EPUB如何秒变Markdown？zlibrary-to-notebooklm电子书转换核心代码全拆解

还在手动把 EPUB 书籍转成 Markdown 吗？开源项目zlibrary-to-notebooklm只需一条命令，就能把 Z-Library 上的电子书自动下载、转换为 Markdown，并一键上传到 Google NotebookLM 变成你的 AI 知识库。本文将拆解它 EPUB 转 Markdown 的核心代码，帮你搞懂整个转换机制。

为什么要把 EPUB 转成 Markdown？

在 完整工作流程 中，格式处理的优先级是：

1. PDF⭐ —— 保留排版，直接上传
2. EPUB—— 转换为 Markdown（对 AI 检索最友好）
3. 其他格式—— 自动处理

为什么偏偏是 Markdown？因为 NotebookLM 基于文本做检索和问答，HTML 里混杂的标签、脚本、样式噪声会让 AI "读得费劲"。而 Markdown 干净、结构化，章节标题就是#，正文就是纯文本——这正是 AI 最擅长的格式。

核心转换文件一览

整个转换逻辑集中在 scripts/convert_epub.py，只有约 195 行，由两个函数组成：

两个库是它的地基：ebooklib负责解包 EPUB，BeautifulSoup负责解析 HTML。依赖声明在 requirements.txt 中。

第一步：解包 EPUB，读取元数据

EPUB 本质是一个 ZIP 压缩包，ebooklib的read_epub()一句话就能打开它。接下来从 DC 元数据里取出书名和作者，写入 Markdown 文件头部：

title = book.get_metadata('DC', 'title')[0][0] author = book.get_metadata('DC', 'creator')[0][0] markdown_content = f"# {title}\n\n" markdown_content += f"**Author:** {author}\n\n"

这样生成的文件自带标题和作者信息，上传到 NotebookLM 后一眼就能认出是哪本书。

第二步：只挑正文，过滤"垃圾"页面

EPUB 里的文件五花八门：正文、封面、脚本、CSS……如何区分？关键在 convert_epub.py#L144：

for item in book.get_items(): if item.get_type() == 9: # ITEM_DOCUMENT = 9

ebooklib 给每类内容定义了数字类型码，9 代表文档（HTML 正文），其他类型一律跳过。这是第一层过滤，保证只处理真正的章节文件。

第三步：递归遍历，逐节点转成 Markdown

这是全文件最精华的部分——process_element()函数（convert_epub.py#L17）用递归实现了一个"HTML→Markdown 翻译器"，规则按优先级依次判断：

🗑️ 先丢弃：脚本、样式、导航

if element.name in ['script', 'style', 'nav', 'footer', 'svg']: return ""

这些标签对阅读毫无意义，直接返回空字符串，一步到位地降噪。

🔤 再映射：每种标签对应一种 Markdown 语法

标题的转换特别巧妙：int(element.name[1])从标签名里直接解析出级别，'#' * level拼出对应数量的井号，六种标题一次搞定。

🧩 最后兜底：递归处理子节点

遇到未显式处理的标签（比如div、section），就遍历它的子节点继续递归：

for child in element.contents: result += process_element(child)

这种"显式规则 + 递归兜底"的组合，既保证了常见标签的精确转换，又能应对任意嵌套结构——无论 EPUB 里的 HTML 写得多乱，都能兜住。

第四步：清洗空行，合并成完整 Markdown

递归结束后，原始输出往往空行过多。convert_epub.py#L114-L116 用两个正则做最后收尾：

• 连续 4 个以上换行压缩成 3 个
• 多余空格合并为一个

细节加分项：100 字符阈值

注意 convert_epub.py#L153 这行判断：

if len(chapter_md.strip()) > 100:

转换结果少于 100 字符的"章节"（通常是空白页、版权页）会被直接丢弃。配合第一层的类型过滤，最终留下的都是干货正文，每章之间用---分隔线隔开。

转换完成后，发生了什么？

convert_epub.py并不是孤立运行的。在主流程 scripts/upload.py 的convert_to_txt()（upload.py#L453-L495）中：

1. 检测到.epub文件后，自动调用convert_epub.py生成.md
2. 统计 Markdown 的词数
3. 超过 35 万词？自动按章节分块——因为 NotebookLM CLI 对大文件容易超时，分块后逐块上传同一个笔记本，既规避限制又保持内容完整
4. 调用notebooklm create创建笔记本、notebooklm source add上传内容

也就是说，一次 EPUB 转换的终点不是一份 .md 文件，而是一个可以立即向 AI 提问的笔记本。整个链路在 docs/WORKFLOW.md 中有完整流程图。

快速上手：三步跑通全流程

git clone https://gitcode.com/gh_mirrors/zl/zlibrary-to-notebooklm cd zlibrary-to-notebooklm pip install -r requirements.txt

# 1. 首次登录（保存会话，后续免登录） python3 scripts/login.py # 2. 一条命令：下载 + 转 Markdown + 上传 python3 scripts/upload.py "https://zh.zlib.li/book/..."

如果只想要 EPUB 转 Markdown 这个能力，单独跑转换脚本也可以：

python3 scripts/convert_epub.py book.epub [output.md]

写在最后

zlibrary-to-notebooklm 用不到 200 行代码演示了一个干净利落的 EPUB→Markdown 方案：类型码过滤 + 递归标签映射 + 正则清洗，三层过滤层层降噪。这套思路不依赖重型转换库，逻辑透明、易于魔改——想支持新标签？在process_element()里加一个分支即可。

如果你也被"下载书 → 转格式 → 手动上传"的流程折腾过，不妨试试这条自动化链路。更多细节可参考：

• 工作流程详解：docs/WORKFLOW.md
• 故障排除指南：docs/TROUBLESHOOTING.md
• 安装指南：INSTALL.md
• Skill 定义：SKILL.md

⚖️ 本项目仅供学习研究，请仅处理你拥有合法访问权限的内容，尊重知识产权，支持正版阅读。