一部章回小说从网上下载到离线阅读的整理过程

 

一部章回小说从网上下载到离线阅读的整理过程

   

          最近，我用java小说爬取工具从网上下载了一部名叫《天下》的长篇历史小说。这部小分共分七百一十章。我把它保存为test.txt，图片保存为tianxia.bmp。

        从网上下载的小说，往往编排不规范，需要重新进行编排。下面以这部小说为例，谈谈我对它的整理过程。
        1、删除空行。
        打开排版助手，点“文件”/“打开”，打开test.txt，点“执行”命令，开始整理段落，我将整理后的文本保存为test001.txt，截图保存为tianxia001.bmp。

        2、删除多余的网址“www.lingdiankanshu.com”。
        打开EmEditor，点“搜索”/“替换”，在“查找”里输入“www.lingdiankanshu.com”，在“替换为”里无输入，勾选“使用正则表达式”和“匹配整个单词”前面的复选框，点“全部替换”，文本中多余的网址全部被删除。删除后的文本保存为test002.txt，截图保存为tianxia002.bmp。

        3、删除多余的字符串“*****”。
        打开EmEditor，点“搜索”/“替换”，在“查找”里输入“*****”，在“替换为”里输入“
”,勾选“使用转义序列”前面的复选框，点“全部替换”，记事本提示已替换52936个字符。替换后的文本保存为test003.txt，截图保存为tianxia003.bmp。

        4、替换转义符“
”,。
        打开test003.txt，点“搜索”/“替换”，在“查找”里输入“
”，在“替换为”里输入“\n    ”,勾选“使用正则表达式”前面的复选框，点“全部替换”，记事本提示已替换52936个字符。替换后的文本保存为test004.txt，截图保存为tianxia004.bmp。

        5、删除“正文”二字。
        打开test004.txt，点“搜索”/“替换”，在“查找”里输入“    正文  第”，在“替换为”里输入“第”,勾选“使用正则表达式”和“匹配整个单词”前面的复选框，点“全部替换”，记事本提示已替换706个字符。替换后的文本保存为test005.txt，截图保存为tianxia005.bmp。

        6、删除各章题前的“第”字。
        打开test005.txt，点“搜索”/“替换”，在“查找”里输入“    第”，在“替换为”里输入“第”,勾选“使用正则表达式”和“匹配整个单词”前面的复选框，点“全部替换”，记事本提示已替换629个字符，各章标题行已无空格，全部左对齐。替换后的文本保存为test006.txt，截图保存为tianxia006.bmp。

        7、在各章标题行空格处添加“zhang”字符串。
       打开test006.txt，点“搜索”/“替换”，在“查找”里输入“章”，在“替换为”里输入“章 zhang”,勾选“使用正则表达式”和“匹配整个单词”前面的复选框，点“全部替换”，记事本提示已替换的字符串数。替换后的文本保存为test007.txt，截图保存为tianxia007.bmp。

        8、删除各章标题中的“zhang”。
        打开test007.txt，点“搜索”/“替换”，在“查找”里输入“([^a-z]) +([a-z])”，在“替换为”里输入“\1\r\2”,勾选“使用正则表达式”前面的复选框，点“全部替换”，记事本提示已替换1527个字符串。替换后的文本保存为test008.txt，截图保存为tianxia008.bmp。

        9、删除“zhang”后面的空格。
        打开test008.txt，点“搜索”/“替换”，在“查找”里输入“zhang\s*”，在“替换为”里输入“zhang”,勾选“使用正则表达式”和“匹配整个单词”前面的复选框，点“全部替换”，记事本提示已替换1214个字符串。替换后的文本保存为test009.txt，截图保存为tianxia009.bmp。

        10、删除“zhang”后面的空格。
        打开test009.txt，点“搜索”/“替换”，在“查找”里输入“zhang”，在“替换为”里输入“”,勾选“使用正则表达式”和“匹配整个单词”前面的复选框，点“全部替换”，记事本提示已替换的字符串数。替换后的文本保存为test010.txt，截图保存为tianxia010.bmp。

        11、删除内容重复的标题行。
        在PilotEdit中，打开test010.txt，点选“排序和查找/删除重复的行”，在弹出的“排序和查找/删除重复的行”对话框中点“删除重复的行”按钮，内容重复的标题行即被合并为一个标题行。合并标题后的文本保存为test011.txt，截图保存为tianxia011.bmp。

        12、提取目录。
        打开F:\mulu001文件夹，将test011.txt复制到F:\mulu001根目录下，并重新将其命名为shenmu.txt。运行“test.bat”，java这个目录提取工具开始从shenmu.txt文本里把小说各个章节的题目提取到cmd界面，然后通过复制粘贴，将提取的目录保存为test012.txt。
        13、将提取的目录制作成cnt格式的目录文件。
        打开“test012.txt”，删除与目录无关的行，选择“文件”中的另存为，在文件名称里输入“天下.cnt”，点保存即可。
        14、在各章节标题前添加##字符串。
        运行EmEditor，打开test011.txt，点“搜索”/“替换”，在“查找”里输入“第.+[章]\s\n”，在“替换为”里输入“##\0”,勾选“使用正则表达式”前面的复选框，点“全部替换”，记事本中各章节标题前已添加了##字符串。替换后的文本保存为test015.txt，截图保存为tianxia015.bmp。

 

        15、删除##，将“##”替换为分隔符。
        打开test015.txt，点“搜索”/“替换”，在“查找”里输入“##”，在“替换为”里输入“*\n(无注释)\n*\n”,勾选“使用正则表达式”前面的复选框，点“全部替换”，记事本中各章节标题前已分三行分别添加了“*”、“(无注释)”、“*”为一组的字符串。替换后的文本保存为test016.txt，截图保存为tianxia016.bmp。

        16、开始分章阅读。
        复制“天下.cnt”和test016.txt到“D:\武臣文苑\电子书\分章阅读”文件夹，并将test016.txt重新命名为“天下.txt”。运行电子书，打开目录，左边“目录”列表框里弹出所选各章目录，右边“内容”文本框里弹出所选章节内容。
        17、检测目录和内容。
        有时，左边的所选目录与右边的内容名不符实，一是需要打开小说目录文件重新添加或删除目录，二是需要打开小说文本重新添加或删除文本中的分隔符。从头到尾，只要目录、内容、（无注释）三对应，整理工作即为成功。