kg-book-tool 1.0.1

将电子书自动转换为交互式知识图谱 HTML

kg-book-tool

将电子书（PDF / EPUB / DOCX / PPTX / XLSX / HTML / Markdown / 图片）自动转换为交互式知识图谱。

✨ 特性

• 📚 多格式支持 — PDF / EPUB / DOCX / PPTX / XLSX / HTML / Markdown / TXT
• 🖼️ OCR 回退 — 自动检测图像型 PDF 并调用 EasyOCR（中文支持）
• 🔤 编码自动检测 — UTF-8 / GBK / GB2312 / GB18030 / Big5 / Latin-1
• 📖 参考文献识别 — 自动将"参考文献"小节的编号条目（如 [1] Singhal）提取为实体
• 🌐 桌面应用 — Tkinter 原生 GUI（双击启动）
• 🎯 三视图阅读器 — 实体列表、思维导图、原文对照

📦 安装

pip install kg-book-tool

默认已包含 PDF / EPUB / DOCX / PPTX / XLSX / HTML / OCR 全套依赖，无需手动安装额外组件。

🚀 快速开始

命令行

# 从电子书中构建知识图谱
kg-build book.pdf --output data.json --js data.js

# 启用 LLM 摘要
kg-build book.epub --summary --model qwen2.5:7b

# 支持的格式：pdf / epub / docx / pptx / xlsx / html / md / txt / 图片
kg-build book.docx --output data.json

Python API

from kg_core import KnowledgeGraphBuilder

builder = KnowledgeGraphBuilder("book.pdf", model_name="qwen2.5:3b")
builder.load_book()                                # 自动识别格式
builder.extract_entities()                         # 章节标题 + 参考文献
builder.extract_definitions_and_paragraphs()        # 实体定义与上下文
builder.build_relations()                          # 实体关系
data = builder.build()                             # 返回完整字典

builder.save_json("data.json")
builder.save_js("data.js")                         # 前端可用
builder.save_md("data.md", book_name="我的书")      # 原文按章节保存

桌面应用

# 命令行启动
kg-desktop
# 或
python -m kg_app.desktop

Tkinter 原生窗口，包含：

• 选择电子文件
• 一键构建
• 实时查看知识图谱
• 实体浏览 / 关系网络 / 原文对照

🛠️ 支持的输入格式

格式	扩展名	解析器
PDF（文本型）	.pdf	PyMuPDF
PDF（图像型）	.pdf	EasyOCR（自动回退）
EPUB	.epub	ebooklib
Word	.docx	python-docx
PowerPoint	.pptx	python-pptx
Excel	.xlsx	openpyxl
HTML	.html / .htm	beautifulsoup4
Markdown	.md	内置
纯文本	.txt	内置（自动检测编码）
图片	.png / .jpg / ...	EasyOCR

📊 输出示例

$ kg-build book.pdf --output data.json --js data.js
[kg-build] 开始构建知识图谱...
  书籍: book.pdf
  模型: qwen2.5:3b
  摘要: 否
  JSON: data.json
  JS:   data.js

构建完成!
  实体: 304
  关系: 26832
  有摘要: 0
  有定义: 220
  有段落: 295

📂 项目结构

kg-book-tool/
├── kg_core/                  # 核心库（pip 入口）
│   ├── __init__.py
│   ├── builder.py            # KnowledgeGraphBuilder：构建流程
│   ├── converters.py         # 多格式转换 + OCR 回退
│   ├── text_cleaner.py       # 编码检测与文本清洗
│   ├── summarizer.py         # LLM 摘要（Ollama）
│   └── cli.py                # kg-build 命令行
├── kg_app/                   # Web + 桌面应用
│   ├── desktop.py            # Tkinter 桌面入口
│   ├── main.py               # Flask 后端
│   ├── gui.py                # 旧版 GUI
│   ├── templates/            # 渲染模板
│   │   ├── index.html
│   │   └── reader.html
│   └── static/
│       ├── data/             # 生成的知识图谱数据
│       └── uploads/          # 用户上传的电子文件
├── scripts/                  # 辅助脚本
├── setup.py                  # pip 打包配置
├── requirements.txt
├── prompt.json               # LLM prompt 配置
├── deploy.ps1                # 一键部署脚本
└── DEPLOY.md                 # 部署指南

🧪 验证安装

import kg_core
print(kg_core.__version__)               # '1.0.0'

from kg_core import (
    KnowledgeGraphBuilder,
    SummaryGenerator,
    clean_text,
    split_chapters,
)
print("All imports OK")

🐛 故障排查

问题	解决
ModuleNotFoundError: No module named 'fitz'	pip install pymupdf
easyocr 首次运行慢	首次会下载模型（约 100MB）
中文乱码	项目已内置 chardet + charset_normalizer 自动检测
图像型 PDF 提取为空	项目已内置 EasyOCR 回退
参考文献未识别	实体识别优先用后端 is_reference 字段，详见 kg_core/builder.py

📜 许可

MIT License — 详见 LICENSE

🔗 链接

• PyPI: https://pypi.org/project/kg-book-tool/
• 源代码: https://github.com/shikunpneg/kg-book-tool
• 问题反馈: https://github.com/shikunpneg/kg-book-tool/issues