分享个人使用的网文常见字词替换校对表（含 php 脚本）

edennow

seeyuer 发表于 2023-9-5 18:06
用了链接里面的 emeditor，还是不行，但是 PHP 脚本可以用。我的文件 也是 UTF-8 编码的。

感觉老哥的 ...

那确实奇怪了，我用的是他那个 x64 的包，是能成功替换的（会卡一段时间），可能得等哪位大佬帮忙看看了，可以试试按我的写法创建新文件，自己写一两条规则保存成新的宏，看看能不能执行，难道是词条数量太多，还是中间某些内容有问题导致的？

php 脚本自动备份和预处理这个可以考虑，后面看抽时间写一下吧，主要当时想的是让用户自己动手存两份文件，可以保证不会忘掉后面要进行对比哈哈。

seeyuer

edennow 发表于 2023-9-5 15:44
http://www.1000qm.vip/forum.php?mod=viewthread&tid=54364

我用的是这个版本的 emeditor，点击运行 ...

目前我使用的版本是 22.2。我的文件也是 UTF-8 编码的。用了链接里面的 emeditor，还是不行，但是 PHP 脚本可以用。

老哥的 PHP 脚本可不以增加个功能，在替换文本错别字前，先把 book 文件夹里的文件自动备份到 bookbak 文件夹里，不用手动备份。感觉这样可能会方便点。

edennow

seeyuer 发表于 2023-9-5 14:47
导入宏，使用宏的时候，提示第 6 行有问题。看宏的代码，没看出啥问题。定义的词条没有替换。楼主该怎么解 ...

http://www.1000qm.vip/forum.php?mod=viewthread&tid=54364

我用的是这个版本的 emeditor，点击运行的时候有响警报，但是没有错误信息弹出，而且词条全部都替换了，
感觉可能是文件或者宏的编码有问题？

我一直处理的都是 utf-8 编码的文件，你可以确认下文件编码，如果还是不行，看看你愿不愿意发出文件来，我看下用 emeditor 能不能转换。

另外，下面那个 php 脚本里面有自动处理文件编码的功能，全部都会转成 utf-8，你可以试试看用那个会不会有问题。

seeyuer

导入宏，使用宏的时候，提示第 6 行有问题。看宏的代码，没看出啥问题。定义的词条没有替换。楼主该怎么解决啊？

edennow

UPDATE

edennow

更新记录【2023】
传送门

更新记录【2024】
1 月 2 日版本更新，继续完善替换表，新增了 “postFixMap”校正后置词库，
以及“书籍专有替换词库”，详情请见上面的“修改校正表说明”一节。
（请在本页面搜索 ⑤$postFixMap 和 书籍专有替换词库.php 查看说明）

1 月 13 日版本更新，将 txtFormat 词库中的四字词条做了基本的筛选（我觉得没用的都没加进来），整合进了自定义词库中。
目前自定义词库的词条数量已超 5.5 万，基本覆盖了 txtFormat 中的四字词条（我认为），不过其中可能也有不少词条需要根据书籍实际校正情况，自行进行删减。
另外，txtFormat 中的三字和二字词条（约 4.5 万条）较容易产生混淆，以后看情况随缘整合吧。

3 月 19 日版本更新，执行 【双击运行】1.书籍校正.bat 前，提供【是否需要进行额外的标点符号修正】的选项。
请详细看一下命令行的提示信息，可自行尝试不同选项，以确认各选项的修正效果，之前是强制执行这部分标点符号修正的。

3 月 24 日版本更新，新增 csv 格式的词库转换功能，具体内容见 85 楼。

4 月 3 日更新词库，优化操作流程，以便于调用多种词库进行多轮校对。

经过粗略测试多本网文的校正效果，目前脚本的自动修正基本能达到 txtFormat 【有效】手动操作（排除掉 TF 那些乱七八糟的误改） 80%-90% 的效果（还会额外做出很多 txtFormat 默认词库没有的修正）。

在目前优化的操作流程中，可以在选用【自定义词库】完成第一轮校正后，再输入 1 进行第二轮校正，
并在此轮校正中选用【txtFormat 词库】来校正，结果相当于将 txtFormat 中的每个错别字修改都应用了“全部替换”（等于是在 txtFormat 中做了 100% 的修正操作）。

此外，还可以通过【的地得词库】【繁转简词库】等继续进行多轮校正，每轮校正都只会在 BC 中看到当前选择词库的修改效果。

4 月 5 日更新词库，词条新增“replaceHolder”（随意造的词）设置，可用于进一步折叠词条，便于扩展不同的前缀后缀等（尤其是一些“的地得”的词条）。
不过该设置的操作比较复杂，等同于将 (开心|高兴|振奋)的(说着|笑着) 这样的正则通过脚本自动展开成“开心的说着”“开心的笑着”“高兴的说着”“高兴的笑着”……这样一批词条。
以后有空再详细说吧，如果在词库中见到有“@”，以及 replaceHolder 字段的词条，先无视就可以了。
如果感兴趣也可以拉到 $normalMap 的最后，搜索一下“付诸实践”，在那个词条的位置附近有写一些注释说明，可供理解参考。

4 月 15 日更新词库，部分替换频率比较高的词（不少是可改可不改的）加了一些基于个人理解和查证的注释说明（例如“不承想”“按捺”“喑哑”“捱”“化装”“眼力见”“门闩”“脚指头”“定制”“的一声”“的一下”“藉以”等），增删词条前可以先在自定义词库中进行搜索参考，避免重复劳动。
另外如果有些词搜不到，应该是被 regexMap 里的那十几条正则给改了，也可以稍微熟悉一下那些正则，根据个人需要进行调整，目前数量并不算多。

独饮忘川

感谢分享，现在网站的反爬手段大多是替换人物名和部分词语反义，盗版就像在看道诡异仙一样癫

edennow

sunjq1976 发表于 2023-9-1 23:55
运行到14行报错，报的缺少“）”，好奇怪。进去看了第14行，没发现问题

是说那个宏文件吧，我试了也是有报错，可能是写法有问题？

但是定义的那些词条也都顺利替换了，可以比较下原文件看看有没出错。

ps:
又改了一下格式，传了新附件，貌似没有一开始就报错了，但是最后好像还是会响警报，不清楚具体什么原因，
不过功能貌似没什么问题，凑合看看先吧

sunjq1976

运行到14行报错，报的缺少“）”，好奇怪。进去看了第14行，没发现问题

liu幻月

感谢楼主的分享！！！