*/ -----------------------------------------------------------------------------------------
*/ 标题: 【原创】一个规范的txt小说文件是怎么产生的
*/ 出自: LTT http://www.venchia.com
*/ 作者: venchia
*/ 时间: 2007/07/30
*/ 声明: 测试的东西有时效性，如果到时候有何不同，跟我无关
*/ -----------------------------------------------------------------------------------------
【一、序】
由于我很喜欢看小说，特别是有电脑、网络之后，就经常待在电脑前看书，而对于阅读的小说格式，最喜欢的就是txt拉，主要是可以放在多种介质种阅读，手机、pda、mp4、psp等都可以观看。在这里顺便推荐一个读书软件好了，就是大名鼎鼎的readbook，虽然已经多年没有更新了，不过他的功能，已经是够用了。回到正题，由于喜欢txt小说，就对他的版式有了一定的要求，一般得到一个txt小说文件，都要先进行排版，使之符合一定的规范，方便大家的阅读。
【二、txt小说的规范】
下面我就怎么才是一个规范的txt小说来说说。首先这个小说要只有一个txt文件，因为这样才方便大家的阅读，不用频繁的打开关闭文件，其次这个txt小说文件需要有小说名、作者、内容简介、目录、还有最重要的文件内容。其中文件的内容当然还包括一些卷集章节，这些都应该规范，才可以让人一目了然。怎么编排呢？请看下面的例子，《三界》作者：阿力.txt内容如下
==========================================
三界
作者：阿力
【内容简介】
类别：网游竞技
一生二，二化三，三生万象，轮回于无尽之中，徘徊于三界之外……
这是一部以中国民间神话故事为背景，以一统三界（天界地界冥界）为目标的网络游戏。对这部网游作出以下几点申明：
第一部 三界
三界·０１
第一章 初入三界
……
第四章 神器铸造术
……
第十章 二世转生
三界·０２
第十一章 行医而隐
……
第十二章 过山海关
第一集 第一章 初入三界
唉……我一边开启电脑一边长叹。或许真是造化弄人，二十八岁的我如今还是空有一身抱负而一事无成。
我——姓罗名兴，男，未婚，二十八岁，未寻……晕，证婚啊……
第二集 第十一章 行医而隐
时间过得真快，我这个现实中的无业游民终于在《三界》找到了自己的理想与归宿，我迷上了《三界》。
==========================================
从这里我们可以看出，只有内容简介的标签和目录是左对齐的，其他书名、作者、简介、内容都是左缩进两个全角空格（或者4个半角空格）。还有目录、内容的每一级都是用空行隔开，这样的好处就是看目录就知道大概知道内容怎么回事了，方便查阅。
既然规格有了，那要怎么做呢？当然你可以说慢慢手工编辑，虽然这也可以，不过我想你要花费很多的时间拉。下面，我就提供一些工具和方法，来提供编辑的效率。
【三、编辑txt小说的工具和方法】
我们这里用的工具其实不多，就emeditor和文件整理器，主要还是emeditor，借助em的正则功能来协助整理txt文件，只有碰到一些需要合并固定宽度行和破解乱码的操作时候，才用到文件整理器。
比如我要让行前空两个全角空格，行尾不要有空格，我可以这么做
先清除所有的行前空格和行尾空格
行前的是^s+，替换为空
行尾是s+$，替换为空
接着在行前添加两个全角空格，即^替换为 （里面是两个全角空格）
当然这些都可以保存为宏命令，方便以后的调用
而当要编辑卷集章节时候，都可以用命令来做
比如章节用^( 第.*集.*第.*章.+)，就可以随便的在章的前后加两个空行了，只要替换为n1n就可以了
具体的应用可以参照一些正则表达式的资料
http://bbs.et8.net/bbs/showthread.php?t=653055
http://www.regexlab.com/zh/
http://www.regular-expressions.info/
还有我把几个经常用到的宏命令打包了，也可以参照使用的
上面说了，要用到文本整理器，是因为两个原因，下面我们来看看例子
==========================================
时间过得真快，我这个现实中的无业游民终于在《三界》找到了自己的理想
与归宿，我迷上了《三界》。
脑中挂着这样一个大大的疑问，我一边工作，一边开始观察这个《三界》的
世界。
三界屋按我的设想，让我能够长时间进入游戏中去。楼上是工作区，楼下是
生活区。我请了一个保姆为我料理一切生活起居。
==========================================
这些文字都被固定长度了，要手动去编辑比较累，用正则我又不会（如果有人会，希望能教我），所以就得用文本整理器中的合并行功能了，合并之后效果如下
==========================================
时间过得真快，我这个现实中的无业游民终于在《三界》找到了自己的理想与归宿，我迷上了《三界》。
脑中挂着这样一个大大的疑问，我一边工作，一边开始观察这个《三界》的世界。
三界屋按我的设想，让我能够长时间进入游戏中去。楼上是工作区，楼下是生活区。我请了一个保姆为我料理一切生活起居。
==========================================
这是功能一，功能二就是破乱码拉，比如有这么一段文件，其中有了乱码
==========================================
《异人傲世录》篇外篇黑暗传说——噬盟作者：明寐淅淅沥沥的一场夜雨，终于在清晨时分开始稀疏，早饭之后，漫天的雨滴被收敛起来。自昨晚就拢罩在圣都田野的一片朦胧白雾，也被悠然升起的日头驱散。举头，一片空明沉碧；远眺，和缓的阳光夹乖诼靶侣讨希谝对挡菁庹凵涑鐾虻汨驳挠ü饩Я痢？
==========================================
只要我们选中乱码部分，在使用他的破乱码功能，慢慢校对，就可以得到正确的内容拉
==========================================
《异人傲世录》篇外篇黑暗传说——噬盟作者：明寐淅淅沥沥的一场夜雨，终于在清晨时分开始稀疏，早饭之后，漫天的雨滴被收敛起来。自昨晚就拢罩在圣都田野的一片朦胧白雾，也被悠然升起的日头驱散。举头，一片空明沉碧；远眺，和缓的阳光泄在满野新绿之上，在叶缘草尖折射出万点璀璨的莹光晶亮。
==========================================
上面说了这么多，都是关于txt小说文件的编辑，可是txt小说文件是怎么来的呢，没有这个txt小说文件，我们怎么去编辑呢，基于这个问题，请看下面章节
【四、txt小说的来源】
（1）、抓取
平时的txt小说我都是都是自己在网上抓取的，以前是用transport、flashget等下载之后编辑，后来有了网络取书，我就一直用这了抓取了
网络取书是独立小组的作品，分有1.X和2.X两个版本，支持的小说站比较多，不过由于小说站版块的更新快，所以还要求我们自己定义，不过个人能自定义的就1.X可以，官网发布地址是
http://202.103.215.26:126/dlxz/index.htm
http://202.103.215.26:126/index.asp
交流区是
http://post.baidu.com/f?kw=%CD%F8%C2%E7%C8%A1%CA%E9
自定义配置可以参照下面的说明
==========================================
网络取书新站点添加说明
普通参数，设置网站名称、编码、处理模式等
webName=网站域名
pagecode=网页编码（936：简体；950：繁体；65001：UTF8编码）
handleID=网站的处理模式，具体如下
当 HandleID= 为空时，通过处理目录来获取文章的内容
起始页面内容处理，从起始页面获取目录页的链接
urlTID1=目录页链接的起始识别字符串
urlTID2=目录页链接的结尾识别字符串
该参数有２种情况：
urlTID1和urlTID2均不空，获取两者间的字符串作为目录链接，如www.17k.com
urlTID1不空，urlTID2为空，获取urlTID1前的链接作为目录，如www.cmfu.com
起始页面地址处理，分离出该页面的唯一识别字符串，后面目录页内容处理时，用来获取各章节页面的链接
nameID1=起始识别字符串
nameID2=结尾识别字符串
该参数有３种情况：
nameID1和nameID2为空，获取整个链接的字符串
nameID1和nameID2均不空，获取两者间的字符串，如www.cmfu.com
nameID1不空，nameID2为空，获取末尾起第一个nameID1后的字符串，如www.17k.com
目录页面内容处理，分析目录页面来获取各章节的链接和名称，以及相应卷集的名称
ListIsUrl=设置以下获取的目录内容是否是链接，值不为空时是链接，如wx.okxr.com的目录内容就是链接
listID1=目录内容的起始识别字符串
listID2=目录内容的结尾识别字符串
urlPID1=章节链接的起始识别字符串，结果对应前面的nameID处理结果
urlPID2=章节链接的结尾识别字符串，结果对应前面的nameID处理结果
VolumeID1=卷或集名称的起始识别字符串，没有卷集时可为空
VolumeID2=卷或集名称的结尾识别字符串，没有卷集时可为空
ChapterID1=章节名称的起始识别字符串
ChapterID2=章节名称的结尾识别字符串
titleID1=文章名称的起始识别字符串
titleID2=文章名称的结尾识别字符串
authorID1=作者名称的起始识别字符串
authorID2=作者名称的结尾识别字符串
文章章节页面处理，通过字符串识别获取正文内容并作相应处理
TextIsUrl=设置以下获取的正文内容是否是链接，值不为空时是链接，如www.cmfu.com的正文内容就是链接
textID1=正文内容起始识别字符串
textID2=正文内容结尾识别字符串
tdelID1=待删除内容的起始字符串，如晋江原创里面的乱码
tdelID2=待删除内容的结尾字符串，如晋江原创里面的乱码
TestID=文章里面需要替换的文字，格式请参考复制原始配置文件里面的设置
当 HandleID= 不为空时，通过顺序处理页面来获取文章的内容
urlTID、nameID、ListIsUrl、listID等参数均为空，urlPID参数说明如下，其他参数说明同上，只不过这个是从当前页获取而已。
urlPID1=下一页链接的起始识别字符串
urlPID2=下一页链接的结尾识别字符串
该参数有２种情况：
urlPID1和urlPID2均不空，获取两者间的字符串作为下一页链接
urlPID1不空，urlPID2为空，获取urlPID1前的链接作为下一页
==========================================
当然，这个是1.X版的，现在这个版本已经无法抓取起点的小说了，需要用到2.X才可以，不过2.X好像无法在ie7下面工作，请各位看官注意拉
类似的软件还有一个挺不错的，就是小说下载阅读器，官网地址是
http://www.chinacitysoft.com/book/news.htm
（2）、拿来主义
上面的这些都是自己动手的，还有另一种就是反编译别人的图书，拿来主义就是这么来的
反编译图书的方法就比较多了，针对不同的打包软件，可能需要不同的反编译方法
不过由于现在大多数的电子书都是基于ie内核的，所以方法还是有一些共性的
在这方面，老马就做成了KillEBook、IECracker等重量级的，不过由于一些原因，他就放出来几个阉割版
miniKillEBook、UnEBook、CtrlN
不过我们通过这些工具的配合，已经能应付很多电子书了
软件可以到官网去下载
http://www.comicer.com/stronghorse/index.htm
还有一个不能不提的就是啊CR/FTSTT，一般都称呼为啊CR，他的产量也很高，作品有修复电子书的，反编译ebookedit、ebookworkshop等电子书的软件，当然还有一个很有用的工具，就是Un-eBook Pack Express，一般用miniKillEBook对付不了时候，我都会想起他
啊CR一般都能在一蓑烟雨或者看雪找到
一蓑烟雨：http://www.unpack.cn/
看雪：http://bbs.pediy.com/
虽然一般的电子书，miniKillEBook都可以搞定，那我们这里就不多说了，就说下那些他对付不了的好了
一般这些对付不了图书，都是用js命令来调用章节文件的，所以不能被miniKillEBook检测到，所以他没办法反编译到
这个时候就要Un-eBook Pack Express出场了不过他也只能是半自动的获取文本，每打开一个页面，就抓取一次
如果是页面有键盘翻页脚本的，可以用-->来翻页的，那么我们可以用键盘精灵等软件来写个小脚本
如果没有键盘翻页脚本，就需要我们能确定他们的下一页按钮在哪拉，这个时候的按键精力脚本就比较麻烦
顺便说一下，在早期Un-eBook Pack Express还没出来时候，我也有办法，就是用TLPDB配合按键精灵来抓取图书
TLPDB有个特别的功能，对于ie内核的电子书，都能插入一个hook，能获取当前页面的文字，记得获取多个页面时候，要将TLPDB最小化
这些反编译成的txt文件可能都是分章节的，这个时候就需要老马的TextForever出马了，这个软件在文件合并，批量替换等方面有很高的效率，推荐之
【五、总结】
上面这些就是产生一个规范的txt小说文件的一般步骤，所用到的软件比较多，不知道哪位高人开发出一个方便的反编译电子书软件分享出来，也方便书迷的阅读需求
所以可能需要用到的软件总结如下：
emeditor、文件整理器（或者DreamEdit）、网络取书、小说下载阅读器、miniKillEBook、UnEBook（或者html help studio或者ChmDecompiler）、CtrlN、修改版的unEbookEdit、、Un-eBook Pack Express、TLPDB、按键精灵、TextForever
[ 此贴被wch517在2008-10-21 17:48重新编辑 ]
好专业啊，顶顶~~
