QuoteHub

中国互联网创业者语录合集 —— 将 PDF 原始资料转换为结构化 Markdown，方便阅读、搜索与引用。

内容

人物	来源	条目数	图片数
王兴	饭否动态合集（2007–2020年12月）	15,420 条	1,304 张
张一鸣	微博语录精选（近10年）	231 条	—

项目结构

QuoteHub/
├── scripts/
│   ├── convert.sh          # 主入口：一键提取图片 + 生成 Markdown
│   ├── extract_images.py   # 从 PDF 中提取图片，建立编号映射
│   └── format.py           # 将 pdftotext 原始文本格式化为 Markdown
├── wang-xing/
│   ├── quotes.md           # 生成的语录 Markdown
│   ├── images/             # 提取的图片（Git LFS）
│   │   ├── map.json        # 图片编号映射表
│   │   └── entry_*.jpeg    # 各条目图片
│   └── *.pdf               # 原始 PDF（不提交，见 .gitignore）
├── zhang-yi-ming/
│   ├── quotes.md           # 生成的语录 Markdown
│   └── *.pdf               # 原始 PDF（不提交）
├── .gitattributes          # Git LFS 配置（images/*.jpeg）
├── .gitignore              # 忽略 PDF 和系统文件
└── README.md

使用说明

环境要求

# macOS（使用 Homebrew）
brew install poppler          # 提供 pdftotext

# Python 依赖
pip3 install pymupdf          # 提供图片提取能力

生成 Markdown

将 PDF 放入对应的子目录（wang-xing/ 或 zhang-yi-ming/），然后运行：

bash scripts/convert.sh

该命令会依次执行：

1. 提取图片（extract_images.py）——扫描王兴 PDF 的全部 2,284 页，将 1,304 张图片保存到 wang-xing/images/，并生成 map.json 编号映射
2. 生成王兴语录（format.py）——调用 pdftotext 提取文本，格式化为带时间戳和图片引用的 Markdown
3. 生成张一鸣语录（format.py）——提取文本，按主题分节，修复 CJK 字间距
4. 更新 README——自动写入目录索引

仅重新提取图片

python3 scripts/extract_images.py

添加新人物

1. 在项目根目录新建子文件夹，放入 PDF
2. 在 scripts/convert.sh 末尾仿照现有格式添加 convert_pdf 调用
3. 在 scripts/format.py 中为该人物实现对应的 format_xxx() 函数
4. 运行 bash scripts/convert.sh

格式说明

王兴（饭否）：每条动态为独立的 ### N 节，包含正文、转发链、图片（如有）和发布时间。

### 88

在出机场的高速上看到一个很鸡血的广告大牌：Every success begins with a big dream!
看了落款才知道这是一个床垫广告-_-!

*2020-01-31 13:39 · 手机上网*

张一鸣（微博）：按主题分为三个 ## 节，每条语录为 ### 001 格式。

## 01 关于成长

### 001

人常会不自觉地记下对自己有利的部分，这是形成委屈的重要原因。

---

wang-xing/quotes.md 和 README.md 由 scripts/convert.sh 自动生成，请勿直接编辑。