ebook-extractor

ebook-extractor 技能提供了一套可靠且优先本地执行的解决方案，用于将各种电子书格式转换为纯文本。此技能专为需要处理数字图书馆、进行研究或为其他 AI 代理准备分析内容的用户而设计，它简化了复杂的文档解析工作。通过利用专门的 Python 库，确保在无需消耗昂贵的 LLM Token 或互联网访问的情况下实现高保真的文本提取，同时兼顾数据隐私与本地工作流的性能。

• 自动检测 EPUB、MOBI 和 PDF 文件格式。

• 使用 ebooklib 与 BeautifulSoup 等稳健的库来解析 EPUB 结构。

• 整合 Calibre 的 ebook-convert 命令行工具，以处理专有 MOBI 格式的转换需求。

• 采用 PyMuPDF (fitz) 实现高性能的 PDF 文本提取。

• 提供统一接口用于批量处理，并提供细粒度的脚本用于特定格式的调试。

• 专为命令行整合而设计，支持将内容导出至文本文件或标准输出流。

• 请确保通过随附的 setup.sh 脚本准备环境，以自动处理依赖包的安装。

• 注意某些 PDF 属于图像型或扫描件，此工具不具备 OCR 功能，此类文件可能无法输出有效文本。

• MOBI 格式支持需要在主机系统安装 Calibre 软件包。

• 此工具最适合用于研究导向的任务，例如文档索引、内容审计，或是将纯文本输入到 RAG 管线中以进行进一步的 AI 推理分析。