13 ธันวาคม 2568 ทีม XDA-Developers พูดถึง การใช้ NotebookLM เก่งขึ้นและเร็วขึ้น ด้วยการเอา Python scripts ง่าย ๆ มาช่วยงานที่ทำซ้ำบ่อย ๆ แทนที่จะไปหาเครื่องมือใหม่เพิ่มเรื่อย ๆ มี 4 อย่างใน Python Scripts
1. Web Scraper ดึงคอนเทนต์จากเว็บไหนก็ได้แบบไว ๆ
- หัวใจของการใช้ NotebookLM คือ เติม notebook ด้วย Sources ที่คุณภาพดี ทีม XDA-Developers ได้ยินคนพูดบ่อยมากว่า การอัปโหลด sources เป็นไฟล์ .txt มักดีกว่าการใช้ PDFs เพราะไฟล์ข้อความมัน parse และ search ใน NotebookLM ได้ง่ายกว่า เพราะงั้น Script ที่ฉันใช้หนักมากก็คือ Script ที่ดึงข้อความจากลิสต์ URLs แล้วเซฟเป็น .txt นั่นเอง
Code:
import requests
from bs4 import BeautifulSoup
import re
import os def clean_html_content(html_content):
soup = BeautifulSoup(html_content, 'html.parser')
for element in soup(["script", "style", "header", "footer", "nav", "aside", "form", "button", "iframe", "img"]):
element.decompose()
text = soup.get_text()
text = re.sub(r'\n\s*\n', '\n\n', text)
text = re.sub(r' +', ' ', text)
return text.strip() def scrape_and_save(urls):
output_dir = "notebooklm_sources_web"
if not os.path.exists(output_dir):
os.makedirs(output_dir)
print(f"Saving cleaned articles to the '{output_dir}' directory...")
for i, url in enumerate(urls):
try:
print(f"Fetching: {url}")
response = requests.get(url, timeout=10)
response.raise_for_status()
clean_text = clean_html_content(response.content)
title_soup = BeautifulSoup(response.content, 'html.parser')
page_title = title_soup.title.string if title_soup.title else f"article_{i+1}"
filename_base = re.sub(r'[\\/:*?"|]', '_', page_title).strip()
filename = f"{filename_base[:50].strip() or f'article_{i+1}'}.txt"
output_path = os.path.join(output_dir, filename)
with open(output_path, 'w', encoding='utf-8') as f:
f.write(clean_text)
print(f" -> Success: Saved as {filename}")
except requests.exceptions.RequestException as e:
print(f" -> Error fetching {url}: {e}")
except Exception as e:
print(f" -> An unexpected error occurred with {url}: {e}") research_urls = [
# Insert URLs here
"https://www.xda-developers.com/proton-launches-excel-and.../",
"https://www.xda-developers.com/im-never-going-back-to.../",
] scrape_and_save(research_urls)ตัว Script จะไป fetch หน้าเว็บจากอินเทอร์เน็ต แล้วจัดการทำความสะอาดข้อความ เช่น ลบช่องว่างเกิน ๆ, ลบ blank lines
- ดึงข้อความจากหลาย ๆ เว็บไซต์ (URLs)
- ล้างของรก ๆ เช่น scripts, styles, header, ปุ่ม, ฟอร์ม, รูป
เซฟเป็นไฟล์ .txt
เหตุผล: .txt มัก parse/search ใน NotebookLM ได้ง่ายกว่า PDF
- ใส่ URLs ได้กี่อันก็ได้ในตัวแปร research_urls แล้วมันจะ clean ให้ทีละหน้า และเซฟเป็นไฟล์ .txt แยกกันทีละไฟล์
2. YouTube Transcript Scraper แปลง VDO เป็น Text ในไม่กี่วินาที
- เหตุผลเหมือนกับ Web Scraper ตัว Script ที่ใช้กับ Youtube รองรับได้หลายภาษา และจะจัด paragraph ให้อ่านง่ายแบบอัตโนมัติ มันจะ clean line breaks กับ whitespace ที่เกิน ๆ แล้วเซฟ transcript ออกมาเป็นไฟล์ .txt ที่เรียบร้อยมา
วิธีใช้ก็แค่รันคำสั่ง command line นี้:
python youtube_transcript.py "link here" -o transcript.txt
.
#!/usr/bin/env python3
.
✨ Code:
import argparse
import re
import sys
try:
from youtube_transcript_api import YouTubeTranscriptApi
from youtube_transcript_api._errors import TranscriptsDisabled, NoTranscriptFound
except ImportError:
print("Required package not found. Install with:")
print(" pip install youtube-transcript-api")
sys.exit(1)
def extract_video_id(url_or_id: str) -> str:
patterns = [
r'(?:youtube\.com\/watch\?v=|youtu\.be\/|youtube\.com\/embed\/)([a-zA-Z0-9_-]{11})',
r'^([a-zA-Z0-9_-]{11})$'
]
for pattern in patterns:
match = re.search(pattern, url_or_id)
if match:
return match.group(1)
raise ValueError(f"Could not extract video ID from: {url_or_id}")
def format_timestamp(seconds: float) -> str:
hours = int(seconds // 3600)
minutes = int((seconds % 3600) // 60)
secs = int(seconds % 60)
if hours > 0:
return f"{hours:02d}:{minutes:02d}:{secs:02d}"
return f"{minutes:02d}:{secs:02d}"
def get_transcript(video_id: str, languages: list = None, include_timestamps: bool = False) -> str:
api = YouTubeTranscriptApi()
if languages:
transcript_list = api.list(video_id)
transcript = transcript_list.find_transcript(languages)
transcript_data = transcript.fetch()
else:
try:
transcript_data = api.fetch(video_id, languages=['en'])
except NoTranscriptFound:
transcript_data = api.fetch(video_id)
if include_timestamps:
lines = []
for entry in transcript_data:
timestamp = format_timestamp(entry.start)
text = entry.text.replace('\n', ' ')
lines.append(f"[{timestamp}] {text}")
return '\n'.join(lines)
else:
texts = [entry.text.replace('\n', ' ') for entry in transcript_data]
paragraphs = []
current_paragraph = []
for text in texts:
current_paragraph.append(text)
combined = ' '.join(current_paragraph)
if len(combined.split()) > 100 or (text.rstrip().endswith(('.', '?', '!')) and len(current_paragraph) > 3):
paragraphs.append(combined)
current_paragraph = []
if current_paragraph:
paragraphs.append(' '.join(current_paragraph))
return '\n\n'.join(paragraphs)
def get_video_info(video_id: str) -> dict:
return {
'video_id': video_id,
'url': f"https://www.youtube.com/watch?v={video_id}"
}
def main():
parser = argparse.ArgumentParser(
description='Download YouTube transcripts for NotebookLM',
formatter_class=argparse.RawDescriptionHelpFormatter,
epilog="""
Examples:
python youtube_transcript.py "https://youtube.com/watch?v=VIDEO_ID"
python youtube_transcript.py VIDEO_ID -o transcript.txt
python youtube_transcript.py VIDEO_ID --timestamps
python youtube_transcript.py VIDEO_ID --language es
"""
)
parser.add_argument('video', help='YouTube URL or video ID')
parser.add_argument('-o', '--output', help='Output file (default: print to stdout)')
parser.add_argument('--timestamps', action='store_true', help='Include timestamps in output')
parser.add_argument('--language', '-l', help='Preferred language code (e.g., en, es, fr)')
parser.add_argument('--list-languages', action='store_true', help='List available transcript languages')
args = parser.parse_args()
try:
video_id = extract_video_id(args.video)
api = YouTubeTranscriptApi()
if args.list_languages:
transcript_list = api.list(video_id)
print("Available transcripts:")
for transcript in transcript_list:
auto = " (auto-generated)" if transcript.is_generated else ""
print(f" {transcript.language_code}: {transcript.language}{auto}")
return
languages = [args.language] if args.language else None
transcript = get_transcript(video_id, languages, args.timestamps)
video_info = get_video_info(video_id)
output = f"""# YouTube Video Transcript
**Video URL:** {video_info['url']}
**Video ID:** {video_info['video_id']}
---
{transcript}
"""
if args.output:
with open(args.output, 'w', encoding='utf-8') as f:
f.write(output)
print(f"Saved to {args.output}")
else:
print(output)
except TranscriptsDisabled:
print("Error: Transcripts are disabled for this video", file=sys.stderr)
sys.exit(1)
except NoTranscriptFound:
print("Error: No transcript found for this video", file=sys.stderr)
sys.exit(1)
except Exception as e:
print(f"Error: {e}", file=sys.stderr)
sys.exit(1)
if __name__ == '__main__':
main()แล้วก็บันทึกกเป็น .txt เป้าหมาย คือ ใช้ NotebookLM ช่วยอ่าน/สรุป/ถามตอบจากวิดีโอได้เหมือนมีเอกสาร
3. File Splitter จากไฟล์ใหญ่ → ชิ้นเล็ก ๆ ที่จัดการง่าย
- NotebookLM แต่ละ source รองรับได้สูงสุด 500,000 คำ ถ้า source ยาวเกินไป มันทำให้การ Search ช้าลง และดูเหมือน NotebookLM จะเริ่มงอแงกับการ parse ให้ดี ๆ ด้วย
- แทนที่จะมานั่งแยกไฟล์เอง ฉันใช้ Script ที่ช่วยหั่นไฟล์ข้อความ ให้เป็นชิ้นเล็ก ๆ ที่ขนาดไม่เข้าใกล้ 500,000-word limit
Code:
import os
MAX_CHARS_PER_FILE = 400000
INPUT_DIR = "files_to_split"
OUTPUT_DIR = "notebooklm_sources_split"
def split_file(input_path, output_dir):
filename = os.path.basename(input_path)
base_name, ext = os.path.splitext(filename)
if ext.lower() not in ['.txt', '.csv', '.md', '.log']:
return
try:
with open(input_path, 'r', encoding='utf-8') as f:
content = f.read()
except:
return
words = content.split()
current_chunk = []
current_char_count = 0
file_count = 1
for word in words:
if current_char_count + len(word) + 1 > MAX_CHARS_PER_FILE:
chunk_content = ' '.join(current_chunk)
output_filename = f"{base_name}_Part{file_count}{ext}"
output_path = os.path.join(output_dir, output_filename)
with open(output_path, 'w', encoding='utf-8') as out_f:
out_f.write(chunk_content)
current_chunk = [word]
current_char_count = len(word)
file_count += 1
else:
current_chunk.append(word)
current_char_count += len(word) + 1
if current_chunk:
chunk_content = ' '.join(current_chunk)
output_filename = f"{base_name}_Part{file_count}{ext}"
output_path = os.path.join(output_dir, output_filename)
with open(output_path, 'w', encoding='utf-8') as out_f:
out_f.write(chunk_content)
def process_directory(input_dir, output_dir):
if not os.path.exists(output_dir):
os.makedirs(output_dir)
if not os.path.exists(input_dir):
os.makedirs(input_dir)
return
for filename in os.listdir(input_dir):
input_path = os.path.join(input_dir, filename)
if os.path.isfile(input_path):
split_file(input_path, output_dir)
process_directory(INPUT_DIR, OUTPUT_DIR)Script นี้ใช้ได้กับไฟล์ .txt, .csv, .md, และ .log และจะบันทึกไฟล์ที่ Split เป็นไฟล์ใหม่ โดยเติมท้ายชื่อว่า _Part1, _Part2, ฯลฯ เพื่อให้อัปโหลดเข้า NotebookLM ได้ง่าย
4. File Format Converter ไม่ต้องพึ่ง online converters อีกต่อไป
- การต้องเปิดเว็บ อัปโหลด รอแปลง แล้วค่อยดาวน์โหลดเอกสารมาแปลงไฟล์ เพื่อทำให้เอกสารออกมาเป็น format ที่ใช้งานได้พอดี ๆ มันทำให้ workflow สะดุด และเพิ่มแรงเสียดทานแบบไม่จำเป็น
- Script ด้านล่างช่วย convert ไฟล์ไป–กลับได้กับ format ที่ใช้บ่อย เช่น TXT, Markdown, DOCX, HTML, และแม้แต่ PDFs ทุกอย่างเกิดขึ้นบนคอมของคุณเอง และใช้เวลาแค่ไม่กี่วินาที
Code:
#!/usr/bin/env python3
import argparse, sys, re
from pathlib import Path
DOCX_AVAILABLE = False
MARKDOWNIFY_AVAILABLE = False
PDF_AVAILABLE = False
try: from docx import Document; DOCX_AVAILABLE = True
except ImportError: pass
try: from markdownify import markdownify; MARKDOWNIFY_AVAILABLE = True
except ImportError: pass
try: import PyPDF2; PDF_AVAILABLE = True
except ImportError: pass
def txt_to_md(text, title=None):
lines=text.split('\n'); result=[]
if title: result.append(f"# {title}\n")
for line in lines:
line=line.rstrip()
if line.isupper() and 3 elif line.endswith(':') and len(line) else: result.append(line)
return '\n'.join(result)
def html_to_md(html):
if not MARKDOWNIFY_AVAILABLE: print("Error: markdownify not installed", file=sys.stderr); sys.exit(1)
return markdownify(html, heading_style='ATX', strip=['script','style'])
def md_to_txt(markdown):
text=markdown
text=re.sub(r'^#{1,6}\s+','',text,flags=re.MULTILINE)
text=re.sub(r'\*\*([^*]+)\*\*',r'\1',text)
text=re.sub(r'\*([^*]+)\*',r'\1',text)
text=re.sub(r'__([^_]+)__',r'\1',text)
text=re.sub(r'_([^_]+)_',r'\1',text)
text=re.sub(r'\[([^\]]+)\]\([^\)]+\)',r'\1',text)
text=re.sub(r'!\[([^\]]*)\]\([^\)]+\)',r'\1',text)
text=re.sub(r'```[\s\S]*?```','',text)
text=re.sub(r'`([^`]+)`',r'\1',text)
text=re.sub(r'^>\s*','',text,flags=re.MULTILINE)
text=re.sub(r'^[-*_]{3,}\s*$','',text,flags=re.MULTILINE)
text=re.sub(r'\n{3,}','\n\n',text)
return text.strip()
def docx_to_md(path):
if not DOCX_AVAILABLE: print("Error: python-docx not installed",file=sys.stderr); sys.exit(1)
doc=Document(path); lines=[]
for para in doc.paragraphs:
text=para.text.strip()
if not text: lines.append(''); continue
style=para.style.name.lower() if para.style else ''
if 'heading 1' in style or 'title' in style: lines.append(f"# {text}")
elif 'heading 2' in style: lines.append(f"## {text}")
elif 'heading 3' in style: lines.append(f"### {text}")
elif 'heading' in style: lines.append(f"#### {text}")
else:
ft=[]; [ft.append(f"***{r.text}***" if r.bold and r.italic else f"**{r.text}**" if r.bold else f"*{r.text}*" if r.italic else r.text) for r in para.runs]
lines.append(''.join(ft))
return '\n\n'.join(lines)
def docx_to_txt(path):
if not DOCX_AVAILABLE: print("Error: python-docx not installed",file=sys.stderr); sys.exit(1)
doc=Document(path); return '\n\n'.join(p.text for p in doc.paragraphs if p.text.strip())
def md_to_docx(md, out):
if not DOCX_AVAILABLE: print("Error: python-docx not installed",file=sys.stderr); sys.exit(1)
doc=Document(); lines=md.split('\n'); i=0
while i line=lines[i]
m=re.match(r'^(#{1,6})\s+(.+)$',line)
if m: doc.add_heading(m.group(2),level=min(len(m.group(1)),9)); i+=1; continue
if line.startswith('```'):
code=[]; i+=1
while i if code: doc.add_paragraph('\n'.join(code)).style='Quote'
i+=1; continue
if line.strip(): line=re.sub(r'\*\*([^*]+)\*\*',r'\1',line); line=re.sub(r'\*([^*]+)\*',r'\1',line); line=re.sub(r'\[([^\]]+)\]\([^\)]+\)',r'\1',line); doc.add_paragraph(line)
i+=1
doc.save(out)
def pdf_to_txt(path):
if not PDF_AVAILABLE: print("Error: PyPDF2 not installed",file=sys.stderr); sys.exit(1)
t=[]; f=open(path,'rb'); r=PyPDF2.PdfReader(f)
[t.append(p.extract_text() or '') for p in r.pages]; f.close()
return '\n\n'.join(t).strip()
def pdf_to_md(path): return txt_to_md(pdf_to_txt(path),Path(path).stem)
def get_format(path):
ext=Path(path).suffix.lower()
return {'.txt':'txt','.md':'md','.markdown':'md','.html':'html','.htm':'html','.docx':'docx','.pdf':'pdf'}.get(ext,'txt')
def convert(path,to):
f=get_format(path)
if f==to: return open(path,'r',encoding='utf-8').read(),f'.{to}'
if f=='txt' and to=='md': return txt_to_md(open(path,'r',encoding='utf-8').read(),Path(path).stem),'.md'
if f=='md' and to=='txt': return md_to_txt(open(path,'r',encoding='utf-8').read()),'.txt'
if f=='html' and to=='md': return html_to_md(open(path,'r',encoding='utf-8').read()),'.md'
if f=='html' and to=='txt': return md_to_txt(html_to_md(open(path,'r',encoding='utf-8').read())),'.txt'
if f=='docx' and to=='md': return docx_to_md(path),'.md'
if f=='docx' and to=='txt': return docx_to_txt(path),'.txt'
if f=='md' and to=='docx': return None,'.docx'
if f=='pdf' and to=='txt': return pdf_to_txt(path),'.txt'
if f=='pdf' and to=='md': return pdf_to_md(path),'.md'
raise ValueError(f"Conversion from {f} to {to} not supported")
def main():
p=argparse.ArgumentParser(description='Convert formats for NotebookLM (supports PDFs)',formatter_class=argparse.RawDescriptionHelpFormatter)
p.add_argument('input_files',nargs='+'); p.add_argument('--to',required=True,choices=['txt','md','html','docx'])
p.add_argument('-o','--output'); p.add_argument('--batch',action='store_true')
a=p.parse_args()
try:
if a.batch or len(a.input_files)>1:
od=Path(a.output) if a.output else Path('converted'); od.mkdir(parents=True,exist_ok=True)
for f in a.input_files:
ip=Path(f)
if not ip.exists(): print(f"Warning: {f} not found, skipping",file=sys.stderr); continue
c,ext=convert(f,a.to); of=od/f"{ip.stem}{ext}"
if a.to=='docx' and c is None: md_to_docx(open(f,'r',encoding='utf-8').read(),str(of))
else: open(of,'w',encoding='utf-8').write(c)
print(f"Converted: {f} -> {of}")
else:
f=a.input_files[0]; c,ext=convert(f,a.to); of=a.output if a.output else Path(f).stem+ext
if a.to=='docx' and c is None: md_to_docx(open(f,'r',encoding='utf-8').read(),of)
else: open(of,'w',encoding='utf-8').write(c)
print(f"Saved to {of}")
except Exception as e: print(f"Error: {e}",file=sys.stderr); sys.exit(1)
if __name__=='__main__': main()มันยังรองรับ batch conversions (แปลงทีละหลายไฟล์พร้อมกัน) และสามารถสร้าง output folder ให้ได้ถ้าต้องการ
ข้อสรุป:
ใช้ Scripts 4 ตัว ช่วยดึงเว็บกับ YouTube ออกมาเป็นไฟล์อ่านง่าย แปลงและแบ่งไฟล์ให้พอดี เพื่ออัปโหลดเข้า NotebookLM ได้ลื่นขึ้น แล้วเอาเวลาไปโฟกัสการสรุปและต่อยอดไอเดียให้คมกว่าเดิม
