从本地 Docker 部署的 Dify 中导出知识库内容（1.6版本亲测有效）

原创已于 2025-07-29 16:46:36 修改 · 680 阅读

17 ·

CC 4.0 BY-SA版权

文章标签：

#python #mysql #语言模型 #人工智能

于 2025-07-29 16:43:58 首次发布

🚀 手把手教程：从本地 Docker 部署的 Dify 中导出知识库内容（Windows 宿主机）

适用场景：你使用 Docker 在本地部署了 Dify，构建了 QA 知识库，现在想将所有处理好的文本内容导出为 Excel 文件，按原始文档分 Sheet 保存。
系统环境：Windows 宿主机 + Docker 部署 Dify
目标：安全、完整、结构化地导出知识库内容

✅ 前言

Dify 本身暂未提供“一键导出知识库”的功能，尤其是当你需要导出结构化内容（如每篇文档独立保存）时，必须通过直接访问其 PostgreSQL 数据库来实现。

本文记录我亲测可行的完整流程，适用于：

使用 docker-compose 部署的 Dify
Windows 系统作为宿主机
想导出 document_segments 中的 content 内容，并按 document_id 分类

🔧 实操步骤详解

① 查看正在运行的容器

docker ps

📌 作用：确认你的数据库容器名称（通常是 docker-db-1 或 dify-postgres-1），确保服务正在运行。

② 进入 PostgreSQL 数据库

docker exec -it docker-db-1 psql -U postgres -d dify

📌 作用：进入 Dify 使用的 PostgreSQL 数据库交互环境，开始操作数据。

⚠️ 请根据你的实际容器名调整命令。

③ 查看所有知识库（datasets）

SELECT id, name, created_at FROM datasets;

📌 作用：列出所有知识库，找到你要导出的那个，记下它的 id（如：2f3e82cf-dd2f-49ab-a012-908441f4f7aa）。

④ 查看数据库表结构

\dt

📌 作用：列出所有表，确认文档相关表为 documents 和 document_segments（新版 Dify 结构）。

⑤ 再次确认目标 dataset_id

SELECT id, name, created_at FROM datasets;

📌 作用：防止看错，再次核对你要导出的知识库 ID。

⑥ 查询所有文档内容（核心步骤）

SELECT 
    d.name AS document_name,
    ds.content AS content,
    ds.position
FROM documents d
JOIN document_segments ds ON d.id = ds.document_id
WHERE d.dataset_id = '2f3e82cf-dd2f-49ab-a012-908441f4f7aa' 
  AND d.enabled = true
  AND d.indexing_status = 'completed'
ORDER BY d.name, ds.position;

📌 作用：

关联 documents 和 document_segments 表
筛出已启用、处理完成的文档
按文档名和分段顺序排序
获取真正的文本内容（ds.content）

⑦ 导出为 CSV 文件

\copy document_segments TO '/tmp/document_segments.xlsx' WITH XLSX HEADER;

📌 作用：将查询结果保存到容器内的 /tmp/document_segments.csv。

❗ 注意：PostgreSQL 的 \copy 不支持直接导出为 .xlsx，只能导出为 .csv，后续用 Python 转换。

⑧ 退出数据库并复制文件到桌面

\q

docker cp docker-db-1:/tmp/document_segments.csv C:\Users\Colryan\Desktop\document_segments.csv

📌 作用：

\q 退出 psql
docker cp 将文件从容器复制到 Windows 桌面

✅ 文件现已在你本地，可放心操作。

⑨ 清理容器内临时文件

docker exec -it docker-db-1 rm /tmp/document_segments.csv

📌 作用：清理 /tmp 目录下的临时文件，保持容器整洁。

📁 后续处理：用 Python 整理数据

1. 转 CSV → XLSX（支持多 Sheet）

使用 Python 脚本将 document_segments.csv 转为 document_segments.xlsx，并按 document_id 分 Sheet。

import pandas as pd

# 读取 CSV
df = pd.read_csv('document_segments.csv')
df['document_id'] = df['document_id'].astype(str)  # 确保 ID 为字符串

# 写入 Excel，每个 document_id 一个 Sheet
with pd.ExcelWriter('document_segments.xlsx', engine='openpyxl') as writer:
    for doc_id, group in df.groupby('document_id'):
        sheet_name = doc_id[:30].replace('/', '_').replace('\\', '_').replace('?', '_')
        group.to_excel(writer, sheet_name=sheet_name, index=False)

print("✅ 导出完成：document_segments.xlsx")

📌 作用：实现“一个文档一个 Sheet”的结构化输出。

✅ 总结：完整流程图

Dify 数据库 
    ↓ (psql 查询 + \copy)
容器内 /tmp/document_segments.csv
    ↓ (docker cp)
Windows 桌面 document_segments.csv
    ↓ (Python 脚本)
document_segments.xlsx（多 Sheet）
    ↓
可用于 RAG 构建、人工审核、归档备份