refactor(docker): 完整重構 Dockerfile v0.1.16

BREAKING CHANGE: Dockerfile 結構重新設計

## 重構內容

### Multi-Stage Build 結構
- Stage 1 [base]: Bun runtime 基礎
- Stage 2 [install]: Node 依賴安裝
- Stage 3 [prerelease]: 應用程式建構
- Stage 4 [system-tools]: APT 系統工具(拆分為 14 個獨立 RUN)
- Stage 5 [fonts]: 字型安裝
- Stage 6 [python-tools]: Python CLI 工具(拆分為 9 個獨立 RUN)
- Stage 7 [models]: 模型下載
- Stage 8 [release]: 最終 Image

### 新增 Scripts
- install-system-tools.sh: 系統工具安裝
- install-fonts.sh: 字型安裝
- install-python-tools.sh: Python 工具安裝
- download-models.sh: 模型下載
- verify-installation.sh: 完整安裝驗證

### 刪除舊檔案
- Dockerfile.backup
- Dockerfile.offline
- Dockerfile.old

### 路徑更新
- MinerU 模型: /opt/convertx/models/mineru/PDF-Extract-Kit-1.0
- BabelDOC 快取: /root/.cache/babeldoc

### Multi-Arch 支援
- linux/amd64: 功能完整
- linux/arm64: 安全降級(MinerU/resvg 跳過)

Closes #docker-refactor
This commit is contained in:
Your Name 2026-01-25 13:15:31 +08:00
parent e43649bc96
commit 55b0f519ab
10 changed files with 1797 additions and 2008 deletions

306
scripts/download-models.sh Normal file
View file

@ -0,0 +1,306 @@
#!/usr/bin/env bash
# ==============================================================================
# ConvertX-CN 模型下載腳本
# ==============================================================================
# 用途:下載所有 AI 模型MinerU, BabelDOC, PDFMathTranslate
# 執行環境Docker build stage (models-download)
#
# ⚠️ 重要:此腳本在 build time 執行,下載所有模型到固定目錄
# Runtime 完全離線,不得有任何下載行為
# ==============================================================================
set -euo pipefail
# 顏色輸出
RED='\033[0;31m'
GREEN='\033[0;32m'
YELLOW='\033[1;33m'
BLUE='\033[0;34m'
NC='\033[0m'
log_info() { echo -e "${BLUE}📥 [INFO]${NC} $1"; }
log_success() { echo -e "${GREEN}✅ [SUCCESS]${NC} $1"; }
log_warn() { echo -e "${YELLOW}⚠️ [WARN]${NC} $1"; }
log_error() { echo -e "${RED}❌ [ERROR]${NC} $1"; }
# 架構檢測
ARCH=$(uname -m)
log_info "檢測架構: ${ARCH}"
# ==============================================================================
# 目錄定義
# ==============================================================================
MODELS_BASE_DIR="/opt/convertx/models"
MINERU_MODELS_DIR="${MODELS_BASE_DIR}/mineru"
BABELDOC_CACHE_DIR="/root/.cache/babeldoc"
BABELDOC_MODELS_DIR="${BABELDOC_CACHE_DIR}/models"
BABELDOC_FONTS_DIR="${BABELDOC_CACHE_DIR}/fonts"
BABELDOC_CMAP_DIR="${BABELDOC_CACHE_DIR}/cmap"
BABELDOC_TIKTOKEN_DIR="${BABELDOC_CACHE_DIR}/tiktoken"
# ==============================================================================
# 創建目錄結構
# ==============================================================================
create_directories() {
log_info "創建模型目錄結構..."
mkdir -p "${MINERU_MODELS_DIR}"
mkdir -p "${BABELDOC_MODELS_DIR}"
mkdir -p "${BABELDOC_FONTS_DIR}"
mkdir -p "${BABELDOC_CMAP_DIR}"
mkdir -p "${BABELDOC_TIKTOKEN_DIR}"
log_success "目錄結構創建完成"
}
# ==============================================================================
# 下載 MinerU Pipeline 模型
# ==============================================================================
download_mineru_models() {
log_info "下載 MinerU Pipeline 模型..."
if [ "${ARCH}" = "aarch64" ]; then
log_warn "ARM64跳過 MinerU 模型下載(不支援)"
return 0
fi
python3 << 'PYTHON'
from huggingface_hub import snapshot_download
import os
models_dir = os.environ.get('MINERU_MODELS_DIR', '/opt/convertx/models/mineru')
print(f'下載 PDF-Extract-Kit-1.0 到 {models_dir}...')
try:
snapshot_download(
repo_id='opendatalab/PDF-Extract-Kit-1.0',
local_dir=f'{models_dir}/PDF-Extract-Kit-1.0',
local_dir_use_symlinks=False,
resume_download=True
)
print('✅ PDF-Extract-Kit-1.0 下載完成')
except Exception as e:
print(f'❌ 下載失敗: {e}')
raise
PYTHON
# 顯示模型大小
log_info "MinerU 模型目錄內容:"
du -sh "${MINERU_MODELS_DIR}/PDF-Extract-Kit-1.0" 2>/dev/null || true
ls -la "${MINERU_MODELS_DIR}/" 2>/dev/null || true
log_success "MinerU 模型下載完成"
}
# ==============================================================================
# 產生 MinerU 配置檔
# ==============================================================================
generate_mineru_config() {
log_info "產生 MinerU 配置檔..."
if [ "${ARCH}" = "aarch64" ]; then
log_warn "ARM64跳過 MinerU 配置"
return 0
fi
python3 << 'PYTHON'
import json
import os
mineru_models_dir = os.environ.get('MINERU_MODELS_DIR', '/opt/convertx/models/mineru')
config = {
'models-dir': {
'pipeline': f'{mineru_models_dir}/PDF-Extract-Kit-1.0',
'vlm': ''
},
'model-source': 'local',
'latex-delimiter-config': {
'display': {'left': '@@', 'right': '@@'},
'inline': {'left': '@', 'right': '@'}
}
}
# 寫入多個位置
config_paths = [
'/opt/convertx/mineru.json',
'/root/mineru.json'
]
for path in config_paths:
os.makedirs(os.path.dirname(path), exist_ok=True)
with open(path, 'w') as f:
json.dump(config, f, indent=2)
print(f'✅ 已產生: {path}')
print(json.dumps(config, indent=2))
PYTHON
log_success "MinerU 配置檔產生完成"
}
# ==============================================================================
# BabelDOC warmup下載所有資源
# ==============================================================================
babeldoc_warmup() {
log_info "執行 BabelDOC warmup..."
export BABELDOC_CACHE_PATH="${BABELDOC_CACHE_DIR}"
if command -v babeldoc >/dev/null 2>&1; then
babeldoc --warmup 2>&1 || {
log_warn "BabelDOC warmup 可能有警告,但繼續"
}
log_info "BabelDOC 快取內容:"
ls -la "${BABELDOC_CACHE_DIR}/" 2>/dev/null || true
du -sh "${BABELDOC_CACHE_DIR}/" 2>/dev/null || true
else
log_warn "babeldoc 不可用,跳過 warmup"
fi
log_success "BabelDOC warmup 完成"
}
# ==============================================================================
# 下載 tiktoken 編碼
# ==============================================================================
download_tiktoken() {
log_info "下載 tiktoken 編碼..."
python3 << 'PYTHON'
try:
import tiktoken
encodings = ['cl100k_base', 'p50k_base', 'r50k_base']
for enc_name in encodings:
try:
enc = tiktoken.get_encoding(enc_name)
print(f'✅ tiktoken {enc_name} 已下載')
except Exception as e:
print(f'⚠️ tiktoken {enc_name} 下載失敗: {e}')
except ImportError:
print('⚠️ tiktoken 未安裝,跳過')
PYTHON
log_success "tiktoken 編碼下載完成"
}
# ==============================================================================
# 複製預下載的 ONNX 模型(從 COPY 複製)
# ==============================================================================
setup_onnx_models() {
log_info "設定 ONNX 模型..."
# 如果有預下載的模型,複製到正確位置
local ONNX_MODEL="doclayout_yolo_docstructbench_imgsz1024.onnx"
local SRC_PATHS=(
"/app/models/${ONNX_MODEL}"
"/tmp/models/${ONNX_MODEL}"
)
for src in "${SRC_PATHS[@]}"; do
if [ -f "${src}" ]; then
cp "${src}" "${BABELDOC_MODELS_DIR}/"
log_success "已複製 ONNX 模型: ${src} -> ${BABELDOC_MODELS_DIR}/"
return 0
fi
done
log_warn "未找到預下載的 ONNX 模型,將依賴 babeldoc --warmup"
}
# ==============================================================================
# 驗證下載結果
# ==============================================================================
verify_downloads() {
log_info "驗證模型下載..."
echo ""
echo "模型目錄統計:"
echo "=============================================="
# MinerU
if [ "${ARCH}" != "aarch64" ]; then
if [ -d "${MINERU_MODELS_DIR}/PDF-Extract-Kit-1.0" ]; then
local size
size=$(du -sh "${MINERU_MODELS_DIR}/PDF-Extract-Kit-1.0" 2>/dev/null | awk '{print $1}')
echo " ✅ MinerU Pipeline: ${size}"
else
echo " ❌ MinerU Pipeline: 不存在"
fi
if [ -f "/root/mineru.json" ]; then
echo " ✅ MinerU 配置檔: 已產生"
else
echo " ❌ MinerU 配置檔: 不存在"
fi
else
echo " ⚠️ MinerU: ARM64 跳過"
fi
# BabelDOC
if [ -d "${BABELDOC_CACHE_DIR}" ]; then
local size
size=$(du -sh "${BABELDOC_CACHE_DIR}" 2>/dev/null | awk '{print $1}')
echo " ✅ BabelDOC 快取: ${size}"
else
echo " ⚠️ BabelDOC 快取: 不存在"
fi
# ONNX 模型
if [ -f "${BABELDOC_MODELS_DIR}/doclayout_yolo_docstructbench_imgsz1024.onnx" ]; then
local size
size=$(ls -lh "${BABELDOC_MODELS_DIR}/doclayout_yolo_docstructbench_imgsz1024.onnx" | awk '{print $5}')
echo " ✅ DocLayout-YOLO ONNX: ${size}"
else
echo " ⚠️ DocLayout-YOLO ONNX: 不存在"
fi
echo "=============================================="
log_success "驗證完成"
}
# ==============================================================================
# 清理下載快取
# ==============================================================================
cleanup_cache() {
log_info "清理下載快取..."
rm -rf /tmp/hf_download_cache 2>/dev/null || true
rm -rf /root/.cache/huggingface 2>/dev/null || true
rm -rf /root/.cache/pip 2>/dev/null || true
rm -rf /root/.cache/uv 2>/dev/null || true
# 清理 Python cache
find /usr -type d -name "__pycache__" -exec rm -rf {} + 2>/dev/null || true
log_success "快取清理完成"
}
# ==============================================================================
# 主程式
# ==============================================================================
main() {
log_info "=========================================="
log_info "開始下載模型 (${ARCH})"
log_info "=========================================="
create_directories
download_mineru_models
generate_mineru_config
setup_onnx_models
babeldoc_warmup
download_tiktoken
verify_downloads
cleanup_cache
log_success "=========================================="
log_success "所有模型下載完成!"
log_success "=========================================="
}
# 執行
main "$@"

174
scripts/install-fonts.sh Normal file
View file

@ -0,0 +1,174 @@
#!/usr/bin/env bash
# ==============================================================================
# ConvertX-CN 字型安裝腳本
# ==============================================================================
# 用途:安裝所有系統字型和自訂字型
# 執行環境Docker build stage (fonts)
# ==============================================================================
set -euo pipefail
# 顏色輸出
RED='\033[0;31m'
GREEN='\033[0;32m'
YELLOW='\033[1;33m'
BLUE='\033[0;34m'
NC='\033[0m'
log_info() { echo -e "${BLUE}🔤 [INFO]${NC} $1"; }
log_success() { echo -e "${GREEN}✅ [SUCCESS]${NC} $1"; }
log_warn() { echo -e "${YELLOW}⚠️ [WARN]${NC} $1"; }
log_error() { echo -e "${RED}❌ [ERROR]${NC} $1"; }
# 目錄定義
CUSTOM_FONTS_DIR="/usr/share/fonts/truetype/custom"
BABELDOC_FONTS_DIR="/root/.cache/babeldoc/fonts"
# ==============================================================================
# 系統字型APT
# ==============================================================================
install_system_fonts() {
log_info "安裝系統字型..."
apt-get update --fix-missing
apt-get install -y --no-install-recommends \
fonts-noto-cjk \
fonts-noto-cjk-extra \
fonts-noto-core \
fonts-noto-color-emoji \
fonts-liberation \
fonts-dejavu-core \
fonts-dejavu-extra \
fonts-freefont-ttf \
fonts-droid-fallback
rm -rf /var/lib/apt/lists/*
log_success "系統字型安裝完成"
}
# ==============================================================================
# 複製自訂字型
# ==============================================================================
install_custom_fonts() {
log_info "安裝自訂字型..."
# 創建目錄
mkdir -p "${CUSTOM_FONTS_DIR}"
mkdir -p "${BABELDOC_FONTS_DIR}"
# 檢查並複製字型
local FONTS_SRC="${1:-/app/fonts}"
if [ -d "${FONTS_SRC}" ]; then
log_info "複製字型從 ${FONTS_SRC}..."
# 複製所有 TTF 字型
find "${FONTS_SRC}" -type f \( -name "*.ttf" -o -name "*.TTF" -o -name "*.otf" -o -name "*.OTF" \) \
-exec cp -v {} "${CUSTOM_FONTS_DIR}/" \; 2>/dev/null || true
# 設定權限
chmod 644 "${CUSTOM_FONTS_DIR}"/* 2>/dev/null || true
# 統計
local COUNT
COUNT=$(find "${CUSTOM_FONTS_DIR}" -type f | wc -l)
log_success "已複製 ${COUNT} 個自訂字型"
else
log_warn "字型來源目錄 ${FONTS_SRC} 不存在"
fi
}
# ==============================================================================
# 同步字型到 BabelDOC 目錄
# ==============================================================================
sync_babeldoc_fonts() {
log_info "同步字型到 BabelDOC 目錄..."
mkdir -p "${BABELDOC_FONTS_DIR}"
# 複製關鍵字型到 BabelDOC
local fonts=(
"GoNotoKurrent-Regular.ttf"
"SourceHanSerifCN-Regular.ttf"
"SourceHanSerifTW-Regular.ttf"
"SourceHanSerifJP-Regular.ttf"
"SourceHanSerifKR-Regular.ttf"
"BiauKai.ttf"
)
for font in "${fonts[@]}"; do
if [ -f "${CUSTOM_FONTS_DIR}/${font}" ]; then
cp "${CUSTOM_FONTS_DIR}/${font}" "${BABELDOC_FONTS_DIR}/"
log_info " 已同步: ${font}"
fi
done
log_success "BabelDOC 字型同步完成"
}
# ==============================================================================
# 更新字型快取
# ==============================================================================
update_font_cache() {
log_info "更新字型快取..."
fc-cache -fv
log_success "字型快取更新完成"
}
# ==============================================================================
# 驗證字型安裝
# ==============================================================================
verify_fonts() {
log_info "驗證字型安裝..."
echo "系統字型目錄統計:"
echo " /usr/share/fonts: $(find /usr/share/fonts -type f \( -name '*.ttf' -o -name '*.otf' \) | wc -l) 個字型"
echo " ${CUSTOM_FONTS_DIR}: $(find "${CUSTOM_FONTS_DIR}" -type f 2>/dev/null | wc -l) 個字型"
echo " ${BABELDOC_FONTS_DIR}: $(find "${BABELDOC_FONTS_DIR}" -type f 2>/dev/null | wc -l) 個字型"
# 列出自訂字型
if [ -d "${CUSTOM_FONTS_DIR}" ]; then
echo ""
echo "自訂字型清單:"
ls -la "${CUSTOM_FONTS_DIR}/" 2>/dev/null || echo " (無)"
fi
# 驗證關鍵字型
echo ""
echo "關鍵字型驗證:"
local required_fonts=(
"Noto Sans CJK"
"Source Han Serif"
"Liberation"
)
for font in "${required_fonts[@]}"; do
if fc-list | grep -qi "${font}"; then
echo "${font}: 已安裝"
else
echo " ⚠️ ${font}: 未找到"
fi
done
log_success "字型驗證完成"
}
# ==============================================================================
# 主程式
# ==============================================================================
main() {
log_info "=========================================="
log_info "開始安裝字型"
log_info "=========================================="
install_system_fonts
install_custom_fonts "${1:-/app/fonts}"
sync_babeldoc_fonts
update_font_cache
verify_fonts
log_success "=========================================="
log_success "所有字型安裝完成!"
log_success "=========================================="
}
# 執行(可接收字型來源目錄參數)
main "$@"

View file

@ -0,0 +1,219 @@
#!/usr/bin/env bash
# ==============================================================================
# ConvertX-CN Python 工具安裝腳本
# ==============================================================================
# 用途:安裝所有 Python CLI 工具
# 執行環境Docker build stage (python-tools)
# ==============================================================================
set -euo pipefail
# 顏色輸出
RED='\033[0;31m'
GREEN='\033[0;32m'
YELLOW='\033[1;33m'
BLUE='\033[0;34m'
NC='\033[0m'
log_info() { echo -e "${BLUE}🐍 [INFO]${NC} $1"; }
log_success() { echo -e "${GREEN}✅ [SUCCESS]${NC} $1"; }
log_warn() { echo -e "${YELLOW}⚠️ [WARN]${NC} $1"; }
log_error() { echo -e "${RED}❌ [ERROR]${NC} $1"; }
# 架構檢測
ARCH=$(uname -m)
log_info "檢測架構: ${ARCH}"
# ==============================================================================
# Python 基礎環境
# ==============================================================================
install_python_base() {
log_info "安裝 Python 基礎環境..."
apt-get update --fix-missing
apt-get install -y --no-install-recommends \
python3 \
python3-pip \
python3-venv \
python3-numpy \
python3-tinycss2 \
python3-opencv \
python3-img2pdf
rm -rf /var/lib/apt/lists/*
log_success "Python 基礎環境安裝完成: $(python3 --version)"
}
# ==============================================================================
# uv 套件管理器
# ==============================================================================
install_uv() {
log_info "安裝 uv 套件管理器..."
pip3 install --no-cache-dir --break-system-packages uv
log_success "uv 安裝完成: $(uv --version)"
}
# ==============================================================================
# huggingface_hub模型下載
# ==============================================================================
install_huggingface_hub() {
log_info "安裝 huggingface_hub..."
uv pip install --system --break-system-packages --no-cache huggingface_hub
log_success "huggingface_hub 安裝完成"
}
# ==============================================================================
# endesivePDF 簽章)
# ==============================================================================
install_endesive() {
log_info "安裝 endesivePDF 簽章)..."
# endesive 需要編譯依賴
apt-get update --fix-missing
apt-get install -y --no-install-recommends \
build-essential \
swig \
libpcsclite-dev \
python3-dev
uv pip install --system --break-system-packages --no-cache endesive
# 清理編譯依賴
apt-get remove -y build-essential swig python3-dev
apt-get autoremove -y
rm -rf /var/lib/apt/lists/*
log_success "endesive 安裝完成"
}
# ==============================================================================
# markitdown
# ==============================================================================
install_markitdown() {
log_info "安裝 markitdown..."
uv pip install --system --break-system-packages --no-cache "markitdown[all]"
log_success "markitdown 安裝完成"
}
# ==============================================================================
# pdf2zhPDFMathTranslate
# ==============================================================================
install_pdf2zh() {
log_info "安裝 pdf2zh..."
uv pip install --system --break-system-packages --no-cache pdf2zh
if command -v pdf2zh >/dev/null 2>&1; then
log_success "pdf2zh 安裝完成"
else
log_warn "pdf2zh 可能安裝到非標準路徑"
fi
}
# ==============================================================================
# babeldoc
# ==============================================================================
install_babeldoc() {
log_info "安裝 babeldoc..."
uv pip install --system --break-system-packages --no-cache babeldoc || {
log_warn "babeldoc 安裝可能有警告,但繼續"
}
if command -v babeldoc >/dev/null 2>&1; then
log_success "babeldoc 安裝完成"
else
log_warn "babeldoc 可能安裝到非標準路徑"
fi
}
# ==============================================================================
# MinerU
# ==============================================================================
install_mineru() {
log_info "安裝 MinerU..."
if [ "${ARCH}" = "aarch64" ]; then
log_warn "ARM64MinerU 不完全支援,跳過安裝"
return 0
fi
# 使用 system-level 安裝
uv pip install --system --break-system-packages --no-cache -U "mineru[all]"
# 驗證安裝
if command -v mineru >/dev/null 2>&1; then
log_success "MinerU 安裝完成: $(which mineru)"
mineru --version 2>/dev/null || log_info "(版本資訊可能不可用)"
else
log_warn "MinerU 可能安裝到非標準路徑"
fi
}
# ==============================================================================
# tiktokenBabelDOC 依賴)
# ==============================================================================
install_tiktoken() {
log_info "安裝 tiktoken..."
uv pip install --system --break-system-packages --no-cache tiktoken
log_success "tiktoken 安裝完成"
}
# ==============================================================================
# 驗證安裝
# ==============================================================================
verify_installations() {
log_info "驗證 Python 工具安裝..."
local tools=(
"python3:Python"
"pip3:pip"
"uv:uv"
"markitdown:markitdown"
"pdf2zh:pdf2zh"
"babeldoc:babeldoc"
)
# MinerU 僅在 AMD64
if [ "${ARCH}" != "aarch64" ]; then
tools+=("mineru:MinerU")
fi
echo ""
echo "工具驗證結果:"
for tool_pair in "${tools[@]}"; do
local cmd="${tool_pair%%:*}"
local name="${tool_pair#*:}"
if command -v "${cmd}" >/dev/null 2>&1; then
echo "${name}: $(which "${cmd}")"
else
echo " ⚠️ ${name}: 未在 PATH 中找到"
fi
done
log_success "驗證完成"
}
# ==============================================================================
# 主程式
# ==============================================================================
main() {
log_info "=========================================="
log_info "開始安裝 Python 工具 (${ARCH})"
log_info "=========================================="
install_python_base
install_uv
install_huggingface_hub
install_endesive
install_markitdown
install_pdf2zh
install_babeldoc
install_mineru
install_tiktoken
verify_installations
log_success "=========================================="
log_success "所有 Python 工具安裝完成!"
log_success "=========================================="
}
# 執行
main "$@"

View file

@ -0,0 +1,305 @@
#!/usr/bin/env bash
# ==============================================================================
# ConvertX-CN 系統工具安裝腳本
# ==============================================================================
# 用途:安裝所有系統級轉換工具和依賴
# 執行環境Docker build stage (system-tools)
# ==============================================================================
set -euo pipefail
# 顏色輸出
RED='\033[0;31m'
GREEN='\033[0;32m'
YELLOW='\033[1;33m'
BLUE='\033[0;34m'
NC='\033[0m' # No Color
log_info() { echo -e "${BLUE}📦 [INFO]${NC} $1"; }
log_success() { echo -e "${GREEN}✅ [SUCCESS]${NC} $1"; }
log_warn() { echo -e "${YELLOW}⚠️ [WARN]${NC} $1"; }
log_error() { echo -e "${RED}❌ [ERROR]${NC} $1"; }
# 架構檢測
ARCH=$(uname -m)
log_info "檢測架構: ${ARCH}"
# ==============================================================================
# APT 配置
# ==============================================================================
configure_apt() {
log_info "配置 APT 重試機制..."
cat > /etc/apt/apt.conf.d/80-retries <<EOF
Acquire::Retries "5";
Acquire::http::Timeout "120";
Acquire::https::Timeout "120";
Acquire::ftp::Timeout "120";
APT::Get::Assume-Yes "true";
DPkg::Lock::Timeout "120";
EOF
}
# ==============================================================================
# 基礎系統工具
# ==============================================================================
install_base_tools() {
log_info "安裝基礎系統工具..."
apt-get update --fix-missing
apt-get install -y --no-install-recommends \
locales \
ca-certificates \
curl \
wget \
unzip \
openssl \
git \
xz-utils
rm -rf /var/lib/apt/lists/*
log_success "基礎系統工具安裝完成"
}
# ==============================================================================
# 核心轉換工具(輕量)
# ==============================================================================
install_core_converters() {
log_info "安裝核心轉換工具..."
apt-get update --fix-missing
apt-get install -y --no-install-recommends \
assimp-utils \
dcraw \
dvisvgm \
ghostscript \
graphicsmagick \
mupdf-tools \
poppler-utils \
potrace \
qpdf
rm -rf /var/lib/apt/lists/*
log_success "核心轉換工具安裝完成"
}
# ==============================================================================
# daselJSON/YAML/TOML 轉換)
# ==============================================================================
install_dasel() {
log_info "安裝 dasel..."
local DASEL_VERSION="2.8.1"
local DASEL_ARCH
if [ "${ARCH}" = "aarch64" ]; then
DASEL_ARCH="linux_arm64"
else
DASEL_ARCH="linux_amd64"
fi
curl -sSLf --retry 3 --retry-delay 5 --retry-all-errors \
"https://github.com/TomWright/dasel/releases/download/v${DASEL_VERSION}/dasel_${DASEL_ARCH}" \
-o /usr/local/bin/dasel
chmod +x /usr/local/bin/dasel
log_success "dasel 安裝完成: $(dasel --version)"
}
# ==============================================================================
# resvgSVG 渲染器)
# ==============================================================================
install_resvg() {
log_info "安裝 resvg..."
local RESVG_VERSION="0.44.0"
if [ "${ARCH}" = "aarch64" ]; then
log_warn "resvg 無 ARM64 預編譯版本,跳過安裝"
return 0
fi
curl -sSLf --retry 3 --retry-delay 5 --retry-all-errors \
"https://github.com/linebender/resvg/releases/download/v${RESVG_VERSION}/resvg-linux-x86_64.tar.gz" \
-o /tmp/resvg.tar.gz
tar -xzf /tmp/resvg.tar.gz -C /tmp/
mv /tmp/resvg /usr/local/bin/resvg
chmod +x /usr/local/bin/resvg
rm -rf /tmp/resvg.tar.gz
log_success "resvg 安裝完成"
}
# ==============================================================================
# deark檔案格式解碼器
# ==============================================================================
install_deark() {
log_info "編譯安裝 deark..."
apt-get update --fix-missing
apt-get install -y --no-install-recommends build-essential
cd /tmp
git clone --depth 1 https://github.com/jsummers/deark.git
cd deark
make -j"$(nproc)"
cp deark /usr/local/bin/deark
chmod +x /usr/local/bin/deark
# 清理
cd /
rm -rf /tmp/deark
apt-get remove -y build-essential
apt-get autoremove -y
rm -rf /var/lib/apt/lists/*
log_success "deark 安裝完成"
}
# ==============================================================================
# vtracer向量圖追蹤
# ==============================================================================
install_vtracer() {
log_info "安裝 vtracer..."
local VTRACER_VERSION="0.6.4"
local VTRACER_ASSET
if [ "${ARCH}" = "aarch64" ]; then
VTRACER_ASSET="vtracer-aarch64-unknown-linux-musl.tar.gz"
else
VTRACER_ASSET="vtracer-x86_64-unknown-linux-musl.tar.gz"
fi
curl -L --retry 3 --retry-delay 5 --retry-all-errors \
-o /tmp/vtracer.tar.gz \
"https://github.com/visioncortex/vtracer/releases/download/${VTRACER_VERSION}/${VTRACER_ASSET}"
tar -xzf /tmp/vtracer.tar.gz -C /tmp/
mv /tmp/vtracer /usr/local/bin/vtracer
chmod +x /usr/local/bin/vtracer
rm -rf /tmp/vtracer.tar.gz
log_success "vtracer 安裝完成"
}
# ==============================================================================
# FFmpeg影音處理
# ==============================================================================
install_ffmpeg() {
log_info "安裝 FFmpeg..."
apt-get update --fix-missing
apt-get install -y --no-install-recommends \
ffmpeg \
libavcodec-extra \
libva2
rm -rf /var/lib/apt/lists/*
log_success "FFmpeg 安裝完成: $(ffmpeg -version | head -1)"
}
# ==============================================================================
# 圖像處理工具ImageMagick, Inkscape, vips 等)
# ==============================================================================
install_image_tools() {
log_info "安裝圖像處理工具..."
apt-get update --fix-missing
apt-get install -y --no-install-recommends \
imagemagick \
inkscape \
libheif-examples \
libjxl-tools \
libvips-tools \
xauth \
xvfb
rm -rf /var/lib/apt/lists/*
log_success "圖像處理工具安裝完成"
}
# ==============================================================================
# 文件處理工具Calibre, Pandoc
# ==============================================================================
install_document_tools() {
log_info "安裝 Calibre + Pandoc..."
apt-get update --fix-missing
apt-get install -y --no-install-recommends \
calibre \
libemail-outlook-message-perl \
pandoc
rm -rf /var/lib/apt/lists/*
log_success "Calibre + Pandoc 安裝完成"
}
# ==============================================================================
# LibreOffice
# ==============================================================================
install_libreoffice() {
log_info "安裝 LibreOffice需數分鐘..."
apt-get update --fix-missing
apt-get install -y --no-install-recommends libreoffice
rm -rf /var/lib/apt/lists/*
log_success "LibreOffice 安裝完成"
}
# ==============================================================================
# TexLiveLaTeX
# ==============================================================================
install_texlive() {
log_info "安裝 TexLive 基礎..."
apt-get update --fix-missing
apt-get install -y --no-install-recommends \
texlive-base \
texlive-latex-base \
texlive-latex-recommended \
texlive-fonts-recommended \
texlive-xetex \
latexmk \
lmodern
rm -rf /var/lib/apt/lists/*
log_info "安裝 TexLive 語言包..."
apt-get update --fix-missing
apt-get install -y --no-install-recommends \
texlive-lang-cjk \
texlive-lang-german \
texlive-lang-french \
texlive-lang-arabic \
texlive-lang-other
rm -rf /var/lib/apt/lists/*
log_success "TexLive 安裝完成"
}
# ==============================================================================
# Tesseract OCR
# ==============================================================================
install_tesseract() {
log_info "安裝 Tesseract OCR..."
apt-get update --fix-missing
apt-get install -y --no-install-recommends \
tesseract-ocr \
tesseract-ocr-eng \
tesseract-ocr-chi-tra \
tesseract-ocr-chi-sim \
tesseract-ocr-jpn \
tesseract-ocr-kor \
tesseract-ocr-deu \
tesseract-ocr-fra \
ocrmypdf
rm -rf /var/lib/apt/lists/*
log_success "Tesseract OCR 安裝完成"
}
# ==============================================================================
# 主程式
# ==============================================================================
main() {
log_info "=========================================="
log_info "開始安裝系統工具 (${ARCH})"
log_info "=========================================="
configure_apt
install_base_tools
install_core_converters
install_dasel
install_resvg
install_deark
install_vtracer
install_ffmpeg
install_image_tools
install_document_tools
install_libreoffice
install_texlive
install_tesseract
log_success "=========================================="
log_success "所有系統工具安裝完成!"
log_success "=========================================="
}
# 執行
main "$@"

View file

@ -0,0 +1,341 @@
#!/usr/bin/env bash
# ==============================================================================
# ConvertX-CN 安裝驗證腳本
# ==============================================================================
# 用途:在 Docker build 最終階段驗證所有工具和模型
# 執行環境Docker build stage (final) 或 runtime 驗證
# ==============================================================================
set -euo pipefail
# 顏色輸出
RED='\033[0;31m'
GREEN='\033[0;32m'
YELLOW='\033[1;33m'
BLUE='\033[0;34m'
NC='\033[0m'
log_info() { echo -e "${BLUE}🔍 [INFO]${NC} $1"; }
log_success() { echo -e "${GREEN}✅ [SUCCESS]${NC} $1"; }
log_warn() { echo -e "${YELLOW}⚠️ [WARN]${NC} $1"; }
log_error() { echo -e "${RED}❌ [ERROR]${NC} $1"; }
# 架構檢測
ARCH=$(uname -m)
# 計數器
PASS=0
FAIL=0
WARN=0
SKIP=0
# ==============================================================================
# 檢查工具函數
# ==============================================================================
check_command() {
local cmd="$1"
local name="$2"
local required="${3:-true}"
local arch_only="${4:-all}"
# 架構檢查
if [ "${arch_only}" != "all" ] && [ "${ARCH}" != "${arch_only}" ]; then
echo " ⏭️ ${name}: 跳過(僅 ${arch_only}"
((SKIP++))
return 0
fi
if command -v "${cmd}" >/dev/null 2>&1; then
local path
path=$(which "${cmd}")
echo "${name}: ${path}"
((PASS++))
else
if [ "${required}" = "true" ]; then
echo "${name}: 未找到(必要)"
((FAIL++))
else
echo " ⚠️ ${name}: 未找到(可選)"
((WARN++))
fi
fi
}
check_file() {
local path="$1"
local name="$2"
local required="${3:-true}"
local arch_only="${4:-all}"
# 架構檢查
if [ "${arch_only}" != "all" ] && [ "${ARCH}" != "${arch_only}" ]; then
echo " ⏭️ ${name}: 跳過(僅 ${arch_only}"
((SKIP++))
return 0
fi
if [ -f "${path}" ]; then
local size
size=$(ls -lh "${path}" 2>/dev/null | awk '{print $5}')
echo "${name}: ${size}"
((PASS++))
else
if [ "${required}" = "true" ]; then
echo "${name}: 不存在"
((FAIL++))
else
echo " ⚠️ ${name}: 不存在(可選)"
((WARN++))
fi
fi
}
check_dir() {
local path="$1"
local name="$2"
local required="${3:-true}"
local arch_only="${4:-all}"
# 架構檢查
if [ "${arch_only}" != "all" ] && [ "${ARCH}" != "${arch_only}" ]; then
echo " ⏭️ ${name}: 跳過(僅 ${arch_only}"
((SKIP++))
return 0
fi
if [ -d "${path}" ]; then
local size
size=$(du -sh "${path}" 2>/dev/null | awk '{print $1}')
echo "${name}: ${size}"
((PASS++))
else
if [ "${required}" = "true" ]; then
echo "${name}: 不存在"
((FAIL++))
else
echo " ⚠️ ${name}: 不存在(可選)"
((WARN++))
fi
fi
}
# ==============================================================================
# 1. 核心系統工具
# ==============================================================================
verify_system_tools() {
echo ""
echo "📦 核心系統工具"
echo "=============================================="
check_command "ffmpeg" "FFmpeg"
check_command "convert" "ImageMagick"
check_command "gm" "GraphicsMagick"
check_command "vips" "libvips"
check_command "inkscape" "Inkscape"
check_command "resvg" "resvg" "false" "x86_64"
check_command "dvisvgm" "dvisvgm"
check_command "xelatex" "XeLaTeX"
check_command "soffice" "LibreOffice"
check_command "pandoc" "Pandoc"
check_command "ebook-convert" "Calibre"
check_command "assimp" "Assimp"
check_command "dasel" "dasel"
check_command "msgconvert" "msgconvert"
check_command "deark" "deark"
check_command "vtracer" "vtracer"
check_command "heif-convert" "libheif"
check_command "djxl" "libjxl"
check_command "ocrmypdf" "OCRmyPDF"
check_command "tesseract" "Tesseract"
check_command "potrace" "Potrace"
check_command "qpdf" "qpdf"
check_command "gs" "Ghostscript"
}
# ==============================================================================
# 2. Python 工具
# ==============================================================================
verify_python_tools() {
echo ""
echo "🐍 Python 工具"
echo "=============================================="
check_command "python3" "Python"
check_command "pip3" "pip"
check_command "uv" "uv"
check_command "markitdown" "markitdown"
check_command "pdf2zh" "PDFMathTranslate"
check_command "babeldoc" "BabelDOC"
check_command "mineru" "MinerU" "true" "x86_64"
}
# ==============================================================================
# 3. 模型檔案
# ==============================================================================
verify_models() {
echo ""
echo "🤖 AI 模型"
echo "=============================================="
# MinerU 模型
check_dir "/opt/convertx/models/mineru/PDF-Extract-Kit-1.0" "MinerU Pipeline" "true" "x86_64"
check_file "/root/mineru.json" "MinerU 配置檔" "true" "x86_64"
# BabelDOC 模型
check_file "/root/.cache/babeldoc/models/doclayout_yolo_docstructbench_imgsz1024.onnx" "DocLayout-YOLO ONNX" "false"
check_dir "/root/.cache/babeldoc" "BabelDOC 快取" "false"
}
# ==============================================================================
# 4. 字型
# ==============================================================================
verify_fonts() {
echo ""
echo "🔤 字型"
echo "=============================================="
check_file "/usr/share/fonts/truetype/custom/GoNotoKurrent-Regular.ttf" "Noto 通用字型"
check_file "/usr/share/fonts/truetype/custom/SourceHanSerifCN-Regular.ttf" "思源宋體(簡體)"
check_file "/usr/share/fonts/truetype/custom/SourceHanSerifTW-Regular.ttf" "思源宋體(繁體)"
check_file "/usr/share/fonts/truetype/custom/SourceHanSerifJP-Regular.ttf" "思源宋體(日文)"
check_file "/usr/share/fonts/truetype/custom/SourceHanSerifKR-Regular.ttf" "思源宋體(韓文)"
check_file "/usr/share/fonts/truetype/custom/BiauKai.ttf" "標楷體" "false"
# 系統字型
echo ""
echo " 系統字型統計:"
local noto_count
noto_count=$(fc-list | grep -ci "noto" || echo "0")
echo " - Noto 字型: ${noto_count}"
local total_count
total_count=$(fc-list | wc -l)
echo " - 總字型數: ${total_count}"
}
# ==============================================================================
# 5. OCR 語言
# ==============================================================================
verify_ocr_languages() {
echo ""
echo "📝 OCR 語言"
echo "=============================================="
local languages=("eng" "chi_tra" "chi_sim" "jpn" "kor" "deu" "fra")
for lang in "${languages[@]}"; do
if tesseract --list-langs 2>&1 | grep -q "^${lang}$"; then
echo "${lang}: 已安裝"
((PASS++))
else
echo "${lang}: 未安裝"
((FAIL++))
fi
done
}
# ==============================================================================
# 6. Locale 設定
# ==============================================================================
verify_locales() {
echo ""
echo "🌍 Locale 設定"
echo "=============================================="
local locales=("en_US.UTF-8" "zh_TW.UTF-8" "zh_CN.UTF-8" "ja_JP.UTF-8" "ko_KR.UTF-8")
for locale in "${locales[@]}"; do
if locale -a 2>/dev/null | grep -q "${locale}"; then
echo "${locale}: 已啟用"
((PASS++))
else
echo " ⚠️ ${locale}: 未啟用"
((WARN++))
fi
done
}
# ==============================================================================
# 7. PDF 簽章
# ==============================================================================
verify_pdf_signing() {
echo ""
echo "🔐 PDF 簽章"
echo "=============================================="
check_file "/app/certs/default.p12" "預設憑證" "false"
}
# ==============================================================================
# 8. 離線模式驗證
# ==============================================================================
verify_offline_mode() {
echo ""
echo "🔒 離線模式環境變數"
echo "=============================================="
local vars=(
"HF_HUB_OFFLINE"
"TRANSFORMERS_OFFLINE"
"MINERU_MODEL_SOURCE"
"BABELDOC_OFFLINE"
)
for var in "${vars[@]}"; do
local value="${!var:-}"
if [ -n "${value}" ]; then
echo "${var}=${value}"
((PASS++))
else
echo " ⚠️ ${var}: 未設定"
((WARN++))
fi
done
}
# ==============================================================================
# 總結
# ==============================================================================
print_summary() {
echo ""
echo "=============================================="
echo "📊 驗證總結"
echo "=============================================="
echo " ✅ 通過: ${PASS}"
echo " ❌ 失敗: ${FAIL}"
echo " ⚠️ 警告: ${WARN}"
echo " ⏭️ 跳過: ${SKIP}"
echo "=============================================="
if [ "${FAIL}" -gt 0 ]; then
log_error "驗證失敗!有 ${FAIL} 個必要項目未通過"
return 1
else
log_success "驗證通過!"
return 0
fi
}
# ==============================================================================
# 主程式
# ==============================================================================
main() {
log_info "=========================================="
log_info "ConvertX-CN 安裝驗證"
log_info "架構: ${ARCH}"
log_info "=========================================="
verify_system_tools
verify_python_tools
verify_models
verify_fonts
verify_ocr_languages
verify_locales
verify_pdf_signing
verify_offline_mode
print_summary
}
# 執行
main "$@"

View file

@ -1,17 +1,18 @@
#!/bin/bash
#!/usr/bin/env bash
# ==============================================================================
# ConvertX-CN 模型驗證腳本 v2.0
# ConvertX-CN 模型驗證腳本 v3.0
# ==============================================================================
#
# 用途:驗證 Docker Image 中的預下載模型是否完整
# 執行docker exec <container> /app/scripts/verify-models.sh
#
# 版本v3.0 - 適配重構後的目錄結構
# ==============================================================================
set -e
set -euo pipefail
echo "========================================"
echo "🔍 ConvertX-CN 模型驗證 v2.0"
echo "🔍 ConvertX-CN 模型驗證 v3.0"
echo "========================================"
echo ""
@ -21,12 +22,18 @@ FAIL=0
WARN=0
ARCH=$(uname -m)
# 新的模型目錄結構
MODELS_BASE_DIR="/opt/convertx/models"
MINERU_MODELS_DIR="${MODELS_BASE_DIR}/mineru"
BABELDOC_CACHE_DIR="/root/.cache/babeldoc"
# 檢查函數
check_file() {
local path="$1"
local name="$2"
if [ -f "$path" ]; then
local size=$(ls -lh "$path" | awk '{print $5}')
local size
size=$(ls -lh "$path" | awk '{print $5}')
echo "$name: $path ($size)"
((PASS++))
else
@ -40,7 +47,8 @@ check_dir() {
local name="$2"
local required="${3:-false}"
if [ -d "$path" ]; then
local size=$(du -sh "$path" 2>/dev/null | awk '{print $1}')
local size
size=$(du -sh "$path" 2>/dev/null | awk '{print $1}')
echo "$name: $path ($size)"
((PASS++))
else
@ -59,7 +67,7 @@ check_dir() {
# ==============================================================================
echo "📦 PDFMathTranslate / BabelDOC 模型"
echo "----------------------------------------"
check_file "/root/.cache/babeldoc/models/doclayout_yolo_docstructbench_imgsz1024.onnx" "DocLayout-YOLO ONNX"
check_file "${BABELDOC_CACHE_DIR}/models/doclayout_yolo_docstructbench_imgsz1024.onnx" "DocLayout-YOLO ONNX"
echo ""
# ==============================================================================
@ -72,10 +80,11 @@ check_file "/usr/share/fonts/truetype/custom/SourceHanSerifCN-Regular.ttf" "思
check_file "/usr/share/fonts/truetype/custom/SourceHanSerifTW-Regular.ttf" "思源宋體(繁體)"
check_file "/usr/share/fonts/truetype/custom/SourceHanSerifJP-Regular.ttf" "思源宋體(日文)"
check_file "/usr/share/fonts/truetype/custom/SourceHanSerifKR-Regular.ttf" "思源宋體(韓文)"
check_file "/usr/share/fonts/truetype/custom/BiauKai.ttf" "標楷體"
echo ""
# ==============================================================================
# 3. MinerU 模型(新路徑:/opt/mineru
# 3. MinerU 模型(新路徑:/opt/convertx/models/mineru
# ==============================================================================
echo "📦 MinerU 模型"
echo "----------------------------------------"
@ -83,8 +92,9 @@ if [ "$ARCH" = "aarch64" ]; then
echo "⚠️ ARM64 架構MinerU 不支援,跳過驗證"
((WARN++))
else
check_dir "/opt/mineru/models/PDF-Extract-Kit-1.0" "PDF-Extract-Kit-1.0 Pipeline" "true"
check_dir "${MINERU_MODELS_DIR}/PDF-Extract-Kit-1.0" "PDF-Extract-Kit-1.0 Pipeline" "true"
check_file "/root/mineru.json" "MinerU 配置檔"
check_file "/opt/convertx/mineru.json" "MinerU 配置檔(備份)"
fi
echo ""
@ -93,9 +103,9 @@ echo ""
# ==============================================================================
echo "📦 BabelDOC 快取"
echo "----------------------------------------"
check_dir "/root/.cache/babeldoc" "BabelDOC 快取"
check_dir "/root/.cache/babeldoc/models" "BabelDOC Models"
check_dir "/root/.cache/babeldoc/fonts" "BabelDOC Fonts"
check_dir "${BABELDOC_CACHE_DIR}" "BabelDOC 快取"
check_dir "${BABELDOC_CACHE_DIR}/models" "BabelDOC Models"
check_dir "${BABELDOC_CACHE_DIR}/fonts" "BabelDOC Fonts"
echo ""
# ==============================================================================

View file

@ -130,7 +130,7 @@ else
check_command "mineru" "MinerU CLI"
# 檢查模型目錄
MINERU_MODELS="/opt/mineru/models/PDF-Extract-Kit-1.0"
MINERU_MODELS="/opt/convertx/models/mineru/PDF-Extract-Kit-1.0"
check_dir "$MINERU_MODELS" "MinerU Pipeline 模型" "true"
# 檢查配置檔