ebook-extractor

ebook-extractor 技能提供了一套可靠且優先本地執行的解決方案，用於將各種電子書格式轉換為純文字。此技能專為需要處理數位圖書館、進行研究或為其他 AI 代理準備分析內容的用戶而設計，它簡化了複雜的檔案解析工作。透過利用專門的 Python 函式庫，確保在無需消耗昂貴的 LLM Token 或網際網路存取的情況下實現高保真的文字提取，同時兼顧資料隱私與本地工作流的效能。

• 自動偵測 EPUB、MOBI 和 PDF 檔案格式。

• 使用 ebooklib 與 BeautifulSoup 等穩健的函式庫來解析 EPUB 結構。

• 整合 Calibre 的 ebook-convert 指令列工具，以處理專有 MOBI 格式的轉換需求。

• 採用 PyMuPDF (fitz) 實現高效能的 PDF 文字提取。

• 提供統一介面用於批次處理，並提供細粒度的腳本用於特定格式的偵錯。

• 專為指令列整合而設計，支援將內容導出至文字檔或標準輸出串流。

• 請確保透過隨附的 setup.sh 腳本準備環境，以自動處理依賴套件的安裝。

• 注意某些 PDF 屬於影像型態或掃描檔，此工具不具備 OCR 功能，這類檔案可能無法輸出有效文字。

• MOBI 格式支援需要於主機系統安裝 Calibre 軟體包。

• 此工具最適合用於研究導向的任務，例如文件索引、內容稽核，或是將純文字輸入到 RAG 管線中以進行進一步的 AI 推理分析。