Markdown Cleaner
智能合并 Markdown 断行段落,清理 OCR 噪声,排版 PDF 提取的文本。
触发词
清洗markdown、markdown排版、删除图片、合并段落、断行修复、OCR清理
功能
- 清理多余空格 - 合并连续多个空格为单个
- 删除 OCR 噪声 - 自动检测并移除 OCR 产生的乱码行
- 删除图书馆藏书页 - 识别全大写图书馆标记行并移除
- 合并断行段落 - 智能合并被 PDF 断行拆散的段落
- 识别标题 - 支持
#标记和全大写短行标题 - 保留文档结构 - 列表、引用、分隔线原样保留
- 清理多余空行 - 最多保留连续1个空行
- 预览输出 - 命令行模式自动显示前30行预览
命令行
python cleanup_markdown.py input.md output.md
依赖
Python 3.6+,仅标准库 re, sys, os