nmod电子书

nmod电子书是什么

nmod电子书是一套面向电子书文件的解析与内容提取工具。处理对象以 EPUB、MOBI、AZW3、PDF 为主，输出结构化的文本、章节树和元数据。本地运行，不依赖云端接口。

有一点需要注意：加密格式的电子书需要先去除 DRM 才能被完整解析，否则只能读取目录层。

nmod电子书主要功能

• 章节结构还原：解析 EPUB 的 spine 与 toc.ncx，输出按阅读顺序排列的章节列表，每章记录标题与起止位置，层级深度最多支持 4 级嵌套。
• 多格式文本抽取：从 PDF、EPUB、MOBI 输入中提取正文文字，PDF 走版面分析，EPUB 走 DOM 遍历，输出纯文本或带标签的 HTML，单文件处理上限 500MB。
• 元数据读取：抓取书名、作者、出版社、ISBN、语言、出版日期等字段，输出 JSON，字段缺失时置空不报错。
• 批量任务队列：一次投递多个文件，按队列串行处理，支持中途暂停，单批次建议不超过 200 个文件。
• 图片与公式提取：识别书内插图、表格、公式区域，输出 PNG 或 SVG，图片分辨率保留原始像素，不做压缩。
• 目录重建：对缺失导航的电子书重新生成章节索引，依据字号与分页规则推断层级，输出可跳转的 TOC。

nmod电子书使用要求

运行环境为 Windows 10 及以上、macOS 12 及以上，或主流 Linux 发行版。内存建议 4GB 起步，处理扫描版 PDF 时建议 8GB。

输入文件需可读，损坏文件会被跳过并记录日志。输出目录需要写权限。命令行版本依赖 Python 3.9 以上。

nmod电子书核心优势

版面分析准确率高。对双栏排版、图文混排的 PDF，文字顺序错乱比例控制在较低水平，段落切分按缩进与行距判断。

输出保留原始结构。章节、脚注、引用块分开存放，后续做二次加工时不用重新切分。这里有个细节，脚注默认单独成文件，不混入正文。

nmod电子书如何使用

导入文件后选择输出格式，点开始。等待进度条走完，到输出目录取结果。

需要调整章节层级时，在解析设置里改深度阈值。批量处理直接拖文件夹进去。命令行用户用 extract 子命令加文件路径即可。

nmod电子书同类竞品对比

nmod电子书应用场景

做电子书内容二次加工时，先用它把正文和结构拆出来。做语料整理，批量抽文本导出 JSON。扫描版资料需要提取图表，走图片分离功能。

学术资料整理场景下，脚注和引用单独成文件，方便后续引用核对。实际使用时会有差异，取决于源文件本身的质量。

nmod电子书适用人群

• 需要批量处理电子书文本的内容整理人员
• 做语料收集的数据处理人员
• 需要从 PDF 提取图表的研究人员
• 对电子书做结构化改造的开发者

首页截图