ARTICLE · 1256456
一站式扫描版PDF到epub电子书制作教程
一站式扫描版PDF到epub电子书制作教程
前言
网上存在大量的扫描版PDF，但是对于手机或者屏幕较小的电子书阅读器，读起来其实很不方便，字很小，比较费眼睛。虽然有很多软件支持扫描版PDF的重排，例如多看、KOReader、K2PDF等，但是效果得不到保证。
本文旨在提供一种自动化的由扫描版的PDF生成epub书籍，目标是尽可能准确，避免人工的介入，以减少工作量，从而将更多的时间用作读书上面，而不是耗费与迷失在各种工具里面。
目标是尽可能生成排版美观的epub格式电子书，毕竟颜值是第一生产力。但是终究是依靠了工具，人介入的部分较少，因此其实也得不到保证。但是其实只要能看，我觉得就够了。排版只是锦上添花。
本教程主要是用于自己转换电子书以及验证这种方式的可行性，以下所述的步骤与方式其实还有很大的优化空间。
工具
先说明下本文需要用到的工具。
• Python：Python运行环境，用于运行Python代码。 • Sigil：epub电子书编辑、制作软件，用于编辑与预览。 • MinerU：将PDF、Office文档等复杂文件转换为LLM可处理的Markdown/JSON格式，用于您的代理工作流。将扫描版PDF转成文本格式主要依靠这个。
步骤
软件安装与环境准备
本地自己跑：
• 操作系统：Windows 11（笔记本电脑） • 4060显卡 • Python版本：3.10.6（MinerU也会用到，官方要求版本：>=3.10,<3.15） • Sigil下载：2.8.1
Python环境安装
• 作用： • Python代码执行环境 • MinerU使用 • Python下载：
Python下载，官网地址：https://www.python.org/downloads/，根据自己的系统下载对应版本即可。
• Python安装：
安装就跟安装普通软件差不多，不会的网上搜一下或者问下DeepSeek/豆包即可。
Sigil安装
• 作用： • 编辑epub文件 • 预览epub文件 • Sigil下载：
Sigil下载，官网地址：https://sigil-ebook.com/sigil/download/，根据自己的系统下载对应版本即可。
• Sigil安装：
安装就跟安装普通软件差不多，不会的网上搜一下或者问下DeepSeek/豆包即可。
MinerU安装
MinerU 是一个开源的智能文档解析引擎，能把 PDF、扫描件等复杂文档高精度转换为保留版面、公式和表格的 Markdown/JSON，常用于为大模型和 RAG 构建高质量语料。
MinerU的安装参考了其官方GitHub仓库，地址：https://github.com/opendatalab/MinerU。
MinerU其实提供了在线的使用，官方地址：https://mineru.net/OpenSourceTools/Extractor。但是在线的对解析的文档页数有限制。
同时官方还提供了客户端，下载地址：https://mineru.net/client。不过我没用过客户端，我猜大概应该还是在线的方式。
MinerU的在线是免费使用的，之前使用过。我记得单次上传文档不能超过200页。另外看官方网站也没有看到收费的策略，官方的限流策略里面写的是：“目前暂无商业化收费计划”。但是使用超过限制，也会有一定的限流策略，具体见官网说明：https://mineru.net/apiManage/limit。
此外MinerU还可以在自己的Agent Workflow里面使用，相见官方说明。
本文采用本地部署的方式。（我一直比较喜欢离线的，数据主权和控制权攥在自己手里才放心🤣）。
MinerU安装步骤如下：
• 安装好前面的Python，版本需要与官方的说明一致 • 在合适的位置创建一个目录，作为MinerU的专属文件夹，我这里创建在E盘，目录为： E:\MinerU• 打开powershell，进入该MinerU专属目录 • 安装uv（uv 是一个用 Rust 编写的高速 Python 包与环境管理工具，能一站式替代 pip 和 venv，快速创建虚拟环境并安装依赖。），命令为： pip install uv• 在这个MinerU的专属目录下创建一个名为 .mineru的Python虚拟环境，并指定这个环境使用的Python版本，命令为：uv venv .mineru --python 3.12• 在powershell终端里面“激活”刚刚用uv创建的 .mineru虚拟环境，让接下来的 python、pip 等命令优先使用这个环境里的解释器和包，而不是系统全局的 Python。命令为：.\.mineru\Scripts\Activate.ps1• 安装MinerU，用 uv 安装 MinerU 4.x 版本的 Python 包，-U 表示升级到满足条件的最新版，>=4.0,<5 锁定主版本为 4，不会误装到 3.x 或未来的 5.x。命令为： uv pip install -U "mineru>=4.0,<5"。可以是使用mineru version --json命令来查看是否安装成功，如果成功，会输出json格式的版本号• 使用命令 mineru-kit parse document.pdf -o document.md --tier advanced解析文档到Markdown格式的文档：• mineru-kit parse是 MinerU 的无状态一次性解析命令，不依赖文档库、不复用缓存，直接把输入文件解析成文件产物。• document.pdf：输入文件。要解析的源文件，替换成你自己的 PDF 路径即可。mineru-kit parse 支持单文件、多文件、目录三种输入；目录只展开一层，不递归。这条命令用的是单文件场景。• -o document.md：输出位置。-o 是 --output 的短形式，必填，程序会自动创建父目录。可选项取决于输入类型：单文件输入：-o 可以是文件路径（如 document.md），也可以是目录路径。写文件路径时，结果直接写入这个 Markdown 文件；写目录时，会在目录下生成对应结果。多文件或目录输入：-o 必须是目录路径，不能写单个文件名。• --tier advanced：解析档位。--tier 控制解析质量与计算投入，可选项有四个：flash、basic、standard（默认）、advanced。各档位定位：档位 适合场景 本地执行方式 flash快速预览、建索引、原生文本 PDF 轻量解析，扫描件走 Flash OCR basic基础 OCR、公式和表格 ONNX/Torch 小模型，不需要 VLM standard复杂版面、日常高质量解析 小模型 + VLM advanced追求最高质量，愿意等更久 与 Standard 共用模型 ，投入更多推理计算
关于详细的命令说明，请参考官方相关文档，这里不再赘述。后续会直接使用GUI，这里只是为了展示和验证前面的是否安装成功。
这一步会涉及到很多的下载，请保持网络通畅！
• 启动WebUI，命令是 mineru-kit webui。它启动一个基于 Gradio 的本地网页界面，默认地址通常是 http://127.0.0.1:7860，可以在浏览器里拖拽上传文件进行解析。浏览器的界面如下：
PDF转Markdown
MinerU安装部分其实已经说了如何将扫描版PDF转成Markdown格式的文档了。这里不在赘述。
Markdown转epub
使用提供的Python脚本将Markdown转成给定的epub模板的电子书籍。
使用方式：
1. 修改提供的python文件（即md_to_epub_files.py）顶部的配置为自己的： # ================= 配置区 =================MD_FILE = "document.md" # 你的 MinerU 生成的 md 文件OUTPUT_DIR = "./epub_output" # 输出文件夹BOOK_TITLE = "狐" # 书名# =========================================2. 打开powershell，然后运行python脚本： python md_to_epub_files.py，脚本会在当前目录生成一个epub_output文件夹。注意将你的.md文件放在python脚本的同级目录，把图片放images文件夹。3. 运行脚本。 4. 到 epub_output目录里，你会发现：把.xhtml全部丢进Text文件夹。1. Text/文件夹：里面是按章节排好的01.xhtml、02.xhtml...2. Misc/文件夹：里面是生成的 txt 纯文本。3. toc.ncx：按你的要求生成的目录。4. content.opf：完全自动生成，并且已经正确包含了你所有的 xhtml 文件、txt、图片和 css 文件，而且spine的阅读顺序也排好了。5. mimetype没动（因为你不需要在输出目录里放这个，你只要把这个输出目录的内容复制进你真实的模板结构里打包就行）。5. 最后，使用Python脚本pack_epub.py打包。注意先将把代码里 INPUT_DIR改成你那个装好所有东西的文件夹路径（注意保留前面的r，代表原始字符串）。python pack_epub.py运行它。它会在当前目录下生成一个.epub文件。
**注意：**本模板只是针对纯文字类或者包含图片的数据，对于专业的教材，由于可能包含很多公式、图表等，无法正确处理， 如有需要，可以自己写Python代码以及制作epub电子书模板进行转换。
使用Sigil编辑和调整
由于转换等，文字识别以及格式等可能会有一些偏差，可以再继续Sigil软件继续编辑调整来进行精校。软件具体的使用方式这里不再赘述，可以网上搜教程或者直接问下DeepSeek或者豆包都行。
完成与查看
可以使用自己喜欢的epub阅读器查看，推荐：
• 多看 • 静读天下 • readset • koodo reader
结语
踩坑的地方：
• 一开始以为直接右键压缩 ZIP 改后缀就行，结果一导入就报错，后来才知道 mimetype必须放在第一位且不能压缩……• 第一次跑 600 多页的 PDF 时，电脑直接黑屏重启了，一定要插好电源并且电脑开启狂暴模式……
目前的流程只是完成了 0 到 1，后续甚至可以把写好的 Python 脚本接入大模型 API，自动清洗 OCR 错别字和排版，达到更完美的体验。不过有时间再搞吧。
以上！
附Python脚本/模板和成品：
通过网盘分享的文件：Python脚本与模板和参考成品.zip，1链接: https:删除//pan.bai删除du.com/s/1-2KxyZqTt3x-删除Y8FHH3IikQ 提取码: 8888
