书籍拆解站

要解决的问题

中文 PDF 书籍常不能直接转成网页：文本层可能把每个汉字单独拆成一行，第二章 这类标题被跨行断开；扫描版甚至没有文字层；译本的目录编号又常和正文原编号不一致。直接正则切章节或导出 HTML，很容易得到错乱、无法浏览的页面。

技能如何工作

该技能把 PDF 书籍整理为可独立访问的 HTML 站点：

• 文本提取与切分：优先用 pdfplumber 提取文本，并对标题做跨行拼接，再按目录页码与正文边界切出章节。
• 扫描版 OCR：对无文字层 PDF，用 PyMuPDF 将页面渲染为 PNG，再用 rapidocr_onnxruntime 并行识别中文页面文本。
• 章节总结：将各章文本交给并行子代理，产出包含核心论点、关键概念、案例、重要引述和本节要点的结构化 markdown。
• 自包含页面：每章生成内联 CSS/JS 的 HTML 页面，支持目录抽屉、章节内导航、阅读进度条、上一页/下一页，并用统一 slugify 保证中文锚点可跳转。
• 可部署验证：检查占位符残留后部署到在线环境，返回 shareLink，逐页验证 200。

适用边界

适合中文书籍，尤其是目录重排的金融投资类译本。总结必须忠实原文，引用尽量使用书中中文原话；涉及合规或敏感内容时，应仅作为学习交流材料使用。