epub-to-txt 技能包

EPUB / MOBI / PDF → TXT → Markdown → 多語言翻譯 全流程，零 token 消耗

📦 包含指令碼

🔄 完整流水線

EPUB/PDF  →  TXT  →  翻譯(可選)  →  Markdown  →  AI潤色（最少token）
  ↳ 指令碼     ↳ 指令碼   ↳ 本地模型     ↳ 零token     ↳ 只做最後精修

為什麼這樣設計？ - EPUB/PDF → TXT：用指令碼處理，零 token - 翻譯：Argos Translate 本地神經網路模型推理，零 token、完全離線 - TXT → Markdown：用指令碼識別標題/章節/正文，零 token - AI 潤色：只處理"人味"部分，少量 token，節省 90%

🌐 多語言翻譯（v3 新增）

引擎： 1. Argos Translate（預設）——純本地開源神經翻譯，模型首次自動下載（en→zh 約 200MB），之後完全離線、零 token 2. translate-shell（備選，--engine trans）——需系統已裝 trans 命令且聯網

特性： - ✅ 保留章節結構（=== 邊框、── 小節、Markdown # 標題均不破壞，後設資料行不翻譯） - ✅ 多語言：--from / --to 任意支援的語言對（en/zh/ja/ko/fr/de/es/ru/ar/pt...），無直連模型時自動經英語中轉 - ✅ 雙語對照：--bilingual 原文+譯文交錯輸出 - ✅ 斷點續傳：翻譯中斷後重跑同一命令，自動從上次進度繼續（進度存 .progress.json）

# 英文書 → 中文（最常用）
python3 txt-translate.py book.txt                    # 輸出 book.zh.txt
python3 txt-translate.py book.txt 中文版.txt          # 指定輸出名
python3 txt-translate.py book.md --to zh             # Markdown 也支援

# 其他語言
python3 txt-translate.py book.txt --from en --to ja  # 英→日
python3 txt-translate.py book.txt --from ja --to zh  # 日→中（經英語中轉）

# 雙語對照 / 批次
python3 txt-translate.py book.txt --bilingual
python3 txt-translate-batch.py ~/books_txt/ --from en --to zh

安裝（一次性）：

pip install argostranslate
# 首次翻譯時自動下載對應語言模型，之後完全離線

典型場景：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: 本地翻譯 → 中文
python3 txt-to-md.py /tmp/book.zh.txt /tmp/book.zh.md    # Step 3: TXT → Markdown

效能參考：CPU 上約 1~3 段/秒，一本 300 頁英文書約 30~60 分鐘（後臺跑即可，斷點續傳不怕中斷）。 翻譯質量說明：Argos 為開源離線模型，質量接近早期谷歌翻譯，適合"通讀理解"；出版級質量可在譯後讓 AI 只潤色關鍵章節（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    # 自動同名輸出

3. MOBI → TXT ⭐v3.2新增

pip install mobi                              # 一次性安裝依賴
python3 mobi-to-txt.py input.mobi [output.txt]   # 單本
python3 mobi-to-txt-batch.py ~/books/             # 批次

原理：MOBI → kindleunpack 解壓（生成內嵌EPUB或Mobi7檔案）→ 複用 EPUB 解析邏輯 → TXT 支援 K8 新版（生成EPUB）和 Mobi7 老版（直接生成 book.html），自動識別，零額外配置

4. PDF → TXT

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

4b. 掃描/圖片型 PDF → TXT（本地 OCR）⭐新增

pip install rapidocr-onnxruntime pymupdf pillow   # 一次性裝好本地 OCR 引擎
python3 pdf-to-txt-ocr.py input.pdf [output.txt]  # 預設 dpi=200，逐頁 OCR
python3 pdf-to-txt-ocr.py input.pdf --dpi 300 --from-page 1 --to-page 5  # 高畫質/分段

引擎 RapidOCR（onnxruntime 推理，自帶中文模型），完全離線、零 token。 適合出版社掃描書、影印本、無文字層的圖片型 PDF。

小蔥技能站7w4.net發現了升級外掛。

5. TXT → Markdown（新增！）

python3 txt-to-md.py input.txt [output.md]
python3 txt-to-md.py "/path/中國REITs操作手冊.txt"   # 自動輸出同名.md

6. 批次轉換

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

📋 典型使用場景

場景：MOBI 書籍轉 Markdown

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

場景：把一本書轉成可編輯的 Markdown

# Step 1: EPUB → TXT
python3 epub-to-txt.py 智慧商業.epub /tmp/智慧商業.txt

# Step 2: TXT → Markdown（自動識別章節）
python3 txt-to-md.py /tmp/智慧商業.txt /tmp/智慧商業.md

# Step 3: AI 潤色（只潤色，節省token）
# → 丟給 AI："請潤色這段文字，讓它更有傳播力"

場景：批次處理一資料夾電子書

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

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

# 驗證結果
ls ~/books_txt/*.md | wc -l

🔍 TXT → Markdown 識別規則

⚠️ 已知限制

• 掃描型 PDF：已支援！用 pdf-to-txt-ocr.py（RapidOCR 本地中文 OCR，零 token）
• 純圖片 EPUB：不支援（需先把圖片匯出再 OCR，可擴充套件）
• 複雜分欄排版：OCR 按自然閱讀順序輸出，多欄可能序列（建議 --dpi 300 提升）
• 非標準章節標題（如 【第一章】）：需要手動調整

🧪 測試驗證

已成功轉換的書籍： - 國企三資盤活（EPUB，33章，609KB） - 中國REITs操作手冊（EPUB，67章，925KB → 917KB MD） - 智慧商業、模型思維、水平思考、查理日記 等

📁 檔案結構

epub-to-txt/
├── SKILL.md                # 本檔案
├── epub-to-txt.py          # EPUB單本轉TXT（零依賴）
├── epub-to-txt-batch.py    # EPUB批次轉TXT（零依賴）
├── mobi-to-txt.py          # MOBI單本轉TXT（需mobi庫）⭐v3.2新增
├── mobi-to-txt-batch.py    # MOBI批次轉TXT（需mobi庫）⭐v3.2新增
├── pdf-to-txt.py           # PDF單本轉TXT
├── pdf-to-txt-batch.py     # PDF批次轉TXT
├── pdf-to-txt-ocr.py       # 掃描型PDF轉TXT（RapidOCR本地OCR）⭐v3新增
├── txt-to-md.py            # TXT單本轉Markdown
├── txt-to-md-batch.py      # TXT批次轉Markdown
├── txt-translate.py        # TXT/MD多語言翻譯（單本）⭐v3新增
├── txt-translate-batch.py  # TXT/MD多語言翻譯（批次）⭐v3新增
├── generate-test-epub.py   # 生成測試 EPUB
└── vendor/                 # 第三方依賴（pdfminer）

💡 設計理念

外部化思維：把每次解決問題的方案寫成檔案，不是隻存在腦子裡

指令碼 = 經驗的固化 = 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，支援 MOBI → TXT（需 pip install mobi）

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

這個技能包功能很實用，能把各種格式的電子書轉換成可編輯的文本，處理流程完整。最大的優點是翻譯不需要API費用，離線就能用。但翻譯質量一般，速度也比較慢；圖片型電子書和複雜排版的PDF處理效果不太好，章節識別偶爾會出錯。適合對排版要求不高、主要用來閱讀理解的使用者，對出版級或專業翻譯需求來說還有差距。