", line)
+                # 检查清理后的内容是否在目录中
+                if self.clean_header(cleaned_line) in all_table_content_str:
+                    new_line = f"\n### {line}\n"
+                    if self.debug:
+                        print(f"第三级标题: {line}")
+                        print("-" * 20)
+                else:
+                    new_line = line
+            else:
+                new_line = line
+
+            formatted.append(new_line)
+
+        return formatted
+
+    def process_file(self, input_path: str, output_path: Optional[str] = None) -> str:
+        """
+        处理单个Markdown文件
+
+        Args:
+            input_path: 输入文件路径
+            output_path: 输出文件路径，如未指定则自动生成
+
+        Returns:
+            输出文件的路径
+        """
+        if not output_path:
+            # 自动生成输出文件名
+            base_name, ext = os.path.splitext(input_path)
+            output_path = f"{base_name}_processed{ext}"
+
+        # 读取文件
+        with open(input_path, "r", encoding="utf-8") as f:
+            lines = f.readlines()
+
+        # 处理流程：清理 -> 标记目录 -> 格式化标题
+        cleaned_lines = self.clean_lines(lines)
+        toc_marked_lines, all_table_content_str = self.mark_toc_lines(cleaned_lines)
+        formatted_lines = self.format_headings(toc_marked_lines, all_table_content_str)
+
+        print(f"目录文字串: {all_table_content_str}")
+
+        # 写入结果
+        with open(output_path, "w", encoding="utf-8") as f:
+            for line in formatted_lines:
+                f.write(line + "\n")
+
+        if self.debug:
+            print(f"处理完成! 结果已保存至: {output_path}")
+
+        return output_path
+
+
+def main():
+    """主函数，用于示例和命令行执行"""
+    import argparse
+
+    parser = argparse.ArgumentParser(description="Markdown文档标题与目录处理工具")
+    parser.add_argument("input_file", help="输入Markdown文件路径")
+    parser.add_argument("-o", "--output", help="输出Markdown文件路径(可选)")
+    parser.add_argument("-d", "--debug", action="store_true", help="启用调试输出")
+
+    args = parser.parse_args()
+    input_path = args.input_file
+    processor = MarkdownProcessor(debug=args.debug)
+
+    # 判断是文件还是目录
+    if os.path.isdir(input_path):
+        # 批量处理所有 .md 文件
+        for root, _, files in os.walk(input_path):
+            for file in files:
+                if file.endswith(".md"):
+                    file_path = os.path.join(root, file)
+                    output_dir = args.output if args.output else root
+                    os.makedirs(output_dir, exist_ok=True)
+                    output_filename = os.path.splitext(file)[0] + "_processed.md"
+                    output_path = os.path.join(output_dir, output_filename)
+                    print(f"处理文件: {file_path}")
+                    processor.process_file(file_path, output_path)
+    else:
+        # 单文件处理
+        output_path = processor.process_file(input_path, args.output)
+        print(f"文件处理完成，输出路径: {output_path}")
+    return
+
+
+if __name__ == "__main__":
+    main()
+    # 测试代码
+    # processor = MarkdownProcessor(debug=True)
+    # input_path = "安徽天源.md"
+    # output_path = "安徽天源科技股份有限公司_processed.md"
+
+    # processor.process_file(input_path, output_path)
+    # 使用方法python md_processor.py input_folder/input_file -o output_folder

minio_api.py

@@ -86,9 +86,17 @@ minio_client= get_minio_client()
 
 # 要上传的存储桶信息
 bucket_name = "my-bucket"  # 替换为你的存储桶名称
-object_name = "1.jpg"  # 文件在MinIO中存储的名称
+object_name = "image/1.jpg"  # 文件在MinIO中存储的名称
 file_path = "G:\\11\\ragflow_api_test\\2.jpg"  # 本地文件路径
 
+
+# 通过fput_object上传时：
+
+# 如果object_name为image\image.jpg，则上传后的名字就是image\image.jpg；
+
+# 如果object_name为image/image.jpg，则上传后image为文件夹，文件名为image.jpg；
+
+
 try:
     # 检查存储桶是否存在，如果不存在则创建（可选）
     if not minio_client.bucket_exists(bucket_name):
@@ -101,9 +109,13 @@ try:
         object_name=object_name,
         file_path=file_path
     )
+
     # 获取文件的预签名URL（可选）
     res = minio_client.get_presigned_url("GET", bucket_name, object_name, expires=timedelta(days=7))
-    #res=minio_client.share_file(bucket_name, object_name, 7)
+
+    #res = "http://127.0.0.1:9000" + "/"+bucket_name+"/"  + object_name
+
+    
     print(res)
     print(f"文件 '{file_path}' 成功上传到存储桶 '{bucket_name}' 为 '{object_name}'")