Add utility to index ePub documents content

Offen

#333 erstellt am 20.8.2026 0 Kommentare 0 Reaktionen 0 zugewiesene Personen Auf GitHub ansehen

Dieses Issue hat noch niemand übernommen.

Bewertung

Schwierigkeit: 3/5
Geschätzter Aufwand: 1-2 Tage
Anfängerfreundlichkeit: 55/100

Issue-Typ: Feature
Klarheit: Größtenteils klar
Aktivitätsstatus: Ruhig
Tech-Stack: python
Bereich: search

Rechercherichtung

Beginnen Sie mit der Durchsicht der PDF-Extraktionsarbeit im pull request 182 von python-scraperlib und des zugehörigen Gutenberg issue 95. Identifizieren Sie den wiederverwendbaren scraperlib-Einstiegspunkt, der für die ePub-Extraktion benötigt wird, und definieren Sie den Abschluss so, dass ePub-Inhalte und -Metadaten bereitgestellt werden, damit Scraper sie für die Volltextindizierung verwenden können.

Vom Indexierungsmodell aus dem Issue-Text verfasst.

Beschreibung

enhancement

Content of ePub documents is not indexed for full text search, while on some ZIM it is the "core" of the ZIM.

Extracting ePub info would be beneficial to multiple scrapers and should thus ideally be exposed in scraperlib, just like we did for PDFs in https://github.com/openzim/python-scraperlib/pull/182

See https://github.com/openzim/gutenberg/issues/95

Vorherrschende Sprache: Python
Sterne: 31
Forks: 27
Ø Merge: 3 T. 7 Std.
Gemergte PRs (30 T.): 2

Beitragsleitfaden

Für dieses Repository ist kein Beitragsleitfaden indexiert

Erste Schritte

Lesen Sie das ganze Issue und danach den Beitragsleitfaden des Projekts.
Schreiben Sie ins Issue, dass Sie es übernehmen — das erspart doppelte Arbeit.
Forken Sie das Repository und arbeiten Sie in einem Branch.
Öffnen Sie einen Pull Request, der die Issue-Nummer nennt.

Mehr aus openzim/python-scraperlib

HTML rewriting: also rewrite `poster` attribute Offen

bug

Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 72/100

openzim/python-scraperlib#339 · Erstellt am 16.9.2026
[next major] Remove deprecated 'convert' parameter for optimize_image function inside optimization.py Offen

enhancement

Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 68/100

openzim/python-scraperlib#292 · Erstellt am 11.4.2026
URL normalisation: URL-encoded `#` makes its way into the path, but is lost when obtaining the URI of that entry Offen

bug

Schwierigkeit 4/5 3-5 Tage Anfängerfreundlichkeit 35/100

openzim/python-scraperlib#341 · Erstellt am 17.9.2026
URL normalisation: do not rewrite consecutive slashes `//` as a single slash `/` Offen

bug

Schwierigkeit 3/5 1-2 Tage Anfängerfreundlichkeit 45/100

openzim/python-scraperlib#340 · Erstellt am 17.9.2026
Add fuzzy rule to rewrite URLs of lesbases.anct.gouv.fr Offen

bug

openzim/python-scraperlib#334 · 1 zugewiesene Person · Erstellt am 21.8.2026

Alle Issues in openzim/python-scraperlib