Excalidraw图形批量导出脚本
在技术文档、产品原型和团队协作日益依赖可视化表达的今天,如何高效管理设计资产成了一个现实挑战。开发者们喜欢用 Excalidraw 绘制具有“手绘感”的架构图或流程图——它轻量、直观、风格独特。但问题也随之而来:每次更新图表后,手动打开文件、截图、保存、重命名……这一连串操作不仅繁琐,还容易出错,尤其当项目中包含几十甚至上百张图时,效率瓶颈立刻显现。
有没有可能像编译代码一样,“一键生成”所有图表图像?答案是肯定的。通过自动化脚本结合无头浏览器技术,我们可以实现 Excalidraw 图形的批量导出,将原本耗时数小时的手工劳动压缩到几分钟内完成,且输出格式统一、可追溯、可集成进 CI/CD 流程。
这不仅是提效工具,更是一种思维方式的转变——把图形当作代码来管理。
文件结构解析:从 .excalidraw 到 JSON 的可编程世界
Excalidraw 的本地保存文件(.excalidraw)其实是一个标准的 JSON 文本文件。这意味着你完全可以用 VS Code 打开它,看到里面记录了画布上每一个元素的位置、类型、样式和连接关系。这种设计看似简单,实则非常聪明:它让图形具备了“可读性”和“可版本控制”的能力。
比如,当你在一个 Git 仓库中提交一个 .excalidraw 文件时,下次修改后再提交,你可以清晰地看到哪条线被移动了、哪个文本框内容变了——这是传统 PNG 或 PDF 附件永远做不到的。
这个 JSON 结构主要包括几个核心字段:
version:文件格式版本号,不同版本的 Excalidraw 可能存在兼容性差异;source:来源 URL,用于标识该文件来自哪个实例;elements:最关键的部分,数组形式存储所有图形元素,如矩形、线条、箭头、文本等;appState:视图状态,包括缩放比例、滚动位置等。
值得注意的是,这些数据只是“描述”了图形,并不包含渲染后的图像本身。也就是说,JSON 里没有像素,也没有矢量路径。“手绘抖动”效果是在前端 Canvas 渲染阶段动态生成的,属于视觉表现层,而非数据层。因此,仅靠解析 JSON 是无法直接生成图片的——我们必须回到浏览器环境,让它真正“画出来”。
这也引出了下一个关键环节:如何在无人工干预的情况下完成这个“绘制”过程?
无头渲染:让浏览器自己画画
既然需要真实渲染,那就得有 DOM 和 Canvas 环境。最自然的想法是:模拟用户操作——打开网页、加载数据、等待渲染、截取画面。只不过这一切都发生在没有界面的“后台”。
这就是 Headless Browser(无头浏览器) 的用武之地。借助 Puppeteer 或 Playwright 这类 Node.js 工具,我们可以启动一个隐藏的 Chromium 实例,自动执行整个导出流程。
典型的工作流如下:
- 启动无头浏览器;
- 访问本地运行的 Excalidraw 页面(例如
http://localhost:3000); - 将
.excalidraw文件中的 JSON 数据注入到页面的localStorage中; - 刷新页面,触发 Excalidraw 自动恢复会话;
- 等待画布渲染完成;
- 调用
canvas.toDataURL()获取图像 Base64 数据; - 保存为 PNG 或转换为 SVG;
- 关闭页面,处理下一个文件。
整个过程就像是有个“虚拟用户”在背后默默帮你点鼠标、按回车。
为了保证输出质量,有几个参数特别关键:
| 参数 | 推荐值 | 说明 |
|---|---|---|
viewport | 1920x1080 | 模拟高分辨率屏幕,避免布局错乱 |
deviceScaleFactor | 2 | 支持 Retina 高清截图 |
timeout | 10s | 设置合理超时,防止卡死 |
omitBackground | false | 保留网格背景,保持原貌 |
实际编码中,还需要注意一些细节。比如不能立即截图,因为 React 渲染和动画可能存在延迟,必须加个 setTimeout 或监听特定元素出现后再执行导出。否则很可能抓到一个空白画布。
下面是一段经过优化的核心脚本:
const puppeteer = require('puppeteer');
const fs = require('fs');
const path = require('path');
async function exportDiagram(inputPath, outputPath) {
const browser = await puppeteer.launch({ headless: true });
const page = await browser.newPage();
await page.setViewport({
width: 1920,
height: 1080,
deviceScaleFactor: 2,
});
await page.goto('http://localhost:3000', { waitUntil: 'networkidle0' });
const jsonContent = fs.readFileSync(inputPath, 'utf-8');
const data = JSON.parse(jsonContent);
await page.evaluate((data) => {
localStorage.setItem(
'excalidraw-state',
JSON.stringify({
...JSON.parse(localStorage.getItem('excalidraw-state') || '{}'),
initialData: data,
})
);
}, data);
await page.reload({ waitUntil: 'networkidle0' });
const imageBuffer = await page.evaluate(() => {
return new Promise((resolve) => {
setTimeout(() => {
const canvas = document.querySelector('#app canvas');
if (canvas) {
resolve(canvas.toDataURL('image/png'));
} else {
resolve(null);
}
}, 1000);
});
});
if (imageBuffer) {
const base64Data = imageBuffer.replace(/^data:image\/png;base64,/, '');
fs.writeFileSync(outputPath, base64Data, 'base64');
console.log(`✅ 导出成功: ${outputPath}`);
} else {
console.error(`❌ 导出失败: ${inputPath}`);
}
await browser.close();
}
这段代码虽然简洁,但在生产环境中仍需补充错误重试、并发控制和日志追踪机制。比如同时开启太多浏览器实例可能导致内存溢出,建议使用 p-limit 控制最大并发数(如 3 个)。
更进一步:组件化集成与服务端渲染
如果你希望摆脱对完整 Web 应用的依赖,还可以选择更底层的方式——直接使用官方提供的 @excalidraw/excalidraw React 组件,在自定义服务中进行渲染。
这种方式的优势在于可控性强。你可以构建一个专用的“导出服务器”,接收 JSON 数据,动态生成 HTML 页面,再通过无头浏览器访问并截图。由于整个流程由你掌控,可以禁用不必要的功能(如协作、AI 插件),提升稳定性和性能。
例如,利用 SSR(服务端渲染)生成初始页面:
import React from 'react';
import { renderToString } from 'react-dom/server';
import { Excalidraw } from '@excalidraw/excalidraw';
function generateHtml(initialData) {
const appString = renderToString(
<Excalidraw initialData={initialData} viewModeEnabled={true} />
);
return `
<!DOCTYPE html>
<html>
<body style="margin:0;height:100vh;">
<div id="root">${appString}</div>
<script>
window.__EXCALIDRAW__DATA__ = ${JSON.stringify(initialData)};
</script>
</body>
</html>
`;
}
然后让 Puppeteer 加载这个临时页面,等待组件挂载后调用其导出方法。甚至可以直接调用 exportToSvg() 函数获取 SVG 字符串,绕过 Canvas 截图步骤,获得更高质量的矢量输出。
当然,这条路也有代价:你需要维护一个基于 Express + Webpack/React 的服务环境,部署复杂度上升,适合长期使用的团队级解决方案,而不适用于个人快速脚本。
实际应用场景:让图表融入工程流程
设想这样一个场景:你的团队正在维护一份技术文档网站,使用 Docusaurus 构建,所有架构图都用 Excalidraw 绘制并存放在 docs/diagrams/ 目录下。每当有人更新了一个 .excalidraw 文件,CI 流水线就会自动触发:
- 拉取最新代码;
- 运行批量导出脚本,生成对应的 PNG 图像;
- 将图像复制到
static/img/目录; - 重新构建文档站点;
- 发布更新后的页面。
最终结果是:读者看到的是清晰的图片,而作者只需关心源文件的编辑。源图一体,版本一致,无需额外沟通。
这种模式已经在不少开源项目和技术博客中落地。更重要的是,它改变了我们对待“图表”的态度——不再是孤立的附件,而是可编程的内容资产。
此外,还可以根据需求灵活调整输出策略:
- 输出 PNG:适合嵌入 Markdown、PPT、邮件,通用性强;
- 输出 SVG:适合打印出版、高清展示,支持无限缩放;
- 添加水印或边框:用于区分测试版与正式版;
- 按标签筛选导出:只导出带有
export:true标记的图表。
甚至可以结合 Git Hooks,在本地 commit 前自动同步导出最新图像,彻底杜绝“源文件更新了但图片没换”的尴尬。
设计考量与最佳实践
在实践中,有几个关键点值得特别关注:
并发与资源管理
Puppeteer 虽强大,但每个浏览器实例都会消耗大量内存。处理上百个文件时,应避免一次性启动过多页面。推荐使用任务队列控制并发数量,例如:
const PLimit = require('p-limit');
const limit = PLimit(3); // 最多3个并发
const promises = files.map(file =>
limit(() => exportDiagram(file.input, file.output))
);
await Promise.all(promises);
错误处理与重试
网络波动、渲染失败、Canvas 未就绪等问题时有发生。建议对关键步骤添加重试机制(如最多重试 2 次),并记录失败文件路径以便后续排查。
安全与隐私
若在公共 CI 环境(如 GitHub Actions)中运行,需警惕敏感信息泄露。建议:
- 对包含机密内容的图表进行脱敏处理;
- 使用加密存储或私有 Runner;
- 导出完成后自动清理临时文件。
格式选择权衡
| 格式 | 优点 | 缺点 |
|---|---|---|
| PNG | 兼容性好,易于查看 | 不可缩放,文件体积大 |
| SVG | 矢量无损,搜索友好 | 渲染兼容性差,字体可能丢失 |
建议优先使用 PNG 保证稳定性;若追求高质量出版,可双路导出。
写在最后:从脚本到范式
这个批量导出脚本本身并不复杂,但它背后体现的是一种现代工程思维:将非结构化内容纳入自动化流程。
过去,图表是“做完就扔”的一次性产物;现在,它可以像代码一样被版本化、测试、审查和发布。这种转变带来的不仅仅是效率提升,更是协作方式的进化。
未来,这条路径还能走得更远:
- 结合 AI 工具,自动生成初稿图表并批量导出;
- 利用 OCR 或语义分析,实现图表内容检索;
- 搭建私有 Excalidraw Server,支持权限管理和 API 访问。
也许有一天,我们会说:“这张图已经过 CI 验证,可以发布。”
自动化之路始于微小脚本,终将成就高效协作的新范式。
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
424

被折叠的 条评论
为什么被折叠?



