【FixText】排版功能说明

edennow

脚本下载：http://www.1000qm.vip/forum.php?mod=viewthread&tid=2282，FixText.zip 附件。

以下为对 FixText 【双击运行】0.文本排版.bat 排版命令的说明，只包含个人比较频繁使用的几个功能，可能以后会继续往里加。

和之前的用法一样，将附件下载解压后，把所有需要处理的书籍（txt 和 epub 格式均可）都移到 books 文件夹中，然后双击打开 【双击运行】0.文本排版.bat 进行排版操作，同样支持有文件夹嵌套的多文件批量处理。

当某一个排版操作结束后，会打印出一行【已完成该轮排版】的信息，然后可选择不同的选项继续下一项排版操作。

books 文件夹中的所有文件都会自动备份到 booksBak 文件夹中，可以随时使用 Beyond Compare 比较 books 和 booksBak 中的文件，确认当前所选的排版操作的效果。

包含功能：

1. {
   
2. "索引-0": "排版文本（根据论坛排版要求，处理成正文的段落间无空行、缩进两全角空格，章节间空两行、无缩进）",
   
3. "索引-1": "排版文本（去除所有的空行和缩进，可简单套上 <p> 标签，用于比较不同格式的文本）",
   
4. "索引-2": "转换文本的【编码及换行符】（仅支持 UTF-8 编码和 GB2312 中文编码，仅支持 LF 和 CRLF 换行符）",
   
5. "索引-3": "【提取 epub 中的文本】，整体合并后转换为 txt（转出来的 txt 将按照第一项的论坛格式自动排版）",
   
6. "索引-4": "规范部分常见【标点符号】，把英文标点转为中文标点，可更改【连续多行引号】的使用形式",
   
7. "索引-5": "统一更改文本中的引号形式（在【弯引号】 “”‘’ 和【直角引号】「」『』 间进行转换）",
   
8. "索引-6": "在文本的首尾添加【个人校对信息】（请先打开 typesetting.php 文件更改 username 参数）",
   
9. "索引-7": "【请务必使用 BC 检查】转换文本中的【英文大小写】（首字母大写、全改成小写、全改成大写）",
   
10. "索引-8": "【请务必使用 BC 检查】将文本中的【阿拉伯数字转为中文数字】",
    
11. "索引-9": "【请务必使用 BC 检查】移除正文中的【中文字符之间的空格】",
    
12. "索引-10": "将 books 和 booksBak 中的书籍文件【按标点强制分行】",
    
13. }

复制代码

其实很多都在论坛分享的 emeditor 宏中有实现，不过那几个宏包含的功能有点太多了，有不少个人不怎么有机会用到的去广告之类的选项。有一些功能我想自己改的也不怎么改得动，所以索性还是单独整合了一些个人常用的排版操作。

这个 0.文本排版.bat 命令主要提供文本格式、标点符号、英文大小写和数字转换等比较机械的排版操作，而原来的 1.书籍校正.bat 在之后则只处理文本字词的纠错校正。

下面对这些排版功能逐条简介一下。



排版文本（根据论坛排版要求，处理成正文的段落间无空行、缩进两全角空格，章节间空两行、无缩进）

就是一键把文本格式化成符合校对上传区的要求：“统一排版格式为：行首两全角空格，行间无空行，章节间两空行”。

主要代码在 src/app/Service/Formatting/FileProcessor.php 的 function changeTextFormat 中，如有需要可以自行搜索修改其中的正则表达式。

注意关于章节行的缩进和间隔，目前的正则只匹配明确的“卷XX”“第X卷”“第X章”这种格式，其他“楔子”“番外”“感言”之类的，如果有需要可以在上述位置的正则中自己加。

或者可以在对应的行前新增一个特殊字符：◎，如 “◎番外”，只要某行是以 ◎ 开头，就会被脚本当成和“第X卷”“第X章”等同的章节行，取消该行的缩进，增加分隔行。



排版文本（去除所有的空行和缩进，可简单套上 <p> 标签，用于比较不同格式的文本）

这个功能比较简单，是个人用来直接比较 epub 文本和 txt 文本的，如果是 txt 文本，可以给每个段落套上或者移除 <p> 标签，让 txt 文本和 epub 文本的正文部分基本保持一致。

利用脚本的 EPUB 文本合并 和 EPUB 文本拆分还原 功能，可以在不破坏 epub 结构的前提下进行一些文本差异项的同步，不过说明起来比较麻烦，如果有兴趣可以自己琢磨尝试一下（简单提示：大部分 epub 文件的正文部分，除了多了几个 <p></p> 之外和 txt 格式并没有什么区别，只要让 txt 和 epub 文本同样都是“无空行、无缩进、有 <p> 标签”，在 BC 中就能无视其他标题章节之类的差异，直接比对同步，然后利用 EPUB 文本拆分还原 把比较确认之后的 epub 文件还原）。



转换文本的【编码及换行符】（仅支持 UTF-8 编码和 GB2312 中文编码，仅支持 LF 和 CRLF 换行符）

顾名思义，不需要过多说明，自己操作一下就知道了。

唯一要注意的是，这个排版脚本中，除了这一项转编码的操作外，其他的所有操作都会导致文本的编码被统一转换成 UTF-8，换行符被统一转换成 LF（即 \n）。



【提取 epub 中的文本】，整体合并后转换为 txt（转出来的 txt 将按照第一项的论坛格式自动排版）

也是顾名思义，执行这一项之后，epub 文件原封不动，会在 books 中生成对应 epub 的带 【EPUB 提取】前缀的 txt 文件。

这项操作基本等同于各种格式转换软件中的“epub 转 txt”功能，会完全移除 epub 中的 html 标签，可能唯一的区别就是结果文件会自动按照论坛格式进行排版。



规范部分常见【标点符号】，把英文标点转为中文标点，可更改【连续多行引号】的使用形式

这项操作原来是在 1.书籍校正.bat 这个命令中进行的，现在转移到此脚本中，主要效果：

• 将英文标点转为中文标点（不影响纯英文内容）。
• 去除部分标点间的空格。
• 将全角的英文数字及部分数学符号等改为半角。
• 更改连续多行的引号使用形式。
  

选择了一项之后会打印出比较多的操作提示，如果是第一次使用最好往上翻一翻了解一下详细的提示信息。

其中 全半角字母数字 的转换规则都写在 src/config/formatting.php 文件开头的 punctuationsMap 配置中，如有需要可以自行调整里面的内容。

该操作还会让你选择是否更改连续多行引号的使用形式，在：

“我是第一段话。
我是第二段话。
我是最后一段话。”

和

“我是第一段话。
“我是第二段话。
“我是最后一段话。”

这两种形式间可以任意转换。当然，也可以选择不转换，保持原样。



统一更改文本中的引号形式（在【弯引号】 “”‘’ 和【直角引号】「」『』 间进行转换）

按一些轻小说、港台书籍中的用法和个人的理解，弯引号和直角引号对应关系如下：

“” 对应 「」
‘’ 对应 『』

不过有些书里好像又是 “”  对应 『』   的，不太了解，反正现在就是按照上面的这种关系来进行互相转换。

除了看一些竖排书或者轻小说之外，个人建议是全部都使用弯引号，毕竟随便去国内的书店翻几本书，也不怎么会碰到哪本书里大面积使用直角引号的（某乎社区和某排版指北除外……）。



在文本的首尾添加【个人校对信息】（需要更改用户名）

就是给文本的首尾自动加这个信息：

　　=============================================
　　+欢迎阅读【个人论坛ID】个人校对电子书。转载请保留本声明，谢谢合作～
　　+仅因个人爱好订阅及整理，如果您喜欢，望您购买VIP章节或正版纸质书。
　　+本书仅供试阅，版权归原作者/网站/出版社所有，请勿用于任何商业用途～
　　+★☆更多校对、精校版电子书下载及阅读敬请访问：★☆
　　+——阡陌居：www.1000qm.vip
　　=============================================

可以先改一下 src/config/formatting.php 文件开头包含 "用户名" 的那一行，换成你自己的论坛 ID。



【请务必使用 BC 检查】转换文本中的【英文大小写】（首字母大写、全改成小写、全改成大写）

统一一些英文大小写的写法，貌似规范的文本中（论文、公文之类的也是），每个英文名词的首字母都是大写的。

这个功能可能同时会意外帮你发现一些用拼音替换的和谐词。

如果你在这一项选择 1，将首字母大写，还会按照 src/config/formatting.php 中的 fixedCaseWords 那个配置中写的一些固定专有名词进行转换，如果有需要可以自己继续往里堆。

其中有些计量单位 km kg mg 等，都应该规范为全小写，不过个人对这些也不怎么熟悉，可以参考：https://wenku.baidu.com/view/a2834aabad51f01dc381f15d 以及 https://wjk.usst.edu.cn/2022/0523/c13371a269710/page.htm 这两篇文章，往 fixedWords 变量里自行扩展。

这一项执行完后，【请务必使用 BC 检查】books 文件夹和 booksBak 文件夹中的内容，确认修改结果，个人水平有限，这一项很可能有不少误改。



【请务必使用 BC 检查】将文本中的【阿拉伯数字转为中文数字】

就是为了处理一些“他的队里有50人，这五十人都是精英”这样的同一行内的数字写法都不统一的情况，其实大部分情况下可以直接无视，不改这一项。

目前只支持把阿拉伯数字转成对应的中文，为了避免可能的误改，含“章卷节”以及“年月日”“时分秒”的地方都保持原样。

有些类似“国窖1573”“勃朗宁1911”之类的专有名词也会被误改，需要自行在 BC 比较时进行还原。

这一项执行完后，【请务必使用 BC 检查】books 文件夹和 booksBak 文件夹中的内容，确认修改结果，个人水平有限，这一项很可能有不少误改。



【请务必使用 BC 检查】移除正文中的【中文字符之间的空格】

会自动清除中文之间的空格，例如“啊   啊？啊啊    啊啊！啊”这样的， 含“章卷节”等字样的标题行不改。

注意有些歌词之类的空格可能不应该清除，另外往里填充标点符号也许会更好。

这一项执行完后，【请务必使用 BC 检查】books 文件夹和 booksBak 文件夹中的内容，确认修改结果，个人水平有限，这一项很可能有不少误改。



将 books 和 booksBak 中的书籍文件【按标点强制分行】

在比较某些书籍时，可能会碰到【版本 A】（假设放在 books 文件夹）和【版本 B】（假设放在 booksBak 文件夹）两边的内容中存在大量不一致的分段。

在【版本 A】中多句话塞到一行，在【版本 B】中则每句话都强制分行。这样在 BC 中比较时非常难以辨认和同步。

现在这个功能可以强制在两边的文件以一些结尾标点（句号、逗号等）作为分隔，添加临时的分行标记重新分行，让两边都以类似“现代诗”的形式呈现。

比较时只需要关注字词差异，不需要管不同的分行标记。比较完成后可再执行一次这个选项，移除临时的分行标记，将文本恢复原样。



关于修改 epub 文件的说明

上面所有涉及内容修改的操作（规范标点符号、英文大小写转换、阿拉伯数字转中文数字、移除中文间的空格等）都会直接在 epub 文件里生效，执行完毕后可以看到 books 中还是原来的 epub 文件，似乎什么也没改。

其实改动都应用到了 books 和 booksBak 文件夹中转换出来的带【EPUB合并文件】前缀的 txt 文件中，使用 BC 直接比较带有此前缀的 txt 文件，即可确认修改效果。

然后执行 6.EPUB 文本拆分还原（从 TXT 中拆分）.bat 进行还原，会把带前缀的 txt 文件重新拆分成 epub，覆盖掉原有的文件。

最后，最好记得在所有排版操作结束后，使用 7.书籍清理（全部删除，包括备份、批注）.bat 清理数据，保证工作目录中没有遗留文件。

笾豆

操作太专业了，能不能添加一个傻瓜按钮，一键完成所有操作

edennow

笾豆 发表于 2025-3-10 10:11
操作太专业了，能不能添加一个傻瓜按钮，一键完成所有操作

这样不行的，你可以自己从头到尾什么都不管把所有选项都执行一遍，最后出来的文本肯定和你想要的不一样，很多错误堆在一起不好识别也不好修正。

现在只是输入 123 其实已经够傻瓜了，需要做的是搞清楚每一项的具体作用是什么。每一步完成都及时去 BC 比对才能比较好地除错。

花彼岸

排版文本中，为啥第二..会被识别成标题

edennow

花彼岸 发表于 2025-3-10 21:43
排版文本中，为啥第二..会被识别成标题

这种标点本身就是错的，如果有修正成省略号就不会有问题。

之前确实没考虑到这种小概率的情况，现在新传了附件，加了个判断，这种也不会误识别了。