cipx

从 PDF、图片、压缩包和 EPUB 中提取 CIP 图书信息的 Python 工具。

安装

项目要求 Python 3.11 或更高版本。

pip install cipx

快速开始

from cipx import CIPX, extract

cipx = CIPX()

# 根据文件后缀自动分发到最合适的提取入口
result = cipx.extract("book.pdf")
print(result.success)
print(result.bookinfo.title)
print(result.bookinfo.isbn)

# 也可以直接调用顶层函数
result = extract("book.epub")
print(result.bookinfo.isbn)

如果你已经明确知道文件类型，也可以直接调用对应方法：

from cipx import CIPX

cipx = CIPX()

image_result = cipx.from_image("cover.jpg")
pdf_result = cipx.from_pdf("book.pdf")
epub_result = cipx.from_epub("book.epub")
archive_result = cipx.from_archive("book.uvz")

返回结果

提取结果是一个 ExtractResult 对象，常用字段包括：

• success：是否提取成功
• bookinfo：书目信息，包含 title、author、publisher、pubdate、isbn、cip
• meta：源文件信息
• locate：检测定位信息（图片、PDF、压缩包场景）
• ocr：OCR 识别结果
• elapsed：处理耗时
• error：失败时的错误信息

bookinfo 还提供 isbn_valid、isbn13、isbn10 等便捷属性。

配置

全局配置

from cipx.config import configure

configure(log_level="DEBUG", strict=3)

自定义 Settings

from cipx import CIPX
from cipx.config import Settings

settings = Settings(
	log_level="DEBUG",
	strict=4,
	detector={"conf_threshold": 0.5},
	ocr={"ocr_model": "medium"},
)

cipx = CIPX(config=settings)

支持格式

• 图片：.jpg、.jpeg、.png 等
• PDF：.pdf
• EPUB：.epub
• 压缩包：.zip、.rar、.uvz