给 EPUB 日文书籍自动添加振假名（ruby/furigana）注音的工具。
本项目基于 yihong0618/epubhv 进行删改，是一个轻量级的 EPUB 日文注音处理工具。
- 汉字 → 平假名：自动为日文汉字标注平假名读音
- 片假名外来语 → 英文：识别片假名外来语并标注对应的英文含义
- 批量处理：支持单个 EPUB 文件或整个目录的批量注音
- 解压 EPUB（本质是 ZIP 压缩包）
- 找到所有 HTML/XHTML 内容文件
- 使用 fugashi（MeCab 的 Python 封装）+ unidic_lite 词典进行日文分词和读音分析
- 在 HTML 中注入
<ruby>/<rt>/<rp>标签 - 重新打包为新的 EPUB 文件
# 克隆仓库
git clone https://github.com/8832two/epub_ruby.git
cd epub_ruby
# 创建虚拟环境并安装
python -m venv .venv
source .venv/Scripts/activate # Windows
# 或 source .venv/bin/activate # Linux/macOS
pip install -e .# 处理单个 EPUB 文件（输出到当前目录）
epub-ruby book.epub
# 指定输出目录
epub-ruby book.epub -d ./output
# 批量处理整个目录
epub-ruby ./books -d ./annotated
# 或以模块方式运行
python -m epub_ruby book.epub输出文件命名规则：原文件名-ruby.epub
- Python >= 3.8
- beautifulsoup4 — HTML 解析
- lxml — XML/HTML 引擎
- fugashi — MeCab 分词器封装
- unidic_lite — 日文词典
当前使用基于词典的分词器（MeCab/unidic）进行读音推断，对于多音字（同一个汉字有多种读法）的注音准确率有限。例如「行く」（いく）和「旅行」（りょこう）中的「行」读音完全不同，分词器在复杂上下文中可能出错。
这是本项目的已知问题，后续计划引入大模型（LLM）来优化多音字的注音准确性。
epub_ruby/
├── pyproject.toml # 项目配置
├── README.md
└── epub_ruby/
├── __init__.py # 包入口
├── __main__.py # python -m 入口
├── cli.py # 命令行解析
├── core.py # EPUB 解压/打包/调度
└── ruby.py # 注音引擎（分词 + ruby 注入）
- yihong0618/epubhv — 原始项目
- Mumumu4/furigana4epub — 注音引擎参考
- fugashi — 日文分词器
MIT