5 环境自检
一条命令检查所有依赖
5.1运行自检
python3 scripts/extract.py --check5.2支持格式与工具
| 格式 | 工具 | 安装命令 |
|---|---|---|
| PDF（技术书） | docling | pip3 install docling |
| PDF（散文） | pdftotext | sudo apt install poppler-utils |
| EPUB | ebooklib + beautifulsoup4 | pip3 install ebooklib beautifulsoup4 |
| DOCX | python-docx | pip3 install python-docx |
| HTML | beautifulsoup4 | pip3 install beautifulsoup4 |
| MOBI/AZW | Calibre ebook-convert | https://calibre-ebook.com/download |
5.3扫描 PDF 警告
注意扫描 PDF 需要先 OCR。提取器会检测前几页并立即停止。请先用 ocrmypdf 处理：
ocrmypdf input.pdf output.pdf