Przejdź do treści
Biblioteka skilli
Edukacja · Konwersja i formaty

acmpdf2web

/acmpdf2web

Zamienia PDF z zadaniami ACM/ICPC lub OI w jednoplikową stronę dwujęzyczną z obrazami osadzonymi w base64.

Repozytorium
acmpdf2web ↗
Licencja
MIT
Ostatnia zmiana repozytorium
02.11.2026

Ocena i bezpieczeństwo

100/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść35 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
4
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 02.11.2026, bez odwołań do wycofanych modeli i API.

Licencja

MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.

Co robi i kiedy

Zamienia PDF z zadaniami ACM/ICPC lub OI w jednoplikową stronę dwujęzyczną z obrazami osadzonymi w base64.

Oryginalny opis (EN)

Convert ACM/ICPC/OI problem-set PDFs into a single-file bilingual (Chinese default, English switchable) statement webpage with all images embedded as base64 and real A4 one-problem-per-page print support. Use when user asks to 转题面PDF为网页, convert contest problem PDF to HTML, make a bilingual problemset page, or 提取题面/样例/图片生成网页.

Jak działa

  1. 核心原则
  2. 工具链(macOS,先探测缺失项并安装)
  3. 管线总览(六阶段)
  4. 常见坑速查
  5. 交付格式
Sekcje z nagłówków SKILL.md, w oryginale · 163 linii, 791 słów
Podgląd SKILL.md
---
name: acmpdf2web
description: Convert ACM/ICPC/OI problem-set PDFs into a single-file bilingual (Chinese default, English switchable) statement webpage with all images embedded as base64 and real A4 one-problem-per-page print support. Use when user asks to 转题面PDF为网页, convert contest problem PDF to HTML, make a bilingual problemset page, or 提取题面/样例/图片生成网页.
---

# PDF 竞赛题面 → 单文件双语题面网页

把 ICPC / OI / ACM 风格的题面 PDF(官方排版、含图表与样例)转换为一个**自包含、中英可切换、默认中文、全部资源内嵌**的单文件 HTML 题面网页,支持真实可用的 A4「一题一页」打印。

适用输入:pypdf 合并的赛题 PDF、LaTeX 排版的 contest problem set、Kattis/QOJ 导出 PDF 等英文竞赛题面。中文题面同样适用(跳过翻译步骤即可)。

## 核心原则

1. **内容忠实第一**:题名、正文、样例、数值、约束、公式逐字保留,不润色、不补全。翻译只新增、不覆盖(双语共存,切换显隐)。
2. **一切资源内嵌**:最终 HTML 不引用任何外部 URL。图片转 WebP base64 Data URI;无外部 JS/CSS/字体。
3. **打印是一等公民**:`@media print` 中一题一页、A4 纵向、白底黑字、输入输出并排。必须实际渲染 PDF 验证页数。
4. **迭代验证**:每一步都用 headless Chrome / Playwright 截图或打印 PDF 检查,不要凭想象写布局。

## 工具链(macOS,先探测缺失项并安装)

| 工具 | 用途 | 检查命令 |
|---|---|---|
| `pdftotext -layout / -raw` | 提取正文与逐页内容 | `which pdftotext` |
| `pdftoppm -png -r 100~200` | 整页渲染截图(确认图表归属) | `which pdftoppm` |
| `pdfimages -list / -png` | 列出并提取内嵌位图 | `which pdfimages` |
| `pdfinfo` | 页数、页面尺寸 | `which pdfinfo` |
| `cwebp`(webp 库) | 图片转 WebP | `which cwebp` |
| Python `Pillow` | 图片裁剪、缩放、拼贴对比 | `python3 -c "import PIL"` |
| Google Chrome | 无头打印 PDF / 截图 | `ls /Applications/Google Chrome.app` |
| Playwright(可选) | 语言切换交互测试 | `python3 -c "import playwright"` |

缺失时:`brew install poppler webp`、`pip3 install pillow playwright`。

可复用脚本(位于本 skill 的 `scripts/` 目录):

| 脚本 | 用途 |
|---|---|
| `scripts/extract_images.sh PDF [工作目录]` | 阶段1一键勘察:图片清单、位图提取、逐页文本索引 |
| `scripts/embed_images.py 页面.html [图片目录]` | 阶段5:`__IMG_X__` 占位符→WebP base64,并检查外部引用为 0 |
| `scripts/verify.py 页面.html [--thumbs]` | 阶段6验收:打印页数、双语切换、复制按钮、横向滚动、样例负号 |

## 管线总览(六阶段)

```
阶段1 勘察 → 阶段2 正文提取 → 阶段3 图片整理
→ 阶段4 HTML 构建 → 阶段5 内嵌与双语 → 阶段6 打印验证与自检
```

各阶段细节见 `references/` 下对应文档。

### 阶段 1:勘察(不加载全文)

```bash
scripts/extract_images.sh 题面.pdf 工作目录   # 或手动执行以下命令
pdfinfo 题面.pdf                        # 页数 / A4?
pdfimages -list 题面.pdf | head -60     # 图片分布:页码、尺寸、类型
pdftotext -layout 题面.pdf extracted.txt
wc -l extracted.txt                     # 小文件可全读;大文件分页读
```

逐页 `pdftotext -f N -l N` 扫描每页前几行,建立**页码→题目**映射:

- 每题封面页特征:单独的大字母(`A`)+ `Problem A` + 题名。
- 空白页特征:`This page is intentionally left blank.`(记录,跳过)。
- 记录每题的 Time limit(在正文首页页眉行:`A  题名  Time limit: 2s`)。

### 阶段 2:正文提取(关键:区分三类文字)

对每题逐页 `pdftotext -f N -l N -layout` 和 `-raw` 交叉阅读:

1. **普通正文**:直接转 HTML 段落。
2. **样例 I/O**:必须逐字符保真。⚠️ PDF 提取会把数学负号(U+2212 `−`)混入样例,而真实样例是 ASCII 连字符(U+002D `-`)。用逐行 `repr()` + 字节级 `od` 校验:
   ```python
   for ch in line:
       if ch in '-−': print(hex(ord(ch)))
   ```
   正文约束里的 `−` 保留原字符;样例 `pre` 里统一改回 ASCII `-`。禁止对样例 `trim()` 或折叠换行。
3. **算法伪代码**(Algorithm 环境):pdftotext 会打乱分式。转成带行号的 HTML 表格(见 `references/typography.md` 的 `.algorithm` 结构),分数用 `.frac` HTML/CSS 还原,禁止截图。

数学公式一律用 HTML/CSS 排版(`.frac` 分数、`.sum` 求和、`.m` 斜体变量、上下标 `<sub>/<sup>`),不用公式图片、不用 MathJax。

### 阶段 3:图片整理

先跑 `scripts/extract_images.sh`,再分类处理:

| 图片类型 | 识别方法 | 处理 |
|---|---|---|
| 官方 banner/logo | 页眉位置、每题重复、宽横条 | 保留一份,放封面 |
| 题目吉祥物插图 | 正文首页右上、≈1254×1254 | 每题一份,题头右上角小图 |
| 题面图表(Figure) | 正文中间或 Note 中,矢量图 | ⚠️ `pdfimages` 提不到矢量图,改用 `pdftoppm` 渲染整页后**按坐标裁剪**(先低分辨率截图确认边界,再 200dpi 精裁) |
| 表格截图 | 如映射表 | 优先用 HTML `<table>` 重排(如字母映射表),只有复杂图形才用图 |

全部图缩放到合理宽度(banner≈1600px、吉祥物≈360px、图表≈1100px),`cwebp -q 82` 转 WebP。整个过程用 Pillow 拼贴图快速目检(十几种图拼一张 contact sheet 一次看完)。

### 阶段 4:HTML 构建

使用 `references/typography.md` 的完整设计系统(试卷印刷风:米白纸面、宋体标题、朱砂点睛)。固定类名:`topbar / btn-print / masthead / kicker / title / hl / lede / toc / rail / problem / p-head / p-num / p-title / chips / chip / block / block-title / io-row / formula / note / sample-grid / sample / copy / hint / footer`。

结构要点:

- 单文件 HTML5,UTF-8,全部 CSS/JS 内联。
- `.topbar` 右侧必须有真实按钮:
  `<button class="btn-print" type="button" aria-label="打印题面或另存为 PDF" onclick="window.print()">`
- `.masthead` 封面:banner + 标题 + 目录卡(题号、题名、时间限制、主要数据范围)。
- `.rail` 粘性字母导航,IntersectionObserver 高亮(`rootMargin: '-45% 0px -50% 0px'`)。
- 每题 `<article class="problem" id="problem-a">`:`.p-head`(大编号 + 题名 + 限制 chips)→ 题面 → `输入/输出` 并排(`.io-row`)→ 样例(`figure.sample` + 复制按钮)→ 提示。
- 图片先用 `src="__IMG_X__"` 占位,最后统一替换为 base64(文件太大不便编辑)。
- 交互 JS:复制样例(clipboard API → execCommand 回退,已复制/请手动复制状态,1600ms 恢复)、导航高亮。

### 阶段 5:内嵌 + 双语

1. 用 `scripts/embed_images.py 页面.html webimg` 把占位符替换为 `data:image/webp;base64,...`。
2. 双语实现:**内容级双份 + CSS 显隐**,不用 JS 动态翻译:
   ```css
   html[data-lang="zh"] .lang-en{display:none!important;}
   html[data-lang="en"] .lang-zh{display:none!important;}
   ```
   - 每题正文放两个 `<div class="lang-zh">` / `<div class="lang-en">`。
   - 短标签(时间限制、复制按钮、章节标题)用行内 `<span class="lang-zh">…</span><span class="lang-en">…</span>`。
   - JS 一行切换:`document.documentElement.setAttribute('data-lang', lang)`,同步更新 `<html lang>`、`document.title`、按钮文案。
   - **注意坑**:按钮内动态 `textContent = '已复制'` 会抹掉双 span,导致切换语言后显示两个文案。复制状态要么用双 span 显隐,要么在切换语言时重置所有复制按钮。
3. 翻译原则:术语统一(时间限制/样例/提示/交互题/多轮题);公式、样例、代码不翻;中文译文要成文,不要逐词硬译。

### 阶段 6:打印验证与自检(不可跳过)

```bash
python3 scripts/verify.py 页面.html          # 静态检查 + 打印页数 + 交互测试
# 手动打印(等价于 verify 内部命令):
"/Applications/Google Chrome.app/Contents/MacOS/Google Chrome" --headless=new \
  --disable-gpu --no-pdf-header-footer \
  --print-to-pdf=out.pdf --virtual-time-budget=4000 "file://$PWD/页面.html"
pdfinfo out.pdf | grep Pages
pdftoppm -png -r 50 out.pdf page   # 拼贴缩略图逐页目检
```

- 中文版、英文版**各打印一次**(两种语言的行数不同,分页点不同;为超长题分别微调 `--p-fs/--p-lh/--p-gap` 打印密度变量)。
- 目标:封面 1 页,短题各 1 页;内容确实过长的题允许续页,但不得删减内容,如实说明。
- 检查每页:无空白首页/空白尾页、无元素被截断、样例白底黑字、输入输出并排。

功能自检(Playwright,verify.py 已内置):

- 默认 `data-lang="zh"`;点击切换后标题、aria-label、按钮文案正确;隐藏语言 `:visible` 计数为 0。
- 复制按钮:剪贴板内容与样例逐字符一致(尤其负号),1.6s 后恢复。
- 390/820/1280px 三档宽度无横向滚动。
- 最终文件内 `src="http`、`href="http` 计数必须为 0。

## 常见坑速查

| 症状 | 原因 | 解决 |
|---|---|---|
| 样例负号显示为 `−` | PDF 数学负号 U+2212 混入 | 字节级检查,样例内替换为 ASCII `-` |
| 矢量图在 pdfimages 输出里找不到 | 矢量图不是位图 | `pdftoppm` 渲染整页后按坐标裁剪 |
| 分页比预期多一页且近乎空白 | `break-inside:avoid` 块 + 尾部空白 | 微调该题打印密度变量;确认无强制尾部分页 |
| 切换语言后按钮显示「复制Copy」 | JS 用 textContent 覆盖了双 span | 切换时重置按钮为双 span 结构 |
| 验证脚本报按钮文案错误但页面正常 | locator 匹配到隐藏语言的 DOM(`.lang-zh figure` 永远存在),`innerText` 在 display:none 子树里退化为 textContent | 定位时限定当前可见语言容器(`#id .lang-zh figure` / `#id .lang-en figure`),或先过滤 `:visible`;判断文案一律用 `inner_text()` 而非 `text_content()` |
| 打印时元素重叠 | 响应式样式污染打印 | 在 `@media print` 中显式恢复栅格/并排 |
| 正文提取行序错乱(伪代码) | LaTeX 分式/上下标被线性化 | 对照整页渲染截图手工重建 HTML 结构 |

详细参数、完整 CSS 设计系统与组件模板见:

- `references/typography.md` — 设计系统全文(色板、字体、字号、组件结构、打印密度)
- `references/workflow-details.md` — 各阶段操作细节与验证命令

## 交付格式

回答只包含:完整 HTML 文件路径、页面分配小表、少量使用说明(打开方式、语言切换、打印参数:浏览器打印窗口选「另存为 PDF」+ A4 + 纵向 + 缩放 100% + 关页眉页脚 + 可选开「背景图形」)。附实测页数声明(如「Chrome A4 打印实测:中文 16 页、英文 16 页」),未实测则标「预计」。
Pliki w paczce (4)
  • .gitignore 1 KB
  • LICENSE 1 KB
  • README.md 5 KB
  • SKILL.md 11 KB

Wersje

W bazie nie ma innych skilli o nazwie acmpdf2web.

Migawka bazy z 13.11.2026 · wersja paczki 3db8f632f0da (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 100bilingual-next
    Konfiguruje dwujęzyczną stronę Next.js w języku francuskim i angielskim: adresy URL, hreflang i przełącznik języka.
  • 90housing-page
    Buduje i testuje jednoplikową dwujęzyczną stronę z mapą i listą mieszkań do przewodnika, sprawdzając jej działanie na telefonach.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.