我在把文字送進 NotebookLM 時，有時會遇到格式需要轉檔，或是一份檔案文字太多，需要分割的問題，這時該怎麼辦呢？
在 Google Colab 環境下運行的 Python 程式碼。它會將上傳的巨大純文字檔案（.txt），依照 NotebookLM 的 50 萬字上限（安全起見，預設設為 45 萬字，避免特殊字元計算差異）進行精準分割，並自動打包成一個 ZIP 檔提供下載。
在 Colab 中貼上並執行以下程式碼即可：
import os
import shutil
from google.colab import files
def split_text_file(input_file_path, max_chars=450000, output_dir='split_files'):
"""
將純文字檔案依照字數限制分割，並存入指定資料夾。
"""
# 建立輸出資料夾，若已存在則先刪除以確保乾淨
if os.path.exists(output_dir):
shutil.rmtree(output_dir)
os.makedirs(output_dir)
print(f"📖 開始讀取檔案：{input_file_path} ...")
with open(input_file_path, 'r', encoding='utf-8') as f:
text = f.read()
total_chars = len(text)
print(f"📊 檔案總字數：{total_chars} 字")
# 開始分割
part_num = 1
start_idx = 0
base_name = os.path.splitext(os.path.basename(input_file_path))[0]
while start_idx < total_chars:
end_idx = start_idx + max_chars
chunk = text[start_idx:end_idx]
output_filename = f"{base_name}_part{part_num}.txt"
output_path = os.path.join(output_dir, output_filename)
with open(output_path, 'w', encoding='utf-8') as f_out:
f_out.write(chunk)
print(f"💾 已生成：{output_filename} ({len(chunk)} 字)")
part_num += 1
start_idx = end_idx
print(f"✅ 所有片段分割完成，共 {part_num - 1} 個檔案。")
return output_dir
def main():
# 1. 提示使用者上傳檔案
print("請上傳你要分割的 .txt 檔案：")
uploaded = files.upload()
if not uploaded:
print("❌ 未上傳任何檔案。")
return
# 取得上傳的檔名
input_file_path = list(uploaded.keys())[0]
# 2. 執行分割 (NotebookLM 上限 50 萬字，這裡抓 45 萬字安全牌)
output_folder = split_text_file(input_file_path, max_chars=450000)
# 3. 打包成 ZIP
zip_filename = f"{os.path.splitext(input_file_path)[0]}_split_archive"
print(f"📦 正在打包成 {zip_filename}.zip ...")
shutil.make_archive(zip_filename, 'zip', output_folder)
# 4. 下載 ZIP 檔案
print("📥 準備下載...")
files.download(f"{zip_filename}.zip")
print("🎉 下載已觸發！")
if __name__ == "__main__":
main()
\n、\r\n）或特殊 Unicode 字元在不同系統計算下會有微小差距。因此程式碼中將 max_chars 設為 450,000 字，留點扣達最安全。之後我在這個網站上看到支援格式，我又手癢了，
幫我寫python，大量html、epub、純文字，轉換成md，整合成完整單一壓縮文件，google colab環境
使用 Python 的 pathlib 處理路徑、 zipfile 進行壓縮，並利用 beautifulsoup4 處理 HTML，以及 ebooklib 來精準解析 EPUB 檔案。
Colab 預設沒有安裝處理 EPUB 必備的 ebooklib ，先執行此儲存格：
!pip install ebooklib beautifulsoup4 tqdm
這個腳本會自動建立輸入與輸出資料夾。你只需要 將大量 HTML、EPUB 和 TXT 檔案上傳到 input_files 資料夾 ，執行後就會在根目錄得到一個 converted_markdown.zip 壓縮檔。
import os
import re
import zipfile
from pathlib import Path
import ebooklib
from ebooklib import epub
from bs4 import BeautifulSoup
from tqdm import tqdm
# ==========================================
# 設定路徑
# ==========================================
INPUT_DIR = Path('./input_files')
OUTPUT_DIR = Path('./output_markdown')
ZIP_OUTPUT_PATH = Path('./converted_markdown.zip')
# 建立必要資料夾
INPUT_DIR.mkdir(parents=True, exist_ok=True)
OUTPUT_DIR.mkdir(parents=True, exist_ok=True)
# ==========================================
# 轉換核心函式
# ==========================================
def clean_html_to_md(html_content):
"""將 HTML 結構轉為基礎的 Markdown 格式"""
if not html_content.strip():
return ""
soup = BeautifulSoup(html_content, 'html.parser')
# 移除不必要的標籤
for script in soup(["script", "style", "meta", "noscript"]):
script.decompose()
# 簡單的 HTML 轉 MD 規則
for h in soup.find_all(['h1', 'h2', 'h3', 'h4', 'h5', 'h6']):
level = int(h.name[1])
h.replace_with(f"\n\n{'#' * level} {h.get_text().strip()}\n\n")
for p in soup.find_all('p'):
p.replace_with(f"\n{p.get_text().strip()}\n")
for br in soup.find_all('br'):
br.replace_with("\n")
for li in soup.find_all('li'):
li.replace_with(f"\n* {li.get_text().strip()}")
# 取得純文字並清理連續換行
text = soup.get_text()
text = re.sub(r'\n{3,}', '\n\n', text)
return text.strip()
def convert_txt(file_path):
"""讀取純文字"""
try:
return file_path.read_text(encoding='utf-8')
except UnicodeDecodeError:
# 備用編碼嘗試
return file_path.read_text(encoding='big5', errors='ignore')
def convert_html(file_path):
"""讀取並轉換 HTML"""
try:
content = file_path.read_text(encoding='utf-8')
except UnicodeDecodeError:
content = file_path.read_text(encoding='big5', errors='ignore')
return clean_html_to_md(content)
def convert_epub(file_path):
"""解析 EPUB 並將內部章節轉為 Markdown"""
md_content = []
try:
# ignore_ncx 減少警告訊息
book = epub.read_epub(file_path, options={'ignore_ncx': True})
# 取得書名作為大標題
title = book.get_metadata('DC', 'title')
if title:
md_content.append(# {title[0][0]}\n\n")
# 遍歷書籍內部元件
for item in book.get_items():
if item.get_type() == ebooklib.ITEM_DOCUMENT:
html_bytes = item.get_content()
html_str = html_bytes.decode('utf-8', errors='ignore')
chapter_md = clean_html_to_md(html_str)
if chapter_md:
md_content.append(chapter_md)
md_content.append("\n\n---\n\n") # 章節分隔線
return "".join(md_content)
except Exception as e:
print(f"解析 EPUB 失敗 [{file_path.name}]: {str(e)}")
return ""
# ==========================================
# 主執行流程
# ==========================================
def main():
# 支援的副檔名對照表
extension_map = {
'.txt': convert_txt,
'.html': convert_html,
'.htm': convert_html,
'.epub': convert_epub
}
# 搜集所有檔案
all_files = [f for f in INPUT_DIR.rglob('*') if f.suffix.lower() in extension_map]
if not all_files:
print(f"⚠️ 在 '{INPUT_DIR}' 資料夾中沒有找到支援的檔案 (.txt, .html, .epub)！")
print("請點擊 Colab 左側的資料夾圖示，將檔案上傳到該目錄下再重新執行。")
return
print(f"📂 找到 {len(all_files)} 個檔案，開始轉換...")
# 開始批次轉換
for file_path in tqdm(all_files, desc="轉換進度"):
suffix = file_path.suffix.lower()
convert_func = extension_map[suffix]
# 進行轉換
md_text = convert_func(file_path)
if md_text.strip():
# 保持原本的分層結構，並改副檔名為 .md
relative_path = file_path.relative_to(INPUT_DIR)
output_file_path = OUTPUT_DIR / relative_path.with_suffix('.md')
# 自動建立子資料夾
output_file_path.parent.mkdir(parents=True, exist_ok=True)
output_file_path.write_text(md_text, encoding='utf-8')
# 打包成單一壓縮檔
print("🤐 正在將所有 Markdown 檔案打包壓縮...")
with zipfile.ZipFile(ZIP_OUTPUT_PATH, 'w', zipfile.ZIP_DEFLATED) as zipf:
for root, dirs, files in os.walk(OUTPUT_DIR):
for file in files:
file_path = Path(root) / file
# 讓壓縮檔內的目錄結構從 output 內部開始算
archive_name = file_path.relative_to(OUTPUT_DIR)
zipf.write(file_path, archive_name)
print(f"🎉 完成！整合壓縮檔已產生：{ZIP_OUTPUT_PATH.resolve()}")
print("你可以點擊左側檔案面板中的 'converted_markdown.zip' 右鍵進行下載。")
if __name__ == '__main__':
main()
最後 Eric 說：
現在 AI 真的實在方便了，只要有一點基本觀念足矣，剩下就是下提示詞，接著就能得到想要的工具了。
iThome鐵人賽
看影片追技術