Add comprehensive format integrity tests for various converters

README.md

@@ -6,7 +6,8 @@
 
 [![Docker Pulls](https://img.shields.io/docker/pulls/convertx/convertx-cn?style=flat&logo=docker)](https://hub.docker.com/r/convertx/convertx-cn)
 [![GitHub Release](https://img.shields.io/github/v/release/pi-docket/ConvertX-CN)](https://github.com/pi-docket/ConvertX-CN/releases)
-[![License AGPL-3.0](https://img.shields.io/badge/license-AGPL--3.0-blue)](LICENSE)
+![License AGPL-3.0](https://img.shields.io/badge/license-AGPL--3.0-blue)
+![Source Available](https://img.shields.io/badge/source-available-green)
 
 ---
 
@@ -25,14 +26,14 @@
 
 ## 📚 文件
 
-完整文件請參閱 **[文件中心](docs/說明文件.md)**
+完整文件請參閱 **[文件中心](docs/README.md)**
 
 | 分類        | 連結                                                                                                     |
 | ----------- | -------------------------------------------------------------------------------------------------------- |
 | 🚀 快速入門 | [概覽](docs/快速入門/概覽.md) · [快速開始](docs/快速入門/快速開始.md) · [FAQ](docs/快速入門/常見問題.md) |
 | 🐳 部署指南 | [Docker](docs/部署指南/Docker.md) · [反向代理](docs/部署指南/反向代理.md)                                |
 | ⚙️ 配置設定 | [環境變數](docs/配置設定/環境變數.md) · [安全性](docs/配置設定/安全性.md)                                |
-| 🔌 功能說明 | [轉換器](docs/功能說明/轉換器.md) · [OCR](docs/功能說明/OCR.md) · [翻譯](docs/功能說明/翻譯功能.md)      |
+| 🔌 功能說明 | [轉換器](docs/功能說明/轉換器.md) · [OCR](docs/功能說明/OCR.md) · [翻譯](docs/功能說明/翻譯.md)          |
 | 🔗 API      | [API 總覽](docs/API/總覽.md) · [端點說明](docs/API/端點.md)                                              |
 | 👩‍💻 開發     | [專案結構](docs/開發指南/專案結構.md) · [貢獻指南](docs/開發指南/貢獻指南.md)                            |
 
@@ -148,8 +149,23 @@ docker compose up -d
 
 ---
 
-## 📄 License
+## 📄 License Overview
 
-This project is licensed under the **[GNU Affero General Public License v3.0 (AGPL-3.0)](LICENSE)**.
+**This is a Mixed License / Source-Available Project.**
 
-Based on [C4illin/ConvertX](https://github.com/C4illin/ConvertX).
+### 1. Upstream Components
+
+Core components derived from [C4illin/ConvertX](https://github.com/C4illin/ConvertX) are licensed under **[GNU AGPL v3.0](LICENSE)**.
+
+- Any modifications to these files are open source under AGPL-3.0.
+
+### 2. Author Original Components
+
+Original modules, UI, i18n, and new features created by the ConvertX-CN author are licensed under **[Custom Non-Commercial License](LICENSE-AUTHOR)**.
+
+- **Commercial Use / SaaS**: ❌ Prohibited without written permission.
+- **Personal / Research Use**: ✅ Allowed.
+
+> ⚠️ **Commercial Usage**: If you plan to use this project in a commercial product, SaaS, or revenue-generating service, you **must contact the author** for a license exception regarding the custom components. The AGPL obligations (sharing source code) still apply to the upstream portions.
+
+Check [LICENSE-OVERVIEW.md](LICENSE-OVERVIEW.md) for full details.

docs/功能說明/OCR.md

@@ -32,25 +32,44 @@ ConvertX-CN 完整版內建以下 OCR 語言：
 
 1. 上傳 PDF 檔案
 2. 選擇 Converter: `OCRmyPDF`
-3. 選擇目標語言：
+3. 選擇目標格式：
-   | 格式 | 說明 |
+
-   | ---- | ---- |
+   | 格式        | 說明                           | 推薦場景         |
-   | `pdf-en` | English |
+   | ----------- | ------------------------------ | ---------------- |
-   | `pdf-zh-TW` | 繁體中文 |
+   | `pdf-ocr`   | **自動檢測（多語言）** ⭐ 推薦 | 通用、多語言文件 |
-   | `pdf-zh` | 簡體中文 |
+   | `pdf-en`    | 僅英文                         | 純英文文件       |
-   | `pdf-ja` | 日本語 |
+   | `pdf-zh-TW` | 僅繁體中文                     | 純繁體中文文件   |
-   | `pdf-ko` | 한국어 |
+   | `pdf-zh`    | 僅簡體中文                     | 純簡體中文文件   |
-   | `pdf-de` | Deutsch |
+   | `pdf-ja`    | 僅日文                         | 純日文文件       |
-   | `pdf-fr` | Français |
+   | `pdf-ko`    | 僅韓文                         | 純韓文文件       |
+   | `pdf-de`    | 僅德文                         | 純德文文件       |
+   | `pdf-fr`    | 僅法文                         | 純法文文件       |
+
 4. 進行轉換
 
 > 💡 **功能特點**：
 >
+> - **自動多語言檢測**：`pdf-ocr` 模式可處理中英混排、多語言文件
 > - 自動偵測頁面方向並旋轉
 > - 自動校正傾斜
 > - 跳過已有文字層的頁面
 > - 詳細的處理進度輸出
 
+### 🆕 自動多語言檢測模式
+
+選擇 `pdf-ocr` 時，系統會使用所有已安裝的語言包進行辨識：
+
+```
+eng + chi_tra + chi_sim + jpn + kor + deu + fra
+```
+
+**適用場景：**
+
+- ✅ 中英混排文件（如學術論文）
+- ✅ 日英混排文件
+- ✅ 不確定文件語言時
+- ✅ 包含多種語言的文件
+
 ### 圖片 → 文字
 
 1. 上傳圖片（PNG, JPG, TIFF 等）
@@ -96,12 +115,17 @@ ConvertX-CN 完整版內建以下 OCR 語言：
 
 ### 處理多語言文件
 
-Tesseract 可同時辨識多種語言，但準確度可能下降。
+#### 方法一：使用自動檢測模式（推薦）
 
-建議：
+選擇 `pdf-ocr` 格式，系統會自動使用所有語言包進行辨識，無需手動指定語言。
 
-- 單一語言文件使用單一語言包
+- ✅ 無需猜測文件語言
-- 中英混合使用 `chi_tra+eng`
+- ✅ 支援中英混排、多語言文件
+- ✅ 一鍵處理所有情況
+
+#### 方法二：指定單一語言
+
+如果確定文件只包含單一語言，可選擇對應的語言格式（如 `pdf-en`），可能獲得更高的辨識準確度。
 
 ---
 

docs/功能說明/轉換器.md

@@ -31,7 +31,7 @@ ConvertX-CN 完整版已內建 24 種轉換器，支援 1000+ 種格式。
 | MinerU           | PDF → MD     | 7        | 2        |
 | PDFMathTranslate | PDF 翻譯     | 1        | 15       |
 | BabelDOC         | PDF 翻譯     | 1        | 45       |
-| OCRmyPDF         | PDF OCR      | 1        | 7        |
+| OCRmyPDF         | PDF OCR      | 1        | 8        |
 
 ---
 
@@ -435,16 +435,20 @@ PDF 翻譯引擎，支援多種輸出格式。
 
 **輸入格式：** `pdf`
 
-**輸出格式（7 種）：**
+**輸出格式（8 種）：**
-| OCR 語言 | 格式代碼 |
+
-| -------- | -------- |
+| 格式代碼    | 說明                           | 推薦場景         |
-| 英文 | `pdf-en` |
+| ----------- | ------------------------------ | ---------------- |
-| 繁體中文 | `pdf-zh-TW` |
+| `pdf-ocr`   | **自動檢測（多語言）** ⭐ 推薦 | 通用、多語言文件 |
-| 簡體中文 | `pdf-zh` |
+| `pdf-en`    | 僅英文                         | 純英文文件       |
-| 日文 | `pdf-ja` |
+| `pdf-zh-TW` | 僅繁體中文                     | 純繁體中文文件   |
-| 韓文 | `pdf-ko` |
+| `pdf-zh`    | 僅簡體中文                     | 純簡體中文文件   |
-| 德文 | `pdf-de` |
+| `pdf-ja`    | 僅日文                         | 純日文文件       |
-| 法文 | `pdf-fr` |
+| `pdf-ko`    | 僅韓文                         | 純韓文文件       |
+| `pdf-de`    | 僅德文                         | 純德文文件       |
+| `pdf-fr`    | 僅法文                         | 純法文文件       |
+
+> 💡 **自動多語言檢測**：選擇 `pdf-ocr` 可處理中英混排等多語言文件，無需手動指定語言。
 
 ---
 

src/converters/mineru.ts

@@ -87,8 +87,9 @@ export async function convert(
   const runMinerU = (useTableMode: boolean): Promise<void> => {
     return new Promise((resolve, reject) => {
       // Build MinerU command arguments
-      // MinerU CLI: mineru -p <input> -o <output_dir> -m auto
+      // MinerU CLI: mineru -p <input> -o <output_dir> -m pipeline
-      const args = ["-p", filePath, "-o", mineruOutputDir, "-m", "auto"];
+      // 注意：使用 pipeline 模式而非 auto，避免 VLM 模型未配置的問題
+      const args = ["-p", filePath, "-o", mineruOutputDir, "-m", "pipeline"];
 
       // 表格模式支援（可能與某些 vLLM 版本不相容）
       if (useTableMode) {

src/converters/ocrmypdf.ts

@@ -18,12 +18,18 @@ import type { ExecFileFn } from "./types";
  *   - deu: 德文
  *   - fra: 法文
  *
- * UI 顯示格式（與 PDFMathTranslate 風格一致）：
+ * UI 顯示格式：
- *   pdf-en, pdf-zh-TW, pdf-ja 等
+ *   - pdf-ocr: 自動檢測語言（推薦，支援多語言文件）
+ *   - pdf-en, pdf-zh-TW, pdf-ja 等：指定單一語言
+ *
+ * 多語言自動檢測模式：
+ *   使用 Tesseract 的多語言組合 eng+chi_tra+chi_sim+jpn+kor+deu+fra
+ *   可處理包含多種語言的文件（如中英混排）
  */
 
-// 內建支援的 OCR 語言（與 PDFMathTranslate 風格一致）
+// 內建支援的 OCR 語言
 const SUPPORTED_LANGUAGES = [
+  "ocr", // 自動檢測（多語言）- 推薦
   "en", // English
   "zh-TW", // 繁體中文
   "zh", // 簡體中文
@@ -35,6 +41,10 @@ const SUPPORTED_LANGUAGES = [
 
 // Tesseract 語言代碼映射（UI 代碼 → Tesseract 代碼）
 const LANG_MAP: Record<string, string> = {
+  // 自動檢測模式：使用所有已安裝的語言包
+  // 順序：英文優先（最常見），然後是 CJK 語言，最後是歐洲語言
+  ocr: "eng+chi_tra+chi_sim+jpn+kor+deu+fra",
+  auto: "eng+chi_tra+chi_sim+jpn+kor+deu+fra",
   en: "eng",
   "zh-TW": "chi_tra",
   zh: "chi_sim",
@@ -53,6 +63,11 @@ export const properties = {
   },
 };
 
+// 建立大小寫不敏感的語言映射查找表
+const LANG_MAP_LOWER: Record<string, string> = Object.fromEntries(
+  Object.entries(LANG_MAP).map(([k, v]) => [k.toLowerCase(), v]),
+);
+
 /**
  * 從 convertTo 格式中提取 OCR 語言
  * @param convertTo 格式如 "pdf-en" 或 "pdf-zh-TW"
@@ -60,14 +75,14 @@ export const properties = {
  */
 function extractOcrLanguage(convertTo: string): string {
   // convertTo 格式: pdf-<lang>
-  const match = convertTo.match(/^pdf-(.+)$/);
+  const match = convertTo.match(/^pdf-(.+)$/i);
   if (!match || !match[1]) {
     throw new Error(`Invalid convertTo format: ${convertTo}. Expected pdf-<lang>`);
   }
 
   const uiLang = match[1];
-  // 轉換為 Tesseract 語言代碼
+  // 轉換為 Tesseract 語言代碼（大小寫不敏感查找）
-  const tessLang = LANG_MAP[uiLang] || uiLang.replace(/-/g, "_");
+  const tessLang = LANG_MAP_LOWER[uiLang.toLowerCase()] || uiLang.replace(/-/g, "_");
   return tessLang;
 }
 
@@ -111,7 +126,13 @@ function runOcrMyPdf(
 
     // 階段 2：準備 OCR 參數
     console.log(`[OCRmyPDF] 📋 階段 2/5：準備 OCR 參數`);
+    const isMultiLang = lang.includes("+");
+    if (isMultiLang) {
+      console.log(`[OCRmyPDF]    ✅ OCR 模式: 多語言自動檢測`);
+      console.log(`[OCRmyPDF]    ✅ 語言包: ${lang.split("+").join(", ")}`);
+    } else {
       console.log(`[OCRmyPDF]    ✅ OCR 語言: ${lang}`);
+    }
 
     const args = [
       "-l",

src/helpers/printVersions.ts

@@ -44,7 +44,7 @@ const tools = [
     formatter: (s: string) => s.split("\n")[0],
   },
   {
-    cmd: "magick --version",
+    cmd: "convert --version",
     name: "ImageMagick",
     errorMsg: "ImageMagick is not installed.",
     formatter: (s: string) => s.split("\n")[0]?.replace("Version: ", ""),
@@ -98,10 +98,10 @@ const tools = [
     formatter: (s: string) => s.split("\n")[0],
   },
   {
-    cmd: "heif-info -v",
+    cmd: "dpkg -l libheif1 | tail -1 | awk '{print $3}'",
     name: "libheif",
     errorMsg: "libheif is not installed",
-    formatter: (s: string) => `libheif v${s.split("\n")[0]}`,
+    formatter: (s: string) => `libheif v${s.trim()}`,
   },
   {
     cmd: "potrace -v",
@@ -116,10 +116,13 @@ const tools = [
     formatter: (s: string) => s.split("\n")[0],
   },
   {
-    cmd: "msgconvert --version",
+    cmd: "which msgconvert && dpkg -l libemail-outlook-message-perl | tail -1 | awk '{print $3}'",
     name: "msgconvert",
     errorMsg: "msgconvert (libemail-outlook-message-perl) is not installed",
-    formatter: (s: string) => s.split("\n")[0],
+    formatter: (s: string) => {
+      const lines = s.split("\n").filter((l) => l.trim());
+      return `msgconvert v${lines[lines.length - 1] || "unknown"}`;
+    },
   },
   {
     cmd: "bun -v",