如何快速导出飞书文档?feishu-doc-export工具完整使用指南
飞书文档导出工具(feishu-doc-export)是一款基于.NET Core开发的高效开源工具,支持Windows、Mac、Linux多平台,能帮助用户一键将飞书知识库文档导出为Markdown、DOCX或PDF格式,轻松解决文档迁移难题。
📌 为什么选择飞书文档导出工具?
作为一款专注于飞书文档导出的轻量级工具,feishu-doc-export具备三大核心优势:
- 跨平台兼容:完美支持Windows、macOS和Linux系统,满足不同用户的使用需求
- 多格式导出:一键将飞书文档转换为Markdown、DOCX或PDF,适配多种场景
- 操作简单:通过命令行即可完成配置,无需复杂操作,新手也能快速上手
🚀 快速开始:3步完成飞书文档导出
1️⃣ 准备工作:获取飞书应用凭证
要使用飞书文档导出工具,首先需要在飞书开发者后台创建企业自建应用并获取权限:
- 登录飞书开发者后台,创建新的企业自建应用
- 在应用权限配置中,开启云文档相关权限
- 完成应用创建后,在"凭证与基础信息"中获取App ID和App Secret
2️⃣ 安装与配置
Windows用户: 直接下载最新版本的可执行文件,解压后即可使用。
macOS/Linux用户: 通过终端克隆仓库并编译(需安装.NET Core SDK):
git clone https://gitcode.com/gh_mirrors/fe/feishu-doc-export
cd feishu-doc-export/src/feishu-doc-export
dotnet build
3️⃣ 执行导出命令
使用以下命令开始导出文档:
# 基础导出命令
feishu-doc-export --appId=<你的AppId> --appSecret=<你的AppSecret> --exportPath=<导出目录路径>
# 指定导出格式(md/pdf/docx,默认为docx)
feishu-doc-export --appId=<你的AppId> --appSecret=<你的AppSecret> --exportPath=<导出目录路径> --saveType=md
⚠️ 常见问题解决方案
macOS系统提示"不受信任的开发者"怎么办?
当macOS阻止程序运行时,可通过以下两种方式解决:
- 方式一:前往"系统偏好设置" > "安全性与隐私",在"常规"选项卡中点击"仍要打开"
- 方式二:直接通过终端执行命令,无需处理界面级的信任问题
导出的Markdown文件图片无法显示?
这是由于飞书文档中的图片链接需要权限验证导致的。工具已内置图片下载功能(Helper/FileHelper.cs),会自动将图片下载到本地并更新链接,确保文档完整性。
📚 高级配置:自定义导出参数
飞书文档导出工具提供了丰富的自定义参数,满足个性化需求:
--spaceId:指定导出的知识库空间ID--pageSize:设置分页大小,控制导出速度--logLevel:调整日志级别,便于问题排查
详细参数说明可查看项目中的readme.md文件。
💡 使用技巧:提升导出效率
- 批量导出:通过配置文件批量设置多个导出任务,一次处理多份文档
- 定时导出:结合系统定时任务功能,实现文档的定期自动备份
- 格式转换:配合其他工具,可将导出的Markdown文件进一步转换为HTML或电子书格式
🛠️ 技术架构简介
飞书文档导出工具采用分层架构设计,主要包含以下核心模块:
- HttpApi模块:负责与飞书API交互(HttpApi/FeiShuHttpApiCaller.cs)
- Dto模块:定义数据传输对象(Dtos/)
- Helper模块:提供文件处理、日志记录等辅助功能(Helper/)
这种架构设计保证了工具的稳定性和可扩展性,便于后续功能升级和维护。
📝 总结
飞书文档导出工具(feishu-doc-export)凭借其简单易用、功能强大的特点,成为飞书用户文档迁移的理想选择。无论是个人用户还是企业团队,都能通过这款工具轻松实现飞书文档的本地备份和格式转换。
如果您在使用过程中遇到任何问题,欢迎查阅项目中的官方文档或提交Issue,开发团队将及时为您提供支持。
🔍 常见问题解答
Q:工具是否支持增量导出?
A:目前工具暂不支持增量导出,每次执行都会完整导出指定范围内的文档。
Q:导出的文档会保留原始格式吗?
A:工具会尽可能保留飞书文档的原始格式,包括文字样式、表格、图片等元素。
Q:是否需要飞书管理员权限才能使用?
A:是的,需要拥有企业飞书管理员权限才能创建应用并获取相应权限。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00