epub-content-extractor 0.2.5

Extract text and images from EPUB files and reconstruct as Markdown

epub-content-extractor

EPUBファイルのテキストと画像を抽出し、Markdownファイル群として出力するCLIツール。FastMCPによるMCPサーバとしても動作します。

インストール

pip install epub-content-extractor

uvxで直接実行:

uvx epub-content-extractor --help

CLIの使い方

epub-extract INPUT.epub [OUTPUT_DIR]

• INPUT.epub: 入力EPUBファイルのパス（必須）
• OUTPUT_DIR: 出力先ディレクトリ（省略時は {epub_dir}/{epub_stem}/）

出力例

output/
├── chapter_001.md
├── chapter_002.md
└── images/
    └── fig001.png

各 .md ファイルはYAML Front Matter付き:

---
title: "書籍タイトル"
authors:
  - "著者名"
language: ja
publisher: "出版社"
identifier: "urn:isbn:..."
epub_layout: fixed-layout
page_progression_direction: rtl
chapter_title: "第1章"
spine_order: 1
---

MCPサーバとして使う

epub-content-extractor

MCPツール

ツール名	説明
extract_epub	EPUBの全コンテンツをMarkdownとして抽出
get_epub_metadata	EPUBのメタデータを取得（抽出なし）
list_epub_spine	スパインアイテム（章）を一覧

対応EPUBレイアウト

• リフロー型: HTML構造から自然な読み順でテキスト抽出
• フィックス型: position: absolute CSS座標によるソート（RTL/LTR対応）
• AHL型: スパインアイテムごとにフィックス型/リフロー型を判定

TestPyPI での動作確認

リリース前に TestPyPI へアップロードされたパッケージを uvx で検証する。

TestPyPI には lxml>=5.0 が存在しないため、--extra-index-url で PyPI を補助インデックスとして追加し、--index-strategy unsafe-best-match で全インデックスから最適バージョンを選択させる必要がある。

# MCP サーバーとして起動確認
uvx --from "epub-content-extractor" \
    --index "https://test.pypi.org/simple/" \
    --extra-index-url "https://pypi.org/simple/" \
    --index-strategy unsafe-best-match \
    epub-content-extractor

# CLI ツールとして動作確認
uvx --from "epub-content-extractor" \
    --index "https://test.pypi.org/simple/" \
    --extra-index-url "https://pypi.org/simple/" \
    --index-strategy unsafe-best-match \
    epub-extract <EPUBファイルパス>

# バージョンを指定する場合
uvx --from "epub-content-extractor==0.2.2" \
    --index "https://test.pypi.org/simple/" \
    --extra-index-url "https://pypi.org/simple/" \
    --index-strategy unsafe-best-match \
    epub-content-extractor

開発

uv sync --group dev
uv run pytest tests/ -v
uv run ruff check .