論壇

建議檔名：批次空白列合併.py

緣起：
本意是對由【成為小說家】提供之直列式PDF，利用全文複製將PDF 全文貼到TXT 檔中，對轉出的 TXT 檔執行格式清理作業，形成清爽的版面。

主作用：
利用數字存在與否判別章節標題所在，並插入想要的分隔標記。
消除原 PDF 文件各頁夾帶的頁碼（會形成單獨一行）。

副作用：
將 TXT 檔內段落間重複的空白列合併，使各段落間只間隔一個空白列

程式碼：
（複製以下文字，貼入純文字檔中，存檔後將副檔名設定為 .py）

---

import os

import re

def to_fullwidth_number(number):

    """

    將阿拉伯數字轉換為全形格式。

    """

    return ''.join(chr(ord('０') + int(char)) for char in str(number).zfill(4))

def normalize_to_fullwidth(text):

    """

    將文字中的數字和英文字母轉換為全形。

    """

    def to_fullwidth_char(char):

        if '0' <= char <= '9':

            return chr(ord('０') + ord(char) - ord('0'))

        elif 'A' <= char <= 'Z':

            return chr(ord('Ａ') + ord(char) - ord('A'))

        elif 'a' <= char <= 'z':

            return chr(ord('ａ') + ord(char) - ord('a'))

        return char

    return ''.join(to_fullwidth_char(c) for c in text)

def detect_chapter_titles(lines, toc_titles=None):

    """

    根據頁碼行後的內容檢測章節標題。

    """

    chapter_positions = []

    for i, line in enumerate(lines):

        if re.match(r"^\d+$", line.strip()):  # 偵測頁碼行

            next_line = lines[i + 1].strip() if i + 1 < len(lines) else ""

            normalized_next_line = normalize_to_fullwidth(next_line)

            is_title = (

                re.match(r"^(第[一二三四五六七八九十百千]+章\s+.*?)$|^(プロローグ)$|^(第[一二三四五六七八九十百千]+話\s+.*?)$|^(ＥＸ[:：]?.*?)$|^【.*?】$", normalized_next_line)

                or (toc_titles and any(normalize_to_fullwidth(normalized_next_line) in normalize_to_fullwidth(title) for title in toc_titles))

            )

            if is_title:

                chapter_positions.append((i + 1, next_line))

    return chapter_positions

def insert_dividers(lines, chapter_positions):

    """

    根據檢測到的章節標題插入分隔標記。

    """

    output_lines = []

    chapter_counter = 1

    inserted_positions = set()

    for i, line in enumerate(lines):

        for pos, title in chapter_positions:

            if i == pos and i not in inserted_positions:

                divider = f"＊＊＊＊＊＊{to_fullwidth_number(chapter_counter)}＊＊＊＊＊＊"

                output_lines.append(divider)

                output_lines.append(title)

                output_lines.append(divider)

                chapter_counter += 1

                inserted_positions.add(i)

        if not re.match(r"^\d+$", line.strip()):  # 排除頁碼行

            output_lines.append(line.rstrip())

    return output_lines

def process_file(input_file, output_file, toc_titles=None):

    """

    處理單一文件，插入分隔標記，並消除頁碼行。

    """

    with open(input_file, "r", encoding="utf-8") as file:

        lines = file.readlines()

    # 檢測章節標題位置

    chapter_positions = detect_chapter_titles(lines, toc_titles)

    # 插入分隔標記並處理頁碼行

    processed_lines = insert_dividers(lines, chapter_positions)

    # 寫入處理後的檔案

    with open(output_file, "w", encoding="utf-8") as file:

        file.write("\n".join(processed_lines) + "\n")

def main():

    print("章節分隔標記插入工具（基於頁碼行後內容檢測，並消除頁碼行）")

    input_folder = input("請輸入包含 TXT 文件的資料夾路徑：").strip()

    output_folder = input("請輸入輸出結果的資料夾路徑：").strip()

    toc_file = input("若有目錄文件，請輸入其路徑（可按 Enter 跳過）：").strip()

    if not os.path.exists(output_folder):

        os.makedirs(output_folder)

    # 載入目錄標題

    toc_titles = []

    if toc_file and os.path.isfile(toc_file):

        with open(toc_file, "r", encoding="utf-8") as file:

            toc_titles = [line.strip() for line in file.readlines() if line.strip()]

            print(f"已載入目錄標題：{len(toc_titles)} 項")

    # 處理每個 TXT 文件

    for file_name in os.listdir(input_folder):

        if file_name.endswith(".txt"):

            input_file = os.path.join(input_folder, file_name)

            output_file = os.path.join(output_folder, file_name)

            process_file(input_file, output_file, toc_titles)

    print(f"處理完成！結果已存放於：{output_folder}")

if __name__ == "__main__":

    main()

# Page Analysis Divider Tool

# Version: 2025/01/27 22:45 (UTC+8)