epub-to-txt 技能包

EPUB / MOBI / PDF → TXT → Markdown → 多语言翻译 全流程，零 token 消耗

📦 包含脚本

🔄 完整流水线

EPUB/PDF  →  TXT  →  翻译(可选)  →  Markdown  →  AI润色（最少token）
  ↳ 脚本     ↳ 脚本   ↳ 本地模型     ↳ 零token     ↳ 只做最后精修

为什么这样设计？ - EPUB/PDF → TXT：用脚本处理，零 token - 翻译：Argos Translate 本地神经网络模型推理，零 token、完全离线 - TXT → Markdown：用脚本识别标题/章节/正文，零 token - AI 润色：只处理"人味"部分，少量 token，节省 90%

🌐 多语言翻译（v3 新增）

引擎： 1. Argos Translate（默认）——纯本地开源神经翻译，模型首次自动下载（en→zh 约 200MB），之后完全离线、零 token 2. translate-shell（备选，--engine trans）——需系统已装 trans 命令且联网

特性： - ✅ 保留章节结构（=== 边框、── 小节、Markdown # 标题均不破坏，元数据行不翻译） - ✅ 多语言：--from / --to 任意支持的语言对（en/zh/ja/ko/fr/de/es/ru/ar/pt...），无直连模型时自动经英语中转 - ✅ 双语对照：--bilingual 原文+译文交错输出 - ✅ 断点续传：翻译中断后重跑同一命令，自动从上次进度继续（进度存 .progress.json）

# 英文书 → 中文（最常用）
python3 txt-translate.py book.txt                    # 输出 book.zh.txt
python3 txt-translate.py book.txt 中文版.txt          # 指定输出名
python3 txt-translate.py book.md --to zh             # Markdown 也支持

# 其他语言
python3 txt-translate.py book.txt --from en --to ja  # 英→日
python3 txt-translate.py book.txt --from ja --to zh  # 日→中（经英语中转）

# 双语对照 / 批量
python3 txt-translate.py book.txt --bilingual
python3 txt-translate-batch.py ~/books_txt/ --from en --to zh

安装（一次性）：

pip install argostranslate
# 首次翻译时自动下载对应语言模型，之后完全离线

典型场景：英文 EPUB → 中文 Markdown

python3 epub-to-txt.py english-book.epub /tmp/book.txt   # Step 1: EPUB → TXT
python3 txt-translate.py /tmp/book.txt /tmp/book.zh.txt  # Step 2: 本地翻译 → 中文
python3 txt-to-md.py /tmp/book.zh.txt /tmp/book.zh.md    # Step 3: TXT → Markdown

性能参考：CPU 上约 1~3 段/秒，一本 300 页英文书约 30~60 分钟（后台跑即可，断点续传不怕中断）。 翻译质量说明：Argos 为开源离线模型，质量接近早期谷歌翻译，适合"通读理解"；出版级质量可在译后让 AI 只润色关键章节（少量 token）。

🚀 使用方法

1. EPUB → TXT

python3 epub-to-txt.py input.epub [output.txt]
python3 epub-to-txt.py input.epub    # 自动同名输出

3. MOBI → TXT ⭐v3.2新增

pip install mobi                              # 一次性安装依赖
python3 mobi-to-txt.py input.mobi [output.txt]   # 单本
python3 mobi-to-txt-batch.py ~/books/             # 批量

原理：MOBI → kindleunpack 解压（生成内嵌EPUB或Mobi7文件）→ 复用 EPUB 解析逻辑 → TXT 支持 K8 新版（生成EPUB）和 Mobi7 老版（直接生成 book.html），自动识别，零额外配置

4. PDF → TXT

python3 pdf-to-txt.py input.pdf [output.txt]      # 文字型 PDF（含 PyMuPDF 兜底）

4b. 扫描/图片型 PDF → TXT（本地 OCR）⭐新增

pip install rapidocr-onnxruntime pymupdf pillow   # 一次性装好本地 OCR 引擎
python3 pdf-to-txt-ocr.py input.pdf [output.txt]  # 默认 dpi=200，逐页 OCR
python3 pdf-to-txt-ocr.py input.pdf --dpi 300 --from-page 1 --to-page 5  # 高清/分段

引擎 RapidOCR（onnxruntime 推理，自带中文模型），完全离线、零 token。 适合出版社扫描书、影印本、无文字层的图片型 PDF。

5. TXT → Markdown（新增！）

python3 txt-to-md.py input.txt [output.md]
python3 txt-to-md.py "/path/中国REITs操作手册.txt"   # 自动输出同名.md

6. 批量转换

python3 epub-to-txt-batch.py /path/to/books/      # EPUB批量
python3 mobi-to-txt-batch.py /path/to/books/     # MOBI批量
python3 txt-to-md-batch.py /path/to/txts/        # TXT批量

📋 典型使用场景

场景：MOBI 书籍转 Markdown

pip install mobi                               # 首次安装
python3 mobi-to-txt.py 巴菲特致股东的信.mobi /tmp/buffett.txt  # Step 1: MOBI → TXT
python3 txt-to-md.py /tmp/buffett.txt /tmp/buffett.md           # Step 2: TXT → Markdown

场景：把一本书转成可编辑的 Markdown

# Step 1: EPUB → TXT
python3 epub-to-txt.py 智能商业.epub /tmp/智能商业.txt

# Step 2: TXT → Markdown（自动识别章节）
python3 txt-to-md.py /tmp/智能商业.txt /tmp/智能商业.md

# Step 3: AI 润色（只润色，节省token）
# → 丢给 AI："请润色这段文字，让它更有传播力"

场景：批量处理一文件夹电子书

# 批量 EPUB → TXT
python3 epub-to-txt-batch.py ~/books/

# 批量 TXT → Markdown
python3 txt-to-md-batch.py ~/books_txt/

# 验证结果
ls ~/books_txt/*.md | wc -l

🔍 TXT → Markdown 识别规则

⚠️ 已知限制

• 扫描型 PDF：已支持！用 pdf-to-txt-ocr.py（RapidOCR 本地中文 OCR，零 token）
• 纯图片 EPUB：不支持（需先把图片导出再 OCR，可扩展）
• 复杂分栏排版：OCR 按自然阅读顺序输出，多栏可能串行（建议 --dpi 300 提升）
• 非标准章节标题（如 【第一章】）：需要手动调整

🧪 测试验证

已成功转换的书籍： - 国企三资盘活（EPUB，33章，609KB） - 中国REITs操作手册（EPUB，67章，925KB → 917KB MD） - 智能商业、模型思维、水平思考、查理日记 等

📁 文件结构

epub-to-txt/
├── SKILL.md                # 本文件
├── epub-to-txt.py          # EPUB单本转TXT（零依赖）
├── epub-to-txt-batch.py    # EPUB批量转TXT（零依赖）
├── mobi-to-txt.py          # MOBI单本转TXT（需mobi库）⭐v3.2新增
├── mobi-to-txt-batch.py    # MOBI批量转TXT（需mobi库）⭐v3.2新增
├── pdf-to-txt.py           # PDF单本转TXT
├── pdf-to-txt-batch.py     # PDF批量转TXT
├── pdf-to-txt-ocr.py       # 扫描型PDF转TXT（RapidOCR本地OCR）⭐v3新增
├── txt-to-md.py            # TXT单本转Markdown
├── txt-to-md-batch.py      # TXT批量转Markdown
├── txt-translate.py        # TXT/MD多语言翻译（单本）⭐v3新增
├── txt-translate-batch.py  # TXT/MD多语言翻译（批量）⭐v3新增
├── generate-test-epub.py   # 生成测试 EPUB
└── vendor/                 # 第三方依赖（pdfminer）

💡 设计理念

外部化思维：把每次解决问题的方案写成文件，不是只存在脑子里

脚本 = 经验的固化 = 零 token 消耗的 AI 工作流

版本：v3.2（2026-07-29）新增 mobi-to-txt / mobi-to-txt-batch，支持 MOBI → TXT（需 pip install mobi）

版本：v3.1（2026-07-25）新增 pdf-to-txt-ocr 扫描版 PDF 本地中文 OCR（RapidOCR，零 token）

这个技能包功能很实用，能把各种格式的电子书转换成可编辑的文本，处理流程完整。最大的优点是翻译不需要API费用，离线就能用。但翻译质量一般，速度也比较慢；图片型电子书和复杂排版的PDF处理效果不太好，章节识别偶尔会出错。适合对排版要求不高、主要用来阅读理解的用户，对出版级或专业翻译需求来说还有差距。