简介这是一款面向电子书阅读与文本编辑场景的轻量级工具主要解决TXT文件合并、段落合并、分行等日常整理需求。内置HTML转TXT、编码转换GB/GBK/Big5/Shift-JIS/Unicode、文本替换、正则表达式、文件切分与文本提取等功能尤其适合批量清洗文本、转换旧书源编码或整理小说章节的用户。压缩包内共2个文件包含一个HTM格式的功能说明页面和一个可直接运行的EXE主程序整体仅245KB无需复杂安装即可在Windows 2K/XP环境中试用。目前已有179人学习下载体积小巧但功能集中可当作快速处理日常文本的备用小工具。借助该包读者既能了解各功能的具体用法也能直接运行程序完成合并、分行与编码转换等操作节省逐条手动处理的时间。1. TextForever合文件、清乱码、修段落的老牌 TXT 离线工具箱网上拼下来的小说十有八九是碎片一章一个 txt文件名是「第1章」「第100章」这种按名称排序永远排不对内容里还混着网页残留标签、站内广告和硬换行。TextForever 就是为这种场景开发的离线小工具一个 rar 包里装着一个 exe 和一份说明 htm专治电子版小说的脏活文件合并、TXT 段落合并、分行、编码转换GB/GBK/Big5/Shift-JIS/Unicode、HTML 整理、文本替换、正则、文件切分、文本提取。它不联网、不吃内存适合手动囤书、要把碎片拼成整本再进阅读器的书友也适合批量维护语料、按固定流程洗数据的从业者。下面按实际使用顺序拆操作、参数和翻车点。2. 文件合并与段落合并把两千章碎片 TXT 拼成一本可读的书2.1 为什么碎片文件必须先合并先想明白一件事阅读器打开一个目录看到的是几十个 txt 文件它按文件名字典序排列。于是「第10章」排在「第2章」前面「第100章」排在「第11章」前面。你在目录里翻页章节顺序是乱的这跟文件内容没关系纯粹是命名规则造成的。另一个更实际的问题是推送Kindle 网页推送、某些墨水屏阅读器对多文件目录的支持很差经常只认第一个文件或者干脆不显示。合并成单个 txt 之后这两个问题同时消失。还有一个隐藏好处只有合成一本你才能做缺章检查。碎片状态下想确认第 37 到 41 章是否齐全都得一个个点开看合成后搜一遍「第X章」就知道断在哪这也是后面抽查法的基础。所以我的建议是拿到一个下载包别急着看内容先把该合并的合并了再做清洗。顺序反了的话你清洗完的章节文件还得再合一次等于白洗。2.2 合并前的一步把文件名改成可排序的编号合并操作本身不复杂但很多翻车都发生在合并之前。下载工具的命名五花八门「第1章」「01 第一章」「ch001」都有。TextForever 的合并对话框是按你添加文件的顺序读入的所以只要文件顺序对合并结果就对。问题是文件对话框里排序还是按字典序你得手动一个个调几百个文件点起来要命。我一般会在合并前先跑一个批处理把章节号补零到三位这样字典序就是自然的阅读序。新建一个文件夹把原文件整个复制进去然后在这个副本上执行echo off setlocal enabledelayedexpansion cd /d %~dp0 for %%f in (*.txt) do ( set name%%~nf set num!name:第! set num!num:章! if !num! lss 10 ( ren %%f 第00!num!章.txt ) else if !num! lss 100 ( ren %%f 第0!num!章.txt ) )这段批处理做三件事先把文件名里的「第」「章」剥掉得到纯数字然后判断数字大小小于 10 的补成「第009章」这种三位编号小于 100 的补成「第099章」最后用 ren 改回原名文件。setlocal enabledelayedexpansion 必须在开头声明否则 for 循环里读取变量值会拿到旧值这是批处理最常见的坑。补零规则也适用于四位数章节把判断条件改成 lss 1000 就行。注意这套脚本只对未补零的命名有效跑完一遍不要执行第二次否则会多出一位零。提示批处理只改文件名不改内容。跑之前确认当前目录确实是你准备合并的副本别在原目录上直接执行万一命名规则匹配错了恢复要花时间。改名之后打开 TextForever切到文件合并功能按顺序把文件加进去。工具界面上通常能看到已添加文件的列表检查一下首尾文件是否符合预期。输出时我建议勾上「在文件间插入分隔行」一类的选项生成的单文件里每章之间会有一条明显的空行或分隔注释方便后续抽查定位。输出编码默认选 GBK 就行除非你的阅读器明确支持 UTF-8老设备对 UTF-8 的支持参差不齐GBK 是兼容性最保险的选择。2.3 段落合并把硬换行压回自然段落碎片问题解决了下一个更烦人的是段落问题。网页复制出来的小说几乎每两行就有一个硬换行有的句子甚至被拦腰截断。这种文件直接看满屏都是碎行阅读器排版再好看也没用。TextForever 的段落合并就是干这个的它把连续的行按规则重新组装成完整段落。实际执行时有一个关键判断哪些行要合并哪些行必须保留。对话是重灾区小说里「他说」这种短行如果被强行并进上下两段读起来会乱。我的经验是分两种情况处理如果源文件有明确的空行分段就勾选「空行作为段落分隔」让工具只在空行处断段这样对话和短行都能保住如果源文件连空行都没有全靠硬换行那就只能靠行长度阈值来判断。下面是我常用的参数组合参数推荐值使用说明空行作为段落分隔勾选源文件有空行时必开段落边界最可靠单行字数阈值30 字超过阈值的行视为一个独立段不参与合并首行缩进2 个全角空格符合中文排版习惯阅读器里更像书段间空行保留 1 行老阅读器渲染长段落时不会糊在一起阈值 30 字的意思是一行如果超过 30 个字符就认为它本身是一个完整段落不再跟上一行合并少于这个长度的行会被拼进前一个段落。对话、章节标题这类短行因此能保得住。OCR 出来的书这个值要降到 20 左右因为 OCR 断句更碎网页复制的小说则建议升到 40避免把两段并成一段。2.4 反向操作文件切分与 TCR 打包合并是高频操作切分偶尔也要用。比如某本大部头合并完有 5MB老式阅读器打开卡顿或者你只想推送到设备的前一百章。TextForever 的文件切分支持按体积和按标记两种方式按体积就是每 1MB 或每 500KB 切一卷适合设备容量受限的场景按标记则是拿正则匹配「第X章」作为切分点每遇到 N 个标记切一次。我一般用后者配合清洗过的文件每 200 章一卷文件名形如 book_001.txt、book_002.txt。切分顺序一定要放在段落合并和文本替换之后否则章节标记被改掉切分就失效了。如果你的目标设备是老 Palm 或 Pocket PC工具还带 TCR 批量压缩/解压能把 txt 压成 tcr 格式方便老设备读取现在基本用不到知道有这功能就行。3. 编码转换与 HTML 清洗乱码、网页残留和简繁转换的后悔药3.1 乱码识别从乱码形态反推原编码很多用户下载的小说打开是乱码第一反应是文件坏了其实只是编码错配。简体中文站多用 GBK/GB2312台湾香港站点常用 Big5日文源则是 Shift-JIS而现代编辑器和阅读器默认按 UTF-8 打开。编码选错文字就变成一堆不可读符号。TextForever 的编码转换支持 GB/GBK/Big5/Shift-JIS/Unicode 互转前提是你得先判断源文件的真实编码。判断方法不靠猜看乱码形态。我整理了一个对照打开后的乱码形态源文件实际编码转换目标满屏「锘?」「鎵?」GBK 被当 UTF-8 解析GBK - UTF-8繁体字正常显示但夹杂「」Big5 缺字Big5 - GBK 或 UTF-8字符变成「繧显」「縲?」Shift-JIS 被当 GBKShift-JIS - UTF-8整篇都是菱形问号文件本身已是 UTF-8阅读器不认UTF-8 - GBK实操步骤在 TextForever 里导入文件后复制一小段乱码到预览区逐个切换源编码选项看哪一次字符恢复得最自然。确定源编码后再选择目标编码转换保存。这里有个细节Big5 转简体TextForever 只做编码不做简繁字表替换转出来还是繁体字形只是从 Big5 字符集变成了 GBK 里的繁体字。想彻底转简体得配合第 4 章的文本替换灌入简繁字表或者转完后用 OpenCC 之类的外部工具再跑一遍。3.2 HTML 清理的顺序先剥标签再清残留从网页直接复制正文粘到记事本里会带着一堆标签。TextForever 的 HTML-TXT 转换能把这些标签剥掉但别指望它一次剥干净。网页结构千奇百怪总有几个标签会漏网。我常碰到的残留主要是两类一是转义实体比如nbsp;显示成空格、lt;显示成小于号二是脚本残留和样式注释比如script块里的内容没被完全过滤。我的处理顺序是固定的先进 HTML-TXT 转换剥掉大部分标签再用文本替换处理漏网实体最后才做段落合并。顺序不能反如果先段落合并标签和正文被并进同一行之后再想按行删标签就删不干净了。清理时常用的替换项查找内容替换为用途br/br///p换行把网页折行还原成普通换行nbsp;全角空格消除半角空格粘连amp;还原转义符号script.*?/script空删除脚本块注意非贪婪写法第二行的nbsp;在正文里经常被用来做首行缩进替换成全角空格后后续段落合并的缩进设置就能统一生效。如果你拿到的 HTML 来源有很多class属性转换后可能残留classxxx字符串这类统一用正则删掉即可。3.3 网页来源之外的两种清洗策略除了网页还有两类来源特别常见一类是从阅读 App 导出或者复制出来的章节内容干净但每一段末尾都带着「来源XX小说」这种水印另一类是 OCR 扫出来的 PDF 转 txt错字和碎行双高。这两种的清洗策略完全不同App 导出文件重点在去水印和统一换行OCR 文件重点在段落合并和错字替换。用 TextForever 处理时OCR 文件要先跑一遍分行把异常的长行打散再按 2.3 的参数做段落合并直接合并长行会被阈值误判成独立段。这是我踩过几次才总结出来的顺序。4. 文本替换、正则与文本提取批量清洗的三种正确姿势4.1 文本替换先字面替换再整行删除文本替换是 TextForever 里最常用的功能但很多人直接把它当记事本的替换用忽略了两个设置替换范围和整行匹配。替换范围决定是只处理选中区域还是全文件批量清洗时一定要选全文件。整行匹配则是判断「查找内容是否占满整行」专门用来删水印和广告行。实际操作顺序我建议是先做整行删除再做局部替换。原因是水印、广告、公告这类通常是完整一行先删掉它们后面局部替换时就不会误伤。比如某站每章末尾固定一行「本站网址 www.example.com」先在文本替换里输入这行文字勾选整行匹配替换内容留空执行后整行就被删掉了。如果网站每章水印带章节号没法精确匹配整行就改用正则把章节数字匹配成通配。字面替换适合错别字表和标点统一比如把半角逗号统一成全角、把「丅」修正为「T」这类替换逐条执行每执行完一次用文本提取功能抽查一下替换行数确认没有误伤再继续下一条。4.2 正则三个高频模式和非贪婪坑TextForever 的正则替换支持常见语法用处集中在三类场景删带有可变字符的广告行、统一章节标题格式、提取正文里的特定内容。下面是我常驻的几个模式用途正则表达式说明删除带网址的广告行^.*(www.https?://).*$删除站内公告块【本章未完.{0,50}】非贪婪匹配只吞站内公告章节标题统一^第\s*[0-9一二三四五六七八九十百千]\s*章匹配各种写法统一加标题标记提取人物对话行^「.*」$配合文本提取统计对话比例这里最关键的是非贪婪。.*默认贪婪会一路匹配到整个文件的末尾写.{0,50}或[^\n]*才能限制在一行或一小段范围内。第 5 章有个具体翻车案例这里先记住原则凡是匹配内容可能跨行的都要用非贪婪写法并且先在副本上测一遍再全量执行。注意正则替换没有撤销栈。跑全量之前一定要把待处理文件复制一份副本。TextForever 是离线工具没有云同步后悔药副本就是唯一后悔药。4.3 文本提取与文件切分利用正则做结构化整理文本提取功能常被忽略它其实很有用。比如你想给一本没有任何目录的小说生成章节目录用正则^第[0-9一二三四五六七八九十百千]章做提取工具会把所有匹配行单独输出这就得到了一份干净目录可以直接复制进书里或生成导航。另一个用法是盘点把提取结果的行数统计出来对比原文件总行数能快速发现哪些章节标题格式异常从而定位切分失败的原因。切分配合正则就更有意思了。TextForever 的切分如果支持按正则切分点你可以把所有匹配「第X章」的行作为切分标记每个标记处切一刀然后按每 200 个标记合并成一卷。这样得到的每个分卷文件开头都是章节标题后续要单独处理某卷也很方便。参数上我习惯把「每个分卷包含章节数」设成 200输出文件名用 book_001.txt 这种三位编号和 2.2 的补零思路一脉相承。5. TextForever 踩坑排查顺序、误并、编码翻车五个真实案例这章写我实际翻过几次车的案例每条按现象、原因、解决的方式记录。5.1 合并后章节顺序乱现象合并完打开第 100 章跑到第 11 章前面整本书没法读。 原因文件对话框按字典序排列第 100 章的字符串「100」小于「11」我按界面顺序添加工具就按错误顺序读入了。 解决先在副本上跑 2.2 的补零批处理把章节号改成三位编号再重新打开合并对话框添加文件。从那以后我合并前必做这一步顺序问题再没出现过。5.2 段落合并把对话并成一大段现象勾选了空行断段后一段段对话还是被并到一起读起来像语无伦次的长句。 原因源文件里对话之间没有空行只有硬换行空行断段规则根本找不到断点单行阈值又设得太低短对话行都被并进上一段了。 解决把单行字数阈值从 30 提到 40同时勾选「少于 N 字的行保持独立」之类的保短行选项。对话密集的书甚至应该放弃段落合并只做分行和去水印让阅读器自己排版。5.3 繁体站点文件转出来全是「锘?」现象从台湾站点下载的文件用 TextForever 转成 GBK打开满屏「锘?」。 原因源文件实际是 Big5我默认当成 GBK 转了编码判断错了转换结果自然全错。 解决先用 3.1 的乱码形态表判断真实编码。看到「锘?」这类怪字符基本就是 Big5 被误解。选对源编码为 Big5、目标为 GBK重转一次就正常了。这里没有技巧只有先预览再全量。5.4 正则替换把正文大段删掉现象用正则删广告结果一本书少了三分之一被删的位置全是正文。 原因我写的模式是^.*(广告|网址).*$.*贪婪匹配跨行一个匹配就把几十行正文全吞掉了。 解决改成^[^\n]*(广告|网址)[^\n]*$用排除换行的写法把匹配范围锁死在单行内。同时先拿一本小书测试用文本提取功能统计删除前后行数差异差异异常就回滚副本重来。现在我的规则是任何正则跑全量前先在一章内容上验证再看全本。5.5 新电脑上打不开或转换时闪退现象Win11 上双击 TextForever.exe 没反应或者点编码转换就闪退。 原因这个工具太老了编码转换部分依赖 Win 2k/XP 时代的系统接口新系统不兼容。 解决右键 exe 属性兼容模式选「Windows XP (SP3)」必要时以管理员身份运行。合并、段落合并、替换这些核心功能在新系统下一般还算正常如果编码转换依旧闪退就别在工具里硬撑改用 Python 的转码逻辑把结果导回 txt 后再用 TextForever 做段落合并。工具负责它擅长的部分转码交给更可靠的方案各干各的。6. 进阶用法把 TextForever 塞进批量整理流程前面几章讲的都是单本操作实际囤书的人面对的是一整个文件夹、几十本书。这章说一个我一直在用的半自动流程和验证方法。6.1 半自动流水线副本、改名、合并、抽查核心原则是先建工作区。我整理书库时永远保持两个目录raw/ 放原始下载包work/ 放处理中的副本。任何清洗都在 work 里做raw 里的文件不动。这个习惯救过我很多次正则误删、编码转错大不了从 raw 重新拷贝损失只有几分钟。处理顺序固定四步拷贝到 work、补零改名、TextForever 合并清洗、抽查验证。前两步可以批处理化后两步靠固定流程提速。每本处理完用一个 Python 脚本抽查章节完整性和残留网址import re import sys path sys.argv[1] for enc in (utf-8, gbk, big5): try: text open(path, encodingenc).read() break except UnicodeDecodeError: continue chapters re.findall(r第\s*[0-9-一二三四五六七八九十百千]\s*章, text) print(f章节数: {len(chapters)}) print(开头:, chapters[:3]) print(结尾:, chapters[-3:]) urls re.findall(r(www\.|https?://), text) print(f残留网址: {len(urls)} 处)脚本先按 UTF-8、GBK、Big5 顺序尝试解码能解开的就是实际编码然后统计章节标题数量和首尾内容确认缺章和顺序问题最后扫描 www 和 http 前缀验证广告行有没有删干净。输出章节数对得上下载源目录数、残留为 0 时就可以入库。6.2 抽查三处胜过通读全书最后是内容抽查。我不通读全书只抽三个位置开头 100 行、全书 50% 处、结尾 100 行每处看两千字重点看段落断得自不自然、有没有水印残留、章节标题连不连续。三处过关整本清洗质量基本就过关。这套抽查对语料库同样适用把章节标题换成数据标记、网址水印换成噪声模式即可。从开始批量整理书库到现在我最大的教训是清洗这件事顺序比技巧重要副本比自信重要。从那以后我每次处理新文件都强制走一遍副本、改名、小样测试、抽查的流程再没因为一次正则误删丢掉整本书。希望帮到你。本文还有配套的精品资源点击获取