Book2MD

Conversor automático de arquivos PDF e ePUB para formato Markdown estruturado.

Visão Geral

Book2MD é uma ferramenta Python para converter facilmente arquivos PDF e ePUB para Markdown estruturado. O script utiliza o Docling como conversor principal, com fallback para o Calibre em arquivos ePUB que o Docling não consegue processar adequadamente.

Funcionalidades

• Conversão de PDFs para Markdown estruturado usando Docling
• Conversão de ePUBs para Markdown usando Docling ou Calibre (fallback automático)
• Modo de escaneamento único (processamento em lote)
• Modo de observação contínua (processamento de novos arquivos)
• Logs detalhados de cada execução
• Suporte a configuração via variáveis de ambiente (.env)

Pré-requisitos

• Python 3.7 ou superior
• pip (gerenciador de pacotes Python)
• Calibre (para conversão de fallback de ePUBs)

Instalação

1. Clone o repositório:

   git clone https://github.com/marcelomuz/book2md.git
   cd book2md

2. Instale as dependências:

   pip install -r requirements.txt

3. Configure o ambiente:

   cp .env.example .env
   # Edite o arquivo .env com seus caminhos

Uso

Conversão em Lote

Para processar todos os arquivos PDF e ePUB no diretório de entrada:

python -m scripts.convert

Modo de Observação

Para iniciar o modo de observação que processa novos arquivos automaticamente:

python -m scripts.convert --watch

Configuração

As configurações podem ser definidas através de variáveis de ambiente ou do arquivo config/config.yml. As variáveis de ambiente têm precedência sobre as configurações no arquivo YAML.

Variáveis de Ambiente

• BOOK2MD_INPUT_DIR: Diretório onde estão os arquivos a serem convertidos
• BOOK2MD_OUTPUT_MD: Diretório onde serão salvos os arquivos Markdown
• BOOK2MD_OUTPUT_LOGS: Diretório onde serão salvos os logs
• BOOK2MD_RETRY_ATTEMPTS: Número de tentativas para converter um arquivo
• BOOK2MD_WATCH_MODE: Modo de observação habilitado por padrão (true/false)

Estrutura do Projeto

book2md/
├── config/
│   └── config.yml     # Configurações principais
├── input/             # Diretório de entrada para PDFs/ePUBs
├── output/
│   ├── md/            # Arquivos Markdown convertidos
│   └── logs/          # Logs de execução
└── scripts/
    ├── convert.py     # Script principal de conversão
    └── utils.py       # Funções auxiliares

Licença

Este projeto está licenciado sob a licença MIT - veja o arquivo LICENSE para detalhes.

Contribuição

Contribuições são bem-vindas! Sinta-se à vontade para abrir issues ou enviar pull requests.