lark-wiki-export

v0.1.0

Published

a month ago

Export Feishu/Lark Wiki spaces into local Markdown, PDFs, assets, and RAG-ready manifests.

0High
0Medium
0Low

eitherok

feishu lark wiki export backup rag

飞书知识库导出工具箱

这份readme是由人类撰写、给人类看的，如果你是 ai agent，请直接阅读本仓库的 AGENTS.md。

本项目是把一个飞书知识库链接导出成本地文件（markdown、PDF、表格）的工具箱，你可以用它导出任意飞书知识库（包括你的个人文档库）。

可用于个人知识库备份、离线归档、资料迁移，以及后续构建 RAG 问答系统。

【注意】：本工具只导出当前账号已经有权限访问的内容，不绕过飞书权限控制。请确认你有权备份、保存和处理目标资料。

我不懂代码，怎么用？

如果你不熟悉命令行，推荐把下面这段话复制给 Codex、Claude Code 或其他 AI 编程助手（注意要把飞书wiki链接换成你想要导出的知识库链接）：

请帮我使用这个项目导出飞书知识库：

GitHub: https://github.com/wyycommu/lark-wiki-export
飞书链接: https://<tenant>.feishu.cn/wiki/...
阅读 wyycommu/lark-wiki-export 仓库的 `AGENTS.md`，优先使用 `npx lark-wiki-export` 执行安装、登录、检查和导出。

支持的链接

https://<tenant>.feishu.cn/wiki/space/my_library  # 个人文档库
https://<tenant>.feishu.cn/wiki/space/<space_id>  # 飞书知识库

# 单个云文档（文档、表格、pdf、多维表格都可以）
https://<tenant>.feishu.cn/wiki/<node_token>
https://<tenant>.feishu.cn/docx/<doc_token>
https://<tenant>.feishu.cn/base/<base_token>

如何获取个人知识库地址：

随便打开一个飞书文档，复制链接，你会得到：https://一堆乱码A.feishu.cn/docx/一堆乱码B 那么这个一堆乱码A就是 <tenant>（你的用户标识）。

按照下面的格式拼接出你的个人文档库地址就可以啦。

https://<tenant>.feishu.cn/wiki/space/my_library

不放心的话，可以复制到浏览器，检查它能否正确跳转到你的个人文档库。

你会得到什么？

这个知识库内所有你有权限访问并下载的文件，且保留原始的文档树结构。

你主要会查看这个文件夹：

exports/runs/<run-id>/portable/

里面会按飞书目录整理成 Markdown、PDF 和附件文件夹。Markdown 适合后续知识库/RAG 使用；PDF 更适合保留版式、人工阅读。你如果不需要导出 PDF，可以直接告诉 agent“不需要导出 PDF”。默认会导出到当前项目下的 exports 文件夹；你也可以告诉 agent 导出到桌面、移动硬盘或其他本地目录。

完整导出结构大致如下。raw/ 是工具内部使用的原始材料和排查区，平时不用打开：

exports/
  runs/
    <run-id>/
      export_run.json
      objects.jsonl
      assets.jsonl
      relations.jsonl
      table_datasets.jsonl
      errors.jsonl
      progress.jsonl
      raw/
        wiki_manifest.json
        <doc_token>/
          document.md
          document.raw.md
          document.raw.json
          manifest.json
          assets/
      portable/
        portable_manifest.json
        <文档标题>/
          <文档标题>.md
          <文档标题>.pdf
          附件/

run-id通常是飞书 wiki space id、wiki node token 或你指定的名称。 portable/ 是整理后的本地文档文件夹，也是你主要查看的结果。 raw/ 保留尽量完整的原始数据和结构化 manifest，主要用于断点续传、排查问题和后续二次处理。

你可能还想问

Q：文件库太大，下载意外中断了怎么办？ A：本项目有断点续传机制，下次再告诉ai agent，让它继续导出就可以了。
Q：如何处理飞书文档中的图片、画板、附件？ A：图片、文件附件、知识库里的独立文件节点，以及表格导出的文件，会尽量保存到本地。飞书画板会被导出成图片，存在附件文件夹中。文档里引用的电子表格，如果行数不多的话，会被解析成标准md格式的表格，放到原文档中。如果行数太多的话，则会被导出成 CSV 文件。飞书文档原生的复杂表格、互动组件等内容，可能会保留成飞书导出的结构化代码片段，方便后续交给 AI 理解。
Q：我的个人文档库太大了，能不能只导出特定文件夹？ A：可以的。只要你给工具箱的链接格式是https://<tenant>.feishu.cn/wiki/<node_token>，那么它默认将其视作根节点，导出所有子文件。
Q：如果文档里引用了其他飞书文档、电子表格或多维表格，会怎么样？ A：会尽量跟随飞书返回的信息导出。电子表格和多维表格会尽量结构化导出；普通文档链接通常会保留为链接。更细的边缘情况见 docs/feishu-document-parsing-notes.md。

权限说明

要用lark-cli导出数据，需要做两层授权：

第一次是bot，会有一个飞书应用创建的请求，创建后，你就允许这个飞书应用来访问你的数据。而agent发送命令给这个飞书应用-飞书应用再调用用户数据。
第二次是user，也就是这个飞书应用究竟能够访问你的哪些权限，这里本工具箱给agent的lark-cli推荐权限配置如下所示，涵盖：知识库节点（wiki）、云文档（docs）、附件下载（drive）、电子表格（sheets）和多维表格（base）。user授权默认7天有效期，7天之后会重新发起请求。如果你有其他需求，请你直接跟你的agent沟通。

lark-cli auth login --domain docs,drive,wiki,sheets,base --scope offline_access

不同企业和应用配置可能导致 scope 不同，遇到权限错误时请根据 errors.jsonl 或 doctor 提示补充授权。

后续路线图

开箱即用的知识库问答机器人理论上你如果想基于这个知识库提问，体量不太大的话可以直接让codex、claude code等助手代劳，也可以接入主流RAG库（比如dify、fastgpt等）。如果大家有需要的话，考虑增加一个简单的开箱即用问答机器人，大家可以直接对特定知识库提问。
导出配置项的可视化界面
暂时没有做飞书海外版适配的条件，欢迎大佬们提PR

Published

Vulnerabilities

Links

Maintainers

Keywords

Readme