用 cad-simple-viewer-cli 自动化 CAD 工作流：批量将 DWG/DXF 转为 PNG无需打开 A

如果你需要大规模处理 CAD 图纸——质检流水线、文档转换，或机器学习数据集——每张图都打开 AutoCAD 并不现实。你需要的是可脚本化、无界面（headless）、且能轻松接入 Node.js 或 CI 的工具。

这就是 @mlightcad/cad-simple-viewer-cli 的用途：来自 MLightCAD 的 AcCoreConsole 风格 CLI。它可打开 DXF/DWG（或从空白图纸开始），运行类似 AutoCAD 的 .scr 命令脚本，并将导出结果写到磁盘——无需桌面版 CAD 许可证。

相关在线查看能力可在浏览器体验：MLightCAD 应用。

你可以自动化什么

用一段简短的命令脚本即可：

将图纸导出为 PNG、PDF、SVG、离线 HTML 或 DXF
缩放到范围、开关图层，再导出干净视图
从空白图纸开始，通过脚本创建几何
用 Node.js 或 shell 批量处理整文件夹的 DWG/DXF

本文聚焦一个常见的机器学习场景：把一个文件夹里的 CAD 文件批量转成 PNG，用于训练识别图元、符号或图纸布局区域的模型。

为什么 AI 需要从 CAD 导出 PNG

CAD 本身是结构化数据（图层、图元类型、坐标）。但许多视觉模型仍依赖栅格图：

检测门、窗、图签、尺寸文字等目标
分类图纸类型（平面 / 立面 / 原理图）
理解布局，并对渲染后的文字做 OCR

手工导出几百张图又慢又不统一。无界面 CLI 能提供可重复的分辨率、缩放与命名——这正是数据集流水线需要的。

安装

需要 Node.js 20+。CLI 通过 Playwright 使用无头 Chromium。

npm install -g @mlightcad/cad-simple-viewer-cli
npx playwright install chromium

或作为项目依赖：

npm install -D @mlightcad/cad-simple-viewer-cli
npx playwright install chromium

单文件快速上手：DWG → PNG

创建 export-png.scr（也可直接使用包内自带示例）：

; 缩放到范围，再导出 PNG（长边 2048px）
zoom
e
pngout

2048
quit

脚本规则很简单：命令名独占一行，后续行回答提示；空行表示回车/默认值；; 为注释；用 quit 结束。

运行：

cad-simple-viewer-cli \
  -i ./drawing.dwg \
  -s ./export-png.scr \
  -o ./out

或使用 npx：

npx cad-simple-viewer-cli -i ./drawing.dxf -s ./export-png.scr -o ./out

也支持远程文件：

cad-simple-viewer-cli \
  -i https://cdn.jsdelivr.net/gh/mlightcad/cad-data@main/data/canteen.dwg \
  -s ./export-png.scr \
  -o ./out

常用参数：

选项	含义
`-i`	本地 `.dxf` / `.dwg` 或 `http(s)` URL（省略则从空白图纸开始）
`-s`	`.scr` 脚本（必填）
`-o`	导出文件输出目录
`--mode read\|write`	打开模式（改图层需要 `write`）
`--locale`	提示/关键字语言（`en`、`zh` 等）
`--logfile`	追加运行日志

如果你用过 AutoCAD 的 AcCoreConsole：

accoreconsole /i drawing.dwg /s script.scr
≈ cad-simple-viewer-cli -i drawing.dwg -s script.scr

批量示例：整文件夹 DWG/DXF → PNG 数据集

这是 AI 训练中最常用的流程。

方案 A — 使用包内批量脚本

安装后，示例位于：

node_modules/@mlightcad/cad-simple-viewer-cli/examples/

node node_modules/@mlightcad/cad-simple-viewer-cli/examples/batch-export-png.mjs ./drawings ./out-png

该脚本会：

递归查找 ./drawings 下的 .dwg / .dxf
对每个文件运行 CLI + export-png.scr
将 PNG 写入 ./out-png
输出成功 / 失败数量

典型目录结构：

drawings/
  floor-01.dwg
  floor-02.dxf
  archive/
    detail-a.dwg
out-png/
  floor-01.png
  floor-02.png
  detail-a.png

方案 B — shell 循环（适合简单 CI）

mkdir -p out-png
for f in drawings/*.{dwg,dxf}; do
  [ -e "$f" ] || continue
  cad-simple-viewer-cli -i "$f" -s ./export-png.scr -o ./out-png
done

方案 C — 编程 API

import { runHeadless } from '@mlightcad/cad-simple-viewer-cli'
import { readdir } from 'node:fs/promises'
import path from 'node:path'

const inputDir = './drawings'
const outputDir = './out-png'
const scriptPath = './export-png.scr'

for (const name of await readdir(inputDir)) {
  const ext = path.extname(name).toLowerCase()
  if (ext !== '.dwg' && ext !== '.dxf') continue

  const { savedFiles } = await runHeadless({
    inputPath: path.join(inputDir, name),
    scriptPath,
    outputDir,
    mode: 'read'
  })
  console.log(name, '→', savedFiles)
}

需要重试、并发池、旁路元数据，或对接标注工具时，用这种方式更合适。

更干净的 ML 数据集小技巧

1. 固定长边分辨率
pngout + 2048 可让不同图纸尺度一致。若模型偏好其他尺寸，改这个数字即可。

2. 导出前先 zoom extents
始终先 zoom → e 再导出，让画面由内容决定范围，而不是残留视口噪声。

3. 导出前关闭干扰图层
做符号检测时，可能希望关掉尺寸或填充。使用 --mode write 和图层脚本：

; freeze-layer-png.scr — 将 LAYER_NAME 换成真实图层名
-layer
Off
LAYER_NAME

zoom
e
pngout

2048
quit

cad-simple-viewer-cli \
  -i ./drawing.dwg \
  -s ./freeze-layer-png.scr \
  -o ./out \
  --mode write

4. 保留源文件名
批量脚本会保留图纸基名，便于标注映射：floor-01.png ↔ floor-01.dwg。

5. 记录失败
在 CI 中加上 --logfile ./cli.log，避免坏文件静默失败。

不止 PNG：更多自动化脚本

同一套 CLI，换不同 .scr 即可（包内自带示例）：

脚本	用途
`export-png.scr`	缩放到范围 → PNG
`export-html.scr`	离线 HTML（`-chtml`）
`export-dxf.scr`	下载 DXF
`create-drawing-dxf.scr`	空白图 + LINE → DXF
`create-shapes-dxf.scr`	LINE + CIRCLE → DXF
`batch-export-html.mjs`	文件夹 → HTML

常用命令包括：zoom、pngout、cdxf、-chtml、chtml、cpdf、csvg、-layer、qnew、line、circle 等。

示例——不提供输入文件，直接生成图纸：

cad-simple-viewer-cli -s ./create-drawing-dxf.scr -o ./out --mode write

这个模式很适合合成训练数据或冒烟测试。

放进你的技术栈

一条实用流水线可以是：

把 DWG/DXF 收集到 drawings/
用 cad-simple-viewer-cli 批量导出 PNG
标注图像（或在可行时从 CAD 元数据派生标签）
训练 / 评估视觉模型
图纸更新后重新导出——同一脚本、同一参数

由于同时提供 CLI 与 Node API，它可以直接接入 GitHub Actions、本地数据集构建工具，或内部转换服务，而无需在每台机器安装 AutoCAD。

开始试用

npm 上的 CLI： @mlightcad/cad-simple-viewer-cli
在线查看器： mlightcad.netlify.app/
产品主页： mlightcad.com/
源码： github.com/mlightcad/c…（packages/cad-simple-viewer-cli）

如果你的瓶颈是「有上千张图纸，需要稳定、一致的渲染结果」，先用 export-png.scr 跑通一张图，再切到 batch-export-png.mjs 处理整个文件夹。仅这一步，就往往足以从真实 CAD 数据启动一套 AI 训练集。