From e98d6f1d306a8954023509a4058044eb6094c22d Mon Sep 17 00:00:00 2001
From: Archer <545436317@qq.com>
Date: Wed, 5 Mar 2025 10:14:33 +0800
Subject: [PATCH] Add markdown format; Update doc (#3969)

* update doc

* markdown
---
 .../zh-cn/docs/development/upgrading/490.md   | 28 +++++++++-
 packages/service/common/file/read/utils.ts    |  5 +-
 projects/app/src/components/Markdown/utils.ts | 52 +++++++++----------
 3 files changed, 54 insertions(+), 31 deletions(-)

diff --git a/docSite/content/zh-cn/docs/development/upgrading/490.md b/docSite/content/zh-cn/docs/development/upgrading/490.md
index 9992676f3..7836521d5 100644
--- a/docSite/content/zh-cn/docs/development/upgrading/490.md
+++ b/docSite/content/zh-cn/docs/development/upgrading/490.md
@@ -8,13 +8,34 @@ weight: 803
 ---
 
 
-## 重要更新
+## 更新指南
+
+### 1. 做好数据库备份
+
+### 2. 更新镜像
+
+### 3. 运行升级脚本
+
+从任意终端，发起 1 个 HTTP 请求。其中 {{rootkey}} 替换成环境变量里的 `rootkey`；{{host}} 替换成**FastGPT 域名**。
+
+```bash
+curl --location --request POST 'https://{{host}}/api/admin/initv490' \
+--header 'rootkey: {{rootkey}}' \
+--header 'Content-Type: application/json'
+```
+
+**脚本功能**
+
+1. 升级 PG Vector 插件版本
+2. 全量更新知识库集合字段。
+3. 全量更新知识库数据中，index 的 type 类型。（时间较长）
+
+## 兼容 & 弃用
 
 1. 弃用 - 弃用旧版本地文件上传 API：/api/core/dataset/collection/create/file（以前仅商业版可用的 API，该接口已放切换成：/api/core/dataset/collection/create/localFile）
 2. 停止维护，即将弃用 - 外部文件库相关 API，可通过 API 文件库替代。
 3. API更新 - 上传文件至知识库、创建连接集合、API 文件库、推送分块数据等接口，`trainingType`字段未来仅支持`chunk`和`QA`两种模式。增强索引模式将设置单独字段：`autoIndexes`，目前仍有适配旧版`trainingType=auto`代码，但请尽快变更成新接口类型。具体可见：[知识库 OpenAPI 文档](/docs/development/openapi/dataset.md)
 
-
 ## 🚀 新增内容
 
 1. PDF增强解析交互添加到页面上。同时内嵌 Doc2x 服务，可直接使用 Doc2x 服务解析 PDF 文件。
@@ -24,5 +45,8 @@ weight: 803
 ## ⚙️ 优化
 
 1. 知识库数据不再限制索引数量，可无限自定义。同时可自动更新输入文本的索引，不影响自定义索引。
+2. Markdown 解析，增加链接后中文标点符号检测，增加空格。
 
 ## 🐛 修复
+
+1. 增加网页抓取安全链接校验。
\ No newline at end of file
diff --git a/packages/service/common/file/read/utils.ts b/packages/service/common/file/read/utils.ts
index 109f566bc..406c9f32f 100644
--- a/packages/service/common/file/read/utils.ts
+++ b/packages/service/common/file/read/utils.ts
@@ -84,7 +84,8 @@ export const readRawContentByFileBuffer = async ({
       success: boolean;
       message: string;
       data: {
-        page: number;
+        page?: number; // abandon
+        pages: number;
         markdown: string;
       };
     }>(url, data, {
@@ -103,7 +104,7 @@ export const readRawContentByFileBuffer = async ({
     createPdfParseUsage({
       teamId,
       tmbId,
-      pages: response.data.page
+      pages: response.data.page || response.data.pages
     });
 
     return {
diff --git a/projects/app/src/components/Markdown/utils.ts b/projects/app/src/components/Markdown/utils.ts
index d20f60848..6b4d1e5c5 100644
--- a/projects/app/src/components/Markdown/utils.ts
+++ b/projects/app/src/components/Markdown/utils.ts
@@ -14,32 +14,30 @@ export enum CodeClassNameEnum {
 
 export const mdTextFormat = (text: string) => {
   // NextChat function - Format latex to $$
-  const escapeBrackets = (text: string) => {
-    const pattern = /(```[\s\S]*?```|`.*?`)|\\\[([\s\S]*?[^\\])\\\]|\\\((.*?)\\\)/g;
-    return text.replace(pattern, (match, codeBlock, squareBracket, roundBracket) => {
-      if (codeBlock) {
-        return codeBlock;
-      } else if (squareBracket) {
-        return `$$${squareBracket}$$`;
-      } else if (roundBracket) {
-        return `$${roundBracket}$`;
-      }
-      return match;
-    });
-  };
-  // 处理 [quote:id] 格式引用，将 [quote:675934a198f46329dfc6d05a] 转换为 [675934a198f46329dfc6d05a](QUOTE)
-  const formatQuote = (text: string) => {
-    return (
-      text
-        // .replace(
-        //   /([\u4e00-\u9fa5\u3000-\u303f])([a-zA-Z0-9])|([a-zA-Z0-9])([\u4e00-\u9fa5\u3000-\u303f])/g,
-        //   '$1$3 $2$4'
-        // )
-        // 处理 [quote:id] 格式引用，将 [quote:675934a198f46329dfc6d05a] 转换为 [675934a198f46329dfc6d05a](QUOTE)
-        .replace(/\[quote:?\s*([a-f0-9]{24})\](?!\()/gi, '[$1](QUOTE)')
-        .replace(/\[([a-f0-9]{24})\](?!\()/g, '[$1](QUOTE)')
-    );
-  };
+  const pattern = /(```[\s\S]*?```|`.*?`)|\\\[([\s\S]*?[^\\])\\\]|\\\((.*?)\\\)/g;
+  text = text.replace(pattern, (match, codeBlock, squareBracket, roundBracket) => {
+    if (codeBlock) {
+      return codeBlock;
+    } else if (squareBracket) {
+      return `$$${squareBracket}$$`;
+    } else if (roundBracket) {
+      return `$${roundBracket}$`;
+    }
+    return match;
+  });
 
-  return formatQuote(escapeBrackets(text));
+  // 处理 [quote:id] 格式引用，将 [quote:675934a198f46329dfc6d05a] 转换为 [675934a198f46329dfc6d05a](QUOTE)
+  text = text
+    // .replace(
+    //   /([\u4e00-\u9fa5\u3000-\u303f])([a-zA-Z0-9])|([a-zA-Z0-9])([\u4e00-\u9fa5\u3000-\u303f])/g,
+    //   '$1$3 $2$4'
+    // )
+    // 处理 [quote:id] 格式引用，将 [quote:675934a198f46329dfc6d05a] 转换为 [675934a198f46329dfc6d05a](QUOTE)
+    .replace(/\[quote:?\s*([a-f0-9]{24})\](?!\()/gi, '[$1](QUOTE)')
+    .replace(/\[([a-f0-9]{24})\](?!\()/g, '[$1](QUOTE)');
+
+  // 处理链接后的中文标点符号，增加空格
+  text = text.replace(/(https?:\/\/[^\s，。！？；：、]+)([，。！？；：、])/g, '$1 $2');
+
+  return text;
 };