Tukar EPUB kepada Markdown Percuma Dalam Talian

Tukar fail EPUB kepada Markdown dalam talian secara percuma. Muat naik fail anda dan bersihkan, keluaran sedia LLM serta-merta. Tiada pendaftaran, 50 MB setiap fail, tiada apa yang disimpan.

EPUB hingga Markdown: Buku yang Menyimpan Babnya

Namakan semula an .epub kepada .zip dan buka zipnya. Anda akan menemui folder fail XHTML, a lembaran gaya atau dua, beberapa imej dan manifes dipanggil content.opf yang menyenaraikan setiap bahagian dan mengisytiharkan susunan yang mereka baca. Itulah keseluruhan format. EPUB bukanlah gumpalan binari yang misteri — ia laman web kecil dalam beg, dengan jadual kandungan berwayar ke dalamnya.

Yang menjadikannya bahan mentah yang luar biasa baik. Apabila anda tukar EPUB kepada Markdown, anda tidak meneka struktur seperti yang anda perlu lakukan dengan PDF. Tajuk itu sudah pun menjadi tajuk. Bab satu ialah sudah menjadi dokumen yang berasingan. Perintah membaca telah diisytiharkan, bukan disimpulkan. Letakkan fail ke dalam penukar di atas dan anda mendapat versi Markdown buku dengan hierarkinya utuh — percuma, tanpa pendaftaran, had 50 MB, tiada apa yang disimpan di pihak kami.

Mengapa Struktur Bertahan Dengan Baik

Tiga perkara di dalam bekas melakukan pengangkatan berat, dan ia patut mengetahui apa yang disumbangkan oleh setiap bekas:

  • Fail kandungan XHTML. Penanda semantik sebenar - <h1>, <h2>, <blockquote>, <ol>. Peta ini ke Markdown hampir satu lawan satu. Tajuk bab menjadi #, bahagian menjadi ##, petikan tarik menjadi >, huruf condong untuk tajuk buku kekal condong.
  • Tulang belakang. Fail OPF menyenaraikan dokumen dalam susunan bacaan, jadi bab keluar disusun dengan betul walaupun nama fail dalaman adalah perkara yang tidak bermakna seperti part0009.xhtml.
  • Dokumen navigasi. Jadual kandungan buku itu sendiri. Ini bab sebab tajuk kekal sebagai tajuk daripada tiba sebagai baris tanpa nama teks tebal.

Hasil praktikal: Markdown yang anda dapat kembali boleh dilayari. Anda boleh tatal ke bab 12, potong, dan tampalkan itu sahaja ke dalam model. Cuba lakukan perkara yang sama dengan longgokan teks rata 400 halaman dan anda sedang menggunakannya grep dan banyak harapan.

Bit Yang Perlu Dilihat Kedua

Tiada apa-apa di sini adalah pemecah perjanjian, tetapi menyemak keluaran untuk ini mengambil masa seminit dan menjimatkan kekeliruan kemudian.

  • Perkara depan dan belakang datang bersama-sama untuk perjalanan. Halaman hak cipta, dedikasi, "juga oleh pengarang ini", pengakuan, rintisan indeks. Dalam aliran kerja kajian itu adalah beberapa ribu token tiada apa-apa. Padamkannya sebelum anda menampal.
  • Nota kaki dan nota hujung dipindahkan. Dalam sumber mereka memaut ke fail nota di penghujung buku. Dalam mengalir Markdown mereka sama ada berkelompok pada akhir bab atau muncul sebagai nombor kosong di mana rujukannya. Untuk fiksyen, tidak relevan. Untuk monograf akademik di mana separuh hujah tinggal dalam nota, semak di mana ia mendarat sebelum anda membina apa-apa di atasnya.
  • Imej tidak menjadi teks. Seni muka depan, gambar rajah dan peta ialah fail di dalam arkib, bukan kata-kata. Tiada OCR di sini, jadi label gambar rajah tidak akan muncul. Jika figura membawa penjelasan, anda memerlukan yang asal bersama-sama.
  • Tahap tajuk mungkin tidak konsisten. Sesetengah penerbit menandakan setiap bab sebagai <h1>, orang lain guna <h1> untuk bahagian dan <h2> untuk bab, dan beberapa penggunaan digayakan <p> tag dan tiada tajuk sebenar sama sekali. Kes terakhir itu jarang tetapi ia adalah yang menghasilkan penukaran yang kelihatan rata dari buku yang jelas mempunyai bab.
  • Tutup penutup dan bukaan penutup kecil. Bab bermula dengan tin hiasan besar "I". permukaan sebagai watak sesat pada barisnya sendiri. Kosmetik, mudah dilihat.

DRM Berhenti Sejuk Ini — Baca Ini Sebelum Memuat Naik

Kebanyakan EPUB yang dibeli daripada kedai komersial membawa pengurusan hak digital. Fail kandungan di dalam bekas disulitkan, dan terdapat satu encryption.xml duduk di sebelah manifes yang berkata jadi. Tiada penukar boleh membacanya, dan yang ini juga tidak. Jika anda memuat naik buku yang dilindungi DRM, anda akan dapat ralat atau hasil kosong, dan fail adalah sebabnya, bukan alatnya.

EPUB bebas DRM ada di mana-mana. Projek Gutenberg, Ebook Standard, kebanyakan penerbit teknikal, akhbar universiti, keluaran Creative Commons, apa sahaja yang anda eksport sendiri daripada alat penulisan, dan a sebahagian besar kedai bebas yang menjual fail tanpa halangan pada prinsipnya. Mereka menukar agama tanpa kecoh.

Mengenai soalan yang jelas: menukar buku yang anda miliki supaya anda boleh mempelajarinya adalah kegunaan peribadi biasa; menerbitkan semula teks berhak cipta seseorang adalah perkara yang berbeza sama sekali. Itu sahaja nasihatnya.

A Whole Book Won't Fit — Kerja Bab demi Bab

Novel penuh disiarkan di sekitar 100,000 patah perkataan, dan tajuk bukan fiksyen yang padat boleh menjadi dua kali ganda. Ditukar kepada token, itu sudah melepasi apa yang kebanyakan model akan ambil sekali gus, malah yang berkonteks panjang menjadi lebih kabur apabila anda mengisinya. Perhatian merebak tipis. Butiran di tengah dilangkau.

Di sinilah Markdown mendapat tempatnya berbanding teks rata. Kerana tajuk bab bertahan, anda boleh menghiris fail dengan bersih dan mengerjakan satu bab pada satu masa:

  • Ringkaskan setiap bab secara berasingan, kemudian masukkan kembali ringkasan sebagai satu dokumen pendek dan minta garis telus keseluruhan buku.
  • Bina panduan belajar setiap bab — tuntutan utama, istilah, soalan — dan cantumkannya menjadi satu rujukan.
  • Tanya soalan yang disasarkan terhadap satu bab, jadi jawapan model datang daripada 6,000 perkataan daripada dicairkan pada 150,000.
  • Jadikan pokok tajuk menjadi garis besar dahulu. Ia adalah cara yang pantas untuk memutuskan tiga bab yang sebenarnya penting untuk apa yang anda lakukan.

Kaunter token di bawah output ialah isyarat berguna di sini. Ia memberitahu anda sebelum anda menampal sama ada anda melihat kerja bersaiz bab atau keseluruhan buku.

EPUB lwn PDF Buku Yang Sama

Jika anda mempunyai kedua-duanya, ambil EPUB. setiap masa. Kedua-dua format menyelesaikan masalah yang bertentangan dan ia ditunjukkan dalam keluaran.

PDF ialah susun atur tetap — glyph disematkan pada koordinat pada halaman yang tidak pernah berubah saiz. Pengekstrakan bermaksud membina semula ayat daripada kedudukan, membuat kesimpulan tajuk daripada saiz fon, dan meneka sama ada dua lajur hendaklah berselang. Pengepala berjalan dan nombor halaman mendarat di tengah perenggan. PDF kepada Markdown mengendalikan semua itu baik, tetapi ia adalah kerja pembinaan semula.

EPUB boleh dialirkan semula. Tiada halaman, jadi tiada perabot halaman untuk dilucutkan dan tiada geometri lajur leraikan. Strukturnya dinyatakan dan bukannya tersirat. Satu perkara yang dipegang oleh PDF dengan lebih baik adalah tepat susun atur tipografi — jadual kompleks, bar sisi diletakkan begitu sahaja, apa-apa sahaja di mana susunan pada halaman adalah sebahagian daripada makna. Untuk prosa, EPUB menang dengan selesa.

Untuk Apa Orang Menggunakan Ini

  • Mempelajari buku teknikal. Tukar tajuk gaya O'Reilly, kekalkan bab anda berusaha, dan pasangkannya dengan anda GitHub repositori sebagai teks jadi pembantu boleh melihat teori dan kod sebenar anda bersama-sama.
  • Membina rujukan peribadi. Hierarki tajuk menjadikan buku yang ditukar boleh dicari dalam Obsidian, wiki atau folder biasa .md fail — boleh dicari dengan cara e-pembaca perpustakaan tidak.
  • Bekerja melalui senarai bacaan kursus. Ringkasan peringkat bab dan amalan yang dijana soalan, boleh dikesan kembali ke bahagian asalnya.
  • Kerja manuskrip. Pengarang dan editor mengeksport EPUB daripada Scrivener atau Vellum, tukar itu, dan dapatkan salinan draf yang boleh dilumpuhkan dan dikawal versi.

Jika anda mahukan keseluruhan buku sebagai satu aliran prosa tanpa gangguan sebaliknya — untuk pembenaman, pemarkahan kebolehbacaan, atau mengindeks rak yang penuh dengan tajuk sekaligus — EPUB kepada teks adalah lebih sesuai. The togol format di bahagian atas halaman ini bertukar antara kedua-dua dan menyimpan fail yang telah anda pilih, jadi membandingkan kedua-dua output kos satu klik dan bukannya muat naik kedua.

Soalan Lazim

Bagaimanakah saya boleh menukar EPUB kepada Markdown?

Muat naik .epub di atas dan buku itu kembali sebagai Markdown dengan struktur tajuknya utuh, boleh dimuat turun sebagai .md. Percuma, 50 MB setiap fail, tiada pendaftaran. EPUB ialah XHTML di bawahnya, jadi ini ialah penukaran yang memelihara struktur dan bukannya pengekstrakan yang hilang — ia menukar lebih baik daripada hampir mana-mana format lain di sini.

Mengapakah EPUB menukar kepada Markdown dengan begitu bersih?

Kerana sumbernya sudah menjadi penanda semantik. EPUB ialah zip fail XHTML yang mana tajuk bab adalah benar-benar <h1> dan penekanan adalah benar-benar satu <em> — struktur direkodkan, tidak tersirat oleh rupa sesuatu. Pemetaan itu kepada Markdown adalah hampir dengan terjemahan langsung, itulah sebabnya tajuk, senarai, petikan blok dan italik semuanya bertahan.

Adakah tajuk bab menjadi Markdown tajuk?

Ya, pada peringkat buku itu mengisytiharkannya, jadi buku dengan bahagian dan bab menghasilkan garis besar bersarang dan bukannya garis rata. Itu menjadikan output benar-benar boleh dilayari — anda boleh melipatnya dalam editor, memaut ke bahagian atau bertanya model tentang bab tertentu dan memintanya mencari tempat yang betul.

Adakah buku yang dilindungi DRM disokong?

Tidak. Fail yang disulitkan daripada Kindle atau Apple Books tidak mempunyai kandungan yang boleh dibaca sehingga ia dinyahsulit oleh apl pembaca yang memilikinya, jadi penukaran tidak mengembalikan apa-apa. EPUB bebas DRM — Gutenberg, Ebook Standard, kebanyakan penerbit teknikal, manuskrip anda sendiri — berfungsi tanpa sebarang pengendalian khas.

Adakah ini berguna untuk membina korpus RAG daripada buku?

Ia adalah titik permulaan yang lebih baik bagi kedua-dua format. Struktur tajuk memberi anda sempadan bahagian semula jadi, jadi anda boleh berpecah pada bab atau bahagian dan bukannya pada kiraan aksara sewenang-wenang yang memotong pertengahan hujah. Jika chunker anda mahukan prosa kosong sebaliknya, EPUB kepada teks melangkau sintaks.

Selebihnya Kit Alat

EPUB ialah salah satu daripada tiga belas format yang dikendalikan di sini. File2Txt mengambil mana-mana daripadanya daripada a muat naik tunggal jika anda lebih suka tidak memilih halaman. Untuk manuskrip dan laporan ada Perkataan kepada Markdown, untuk yang lebih tua dokumen teks kaya RTF kepada Markdown, dan untuk halaman web yang disimpan HTML kepada Markdown. Rak buku yang dizip bersama-sama melewati ZIP ke Markdown dalam satu pas.

Bekerja dengan kod atau web langsung? Tukarkan a GitLab projek atau a folder pada mesin anda, atau titik Web2Txt pada URL. The panduan untuk menyediakan dokumen untuk LLM meliputi bentuk umum semua ini.

Repo2Txt dibina dan diselenggara oleh v12hero, pembangun bebas membina apl asli dan web yang mengutamakan privasi.