背景
国家中小学智慧教育平台提供了可复制文字的 pdf 格式的中小学教材供预览（其实目前也可以进行下载），但 pdf 文件布局固定，无论在什么设备上查看，内容的排列和样式都不会改变。导致在移动端浏览体验较差。
在线 html 文档的好处
对个人学习而言，将其文本内容制作为 html ，通过 html 文档自适应的流式布局，根据设备的屏幕大小和方向，自动对文本进行重排，可以提供更好的阅读体验。同时也利于浏览器使用 TTS 进行语音朗读（pdf 格式通常会在段内多出很多不必要的换行，导致语音朗读产生停顿）。而且制作成 web 页面之后，访问也更快捷、方便，因此，使用 web 技术对电子课本进行在线化是非常有价值的。
本文将以 dors 中收集的中学历史课程的在线化制作为例，探讨如何制作易于访问的电子课本。
制作电子课本时，为了确保文本内容的精确性，我没有尝试使用 AI 进行全文 OCR。制作的基本方式是进行文本复制，并使用 markdown 进行简单排版。
教材制作为 web 页面过程中的问题
在文本复制时，可能会遇到以下困难：
- 换行问题：直接复制 pdf 文本，得到的结果中，一个段落内，每一个视觉行的末尾都会多出换行符，而这些换行是不符合语义的，不应该保留。对这些换行符号，需要高效地删除。
- 表格的处理：课本中可能存在一些表格。手动复制内容并制作表格是非常痛苦的，于是就需要使用工具将表格自动识别为 markdown。
工具选用
有很多 web 工具能够帮助解决以上问题，例如 UU在线工具 就提供了 在线删除所有回车换行 | 一键清除文本换行符 - 的工具，白描、olmocr.com 支持对复杂的文档进行文字识别等。
白描提供的电子表格识别的能力可以将表格识别为 html ，然后可以直接复制 html 或通过 tableconvert 转换成 markdown 后复制进 markdown 文档中。也可以使用有大预言模型能力的 OCR，直接识别后生成 markdown，但这也存在一些局限，因为一旦指定了输出格式是 markdown，可能无法适应一些复杂表格的布局排版。
但当使用这些工具时不停地在各种标签页中切换，是很费神的。
一站式工作台的推出
基于上述问题，为了提升这项工作（以及别的工作）的体验，结合实际中的其他需求，我开发了桌面端工作流整合应用 flowkit —— 一个个人一站式工作台，用于配置工作流，组合为完成某项工作所需的多种工具，为用户提供一站式的工作体验，从而在一些电脑办公场景中加速工作流程，提高工作效率。
正如上文中所描述的，处理一个流程（如表格的识别）可能会使用多种工具（如白描或 mistral），所以这个应用中应能灵活地选用工具，不给用户设限。
flowkit 中提供了预置的工具集：其中包含有在从 pdf 中复制文本这个场景下会用到的【文本处理工具】。这个工具支持删除换行的同时，保留段落之间的空行。这样就能按段落复制文本进入工具中进行预处理，得到的每一段都移除了不必要的空行，而且输入的每段之间手动插入一个换行符，即可标识段落，这样一直累计复制文本到此工具中，就可以得到处理好的文本内容。不用再费神去移除段内的换行，这样就大大提高了复制这些文本的工作效率。
另一个有用的预置工具是 ocr 功能。虽然已有 web 页面 olmocr.com 提供了相应服务，但将其深度集成更能提升用户体验，为此 flowkit 运用了原生桌面应用的能力，使用本地代理服务解决跨域问题，实现了更加简洁易用的界面，支持粘贴、拖拽和点击上传，使用起来十分方便。