Epub File

EPUB（电子出版物）是由国际数字出版论坛（IDPF）制定的一项免费且开放的电子书标准。此模块提供在工作流程中加载和处理EPUB文件的功能。

此模块提供了一个功能强大的EPUB文档加载器，该加载器能够：

• 加载单个或多个EPUB文件

• 支持base64编码的文件和来自存储的文件

• 按章节或按文件提取内容

• 使用文本分割工具处理内容

• 处理元数据提取

• 管理临时文件处理

输入

必选参数

• EPUB文件：需处理的EPUB文件（需带有.epub扩展名）

• 使用方法：请在以下选项中选择：

  • 每章一个文档：按章节拆分内容

  • 每个文件一个文档：将整个文件作为一个文档处理

可选参数

• 文本分割器：用于处理提取内容的文本分割器

• 附加元数据：包含附加元数据的JSON对象

• 忽略元数据键：以逗号分隔的需忽略的元数据键列表

输出

• Document：包含元数据和页面内容的文档对象数组

• 文本：从文档的pageContent中拼接而成的字符串

功能

• 多文件处理

• 分章节拆分

• 文件级处理

• 存储集成

• 元数据定制

• 文本分割支持

• 临时文件处理

• 错误处理

处理模式

按章节模式

• 为每一章分别创建单独的文档

• 保持章节结构

• 保留章节元数据

• 更适合进行详细分析

按文件模式

• 将整个文件作为一个文档处理

• 保持整体结构

• 更简单的文档组织

• 更适合进行概览分析

注意事项

• 支持本地文件和基于存储的文件

• 处理base64编码的内容

• 自动清理临时文件

• 保留文档结构

• 支持添加自定义元数据

• 无效文件的错误处理

• 内存高效处理