Qiaomu Anything to NotebookLM：任意コンテンツソースを Google NotebookLM に変換

# パッケージをインストール
pip install qiaomu-notebooklm

# 基本的な使い方：URL を変換
from qiaomu_notebooklm import ContentConverter

converter = ContentConverter()

# YouTube ビデオを変換
result = converter.convert(
    source_url="https://youtube.com/watch?v=example",
    output_format="notebooklm"
)
print(f"{result.word_count} 語を NotebookLM フォーマットに変換しました")

# 前処理オプション付きの高コンバーター
result = converter.convert(
    source_url="https://example.com/article",
    output_format="notebooklm",
    preprocess_options={
        "remove_noise": True,
        "preserve_headings": True,
        "extract_quotes": True,
        "max_chunk_size": 4000,
        "language": "en"
    }
)

# NotebookLM 互換フォーマットにエクスポート
converter.export(
    result,
    output_path="./notebooklm_sources/",
    formats=["markdown", "pdf", "text"]
)

# エクスポートされたファイルを一覧表示
import os
for f in os.listdir("./notebooklm_sources/"):
    filepath = os.path.join("./notebooklm_sources/", f)
    size = os.path.getsize(filepath)
    print(f"{f}: {size / 1024:.1f} KB")

# NotebookLM にアップロード
notebooklm = converter.connect_notebooklm(
    google_account="your_email@gmail.com"
)

# ノートブックを作成または選択
notebook = notebooklm.create_notebook(
    title="機械学習コースノート",
    description="ML チュートリアルビデオからのノート"
)

# ソースをアップロード
notebook.upload_source("./notebooklm_sources/youtube_tutorial.md")
notebook.upload_source("./notebooklm_sources/paper_abstract.pdf")

# pip でインストール
pip install qiaomu-notebooklm

# インストールを検証
python -c "import qiaomu_notebooklm; print(qiaomu_notebooklm.__version__)"

# すべてのオプション依存関係とともにインストール
pip install qiaomu-notebooklm[all]

# リポジトリをクローン
git clone https://github.com/joeseesun/qiaomu-anything-to-notebooklm.git
cd qiaomu-anything-to-notebooklm

# 開発モードでインストール
pip install -e .

# 開発依存関係をインストール
pip install -r requirements-dev.txt

# Claude Code 設定ディレクトリ内
mkdir -p ~/.claude/skills

# Qiaomu スキルをコピー
cp -r qiaomu-notebooklm/claude-code-skill/ ~/.claude/skills/

# Claude Code を再起動
claude --reload-skills

# URL リストを一括処理
urls = [
    "https://youtube.com/watch?v=video1",
    "https://youtube.com/watch?v=video2",
    "https://arxiv.org/abs/2023.12345",
    "https://example.com/blog/post",
    "https://example.com/paper.pdf"
]

converter = ContentConverter()
results = converter.batch_convert(
    urls=urls,
    output_dir="./notebooklm_batch/",
    concurrent_workers=4
)

for url, result in results.items():
    status = "成功" if result.success else "失敗"
    print(f"[{status}] {url}: {result.word_count} 語変換済み")

import schedule
import time
from datetime import datetime

def daily_content_sync():
    """毎日新しいコンテンツを確認し、NotebookLM に変換。"""
    converter = ContentConverter()
    
    # YouTube チャンネルをモニタリング
    youtube_results = converter.convert_youtube_channel(
        channel_id="UCexample",
        since_last_run=True  # 新しい動画のみ
    )
    
    # RSS フィードをモニタリング
    rss_results = converter.convert_rss_feed(
        feed_url="https://example.com/rss",
        since_last_run=True
    )
    
    # NotebookLM にアップロード
    notebooklm = converter.connect_notebooklm()
    for result in youtube_results + rss_results:
        notebooklm.upload_source(result.file_path)
        print(f"アップロード済み: {result.file_path}")

# 毎日午前6時にスケジュール
schedule.every().day.at("06:00").do(daily_content_sync)

while True:
    schedule.run_pending()
    time.sleep(60)

# ペイウォールを回避して記事コンテンツを抽出
result = converter.convert(
    source_url="https://premium-article.example.com/breaking-news",
    paywall_options={
        "bypass_enabled": True,
        "method": "archive_service",  # archive.org、archive.is など
        "fallback_to_text_only": True
    }
)

# ツールは複数の戦略を試します：
# 1. 直接抽出
# 2. アーカイブサービス照会
# 3. テキストのみのフォールバック
# 4. プロキシベースアクセス（WebShare 経由）

from qiaomu_notebooklm.plugins import BaseExtractor

@BaseExtractor.register("my_custom_source")
class MyCustomExtractor(BaseExtractor):
    def extract(self, url: str) -> dict:
        """カスタムソースからコンテンツを抽出。"""
        # カスタム抽出ロジック
        content = self.fetch_content(url)
        cleaned = self.clean_content(content)
        
        return {
            "text": cleaned,
            "title": "カスタムソースタイトル",
            "source_url": url,
            "word_count": len(cleaned.split()),
            "metadata": {"type": "custom", "author": "unknown"}
        }

# カスタムExtractor を使用
converter = ContentConverter()
result = converter.convert(
    source_url="https://custom-source.example.com/article",
    extractor="my_custom_source"
)

notebooklm = converter.connect_notebooklm()

# プロジェクト固有のノートブックを作成
projects = {
    "machine_learning": [
        "https://youtube.com/watch?v=ml_tutorial_1",
        "https://arxiv.org/abs/2301.12345"
    ],
    "product_design": [
        "https://youtube.com/watch?v=design_talk",
        "https://example.com/blog/design_principles"
    ]
}

for notebook_name, urls in projects.items():
    notebook = notebooklm.create_notebook(
        title=f"{notebook_name.replace('_', ' ').title()} ソース",
        description=f"{notebook_name} 用のキュレーション済みソース"
    )
    
    for url in urls:
        result = converter.convert(url, output_format="notebooklm")
        notebook.upload_source(result.file_path)
        print(f"{notebook_name} にソースを追加: {url}")

from qiaomu_notebooklm import KnowledgeExtractor

extractor = KnowledgeExtractor()

# 変換されたコンテンツからエンティティとリレーションシップを抽出
knowledge_graph = extractor.build_graph(
    sources=["./notebooklm_sources/"],
    output_format="neo4j"
)

# ナレッジグラフを保存
knowledge_graph.save("./knowledge_graph.json")

# グラフをクエリ
entities = knowledge_graph.get_entities_by_type("Person")
print(f"{len(entities)} 個のエンティティが見つかりました: {[e.name for e in entities]}")

pip install qiaomu-notebooklm