如果你也做过网文 EPUB，大概能懂这种崩溃：好不容易找到一本想看的书，下载下来的文本里，章节标题后面跟着“（二合一）（求月票）”，正文里塞着平台广告、导航行、页码标记，偶尔还冒出几行繁体字，缺章跳章更是家常便饭。

插件传送门：https://wwbcm.lanzouq.com/b01gicnsoj密码:9ri1

我一开始的做法很原始：打开文本人工逐段扫，扫完再用正则一批批替换。一本书几百章，校完一部书就像做了一次大扫除。后来我想明白一件事——规则是可以沉淀的。每校完一本书，就把这一轮用到的规则记下来，攒着攒着，就成了一个小工具箱。

再后来，我把这些规则做成了 15 个 Sigil 插件。Sigil 是开源的 EPUB 编辑器，它的插件机制能对整本书做检查和修改。这 15 个插件分两类：8 个“体检医生”，只检查不写书；7 个“编辑”，先预览再动手。

15 个插件一览

表115 个插件一览（校验＝只报告不改动，编辑＝预览后应用）

先说清楚这两类插件的关系：校验型扫完全书，把问题逐条列进表格，文件、段落、类别、上下文一目了然，但没有任何写回按钮；编辑型要先“扫描预览”，确认后才“应用修改”。这个设计贯穿全部 15 个插件，后面会细说。

检查类（8 个）：只报告，不动手

校验型插件的原则是“只报告，不改动”。为什么不直接改？因为校对最怕误伤，机器判断永远有边界，把判断权留给人才是安全的。每个插件扫完都会给出定位和上下文，你只需逐条看一眼，决定要不要处理。

文字质量五项

CheckAdverbDe（的地核查）。“的”和“地”是网文里最高频的错别字之一：“慢慢的说”应该是“慢慢地说”，但“深深的脚印”就不能改成“深深地脚印”。插件把规则拆成几档：慢慢/悄悄/轻轻这类固定副词几乎只作状语，报告改“地”；“深深”不参与替换；“淡淡/冷冷/远远”只在明确的状语搭配里报告。改完还会复扫一遍，把“一个冷冷地声音”这种改过头的回退。

CheckTraditionalChinese（繁体残留扫描）。难点在排除繁简同形字——比如“那”，繁简同形，直接整字匹配会误报几千行。插件用繁体专用字表扫描、剔除同形字；“著”在简体里合法（著作、原著），只有“说著”“站著”这种作“着”用时才按动词前缀甄别报告。

CheckDuplicateLines（重复行）。检查相邻重复行（整理版粘贴重复）、同行重复章节（一行出现两个标题）、重复章节名。对话排比、刻意复读这类剧情正文不报。

CheckLineBreakPunctuation（行首标点）。行首出现右括号、右引号、逗号句号问号叹号等标点，说明上一行硬回车断错了位置。省略号、破折号开头的合法续行和对话分行不报。

CheckShortFragmentLines（短促残句行）。专查 OCR 文本常见的行首丢字、行尾截断：没有开引号、长度很短、却以句末标点结尾。它是低置信提示，逐处核对上下文，别直接删。

结构与合规三项

CheckChapterGap（缺章检测）。卷/章连续性核查：缺章、重复、乱序、跳跃都能查，支持中文数字和“第X卷　卷名　第X章　章名”这种卷章合一标题。

CheckEpubStructure（章节结构体检）。检查标题层级（卷/章是不是规规矩矩的 h1/h2）、插图 div 模板是否统一、alt 文本有没有连续编号。

CheckEpub2Compliance（EPUB2 合规体检）。发布前跑一遍心里有底：package version、dc 元数据、manifest、spine，以及每个 src 引用是不是真的可达。

编辑类（7 个）：先预览，后应用

编辑型插件都走同一套流程：点“开始运行”先只读扫描，结果逐条列在表格里、可以勾选，你确认后才写回书。预览那一步，就是误改的后悔药。

去杂质

DeWatermark（去广告导航）。删平台广告短段、导航行、孤立页码、页眉页脚。长段或含图的块不删、只报告——那些可能是正文或插图，删错代价太大。书首的“内容简介”块有保护，不会误伤。

CleanPageMarkers（去页标记）。删【页N】【册N】标记、孤立页码、页眉页脚固定串和完全空白块。

StripAuthorNotes（去作者感言）。删求票、加群、公众号引流短段，前注后注、卷末标记；“全书完”这类完本标记只在最后一个文件截尾。正文里的内容不动。

标题与标点

CleanTitleBrackets（标题括号清洗）。章节标题尾巴上的括号注释：“（二合一）（求月票）（本章3000字）”这类发布/更新说明删掉；“（上）（中）（下）（番外）”这类结构标识保留。关键词速判加逐条预览确认，只处理标题行。

FixPunctuation（标点修正）。HTML 实体转成正确的引号、半角标点全角化（千分位有保护，不会把“1,000”拆坏）、行首空格剥离、全角数字转半角、半角引号按语境转全角。只处理文本节点，不碰标签属性；“的的”“象像”这类只报告不改。

排版

FormatNovel（排版与章号）。章节标题统一成“第N章　标题”（中文数字含“两/二”转阿拉伯、卷章合一统一全角空格）、识别“（一）/一　标题/番外一：/【…】”等旧式标题、正文段首统一两个全角空格（只在样式表没声明 text-indent 时）、去空段。

FixDivider（分割线）。正文里单独一行、只有分割符组成的段落，替换成 fengexian 插图 div。幂等，跑两遍不会重复处理；章节首末块跳过。

工程上的几个“强迫症”设计

写这 15 个插件的过程中，我顺手立了一套工程规范。这里挑几个最想分享的点。

校验/编辑双模式。整套插件的骨架：扫描预览永远只读，编辑型才有“应用修改”，校验型根本没有写回按钮。规则可能误判，但预览把风险摊开在你面前。

幂等。同一本书跑两遍同一插件，结果完全一致，不会出现“越改越乱”、“第二次运行又改一遍”的情况。

统一工程化写法。所有插件共用一套结构：plugin.py 只做薄装配——开窗口、起线程、接按钮；utils/ 是纯业务层，所有正则规则都在这里、零 Qt 依赖，可以脱离界面直接用假数据测试；pyqt_import.py 统一 Qt5/Qt6 导入，业务代码里不出现 PySide6/PyQt5 字样，Sigil 用哪个版本都兼容；misc/appconfig.py 负责把勾选项持久化到 config.ini，默认全开等于原规则行为；扫描用 QThread 后台线程，书再厚界面也不卡；还留了无头冒烟模式，自动化测试可以直接跑。

规则来自真实校对。每个插件的规则都有出处：校对规则 R1-R5、逐条挖掘的校对正则，还有校书时真实遇到的案例。规则不是拍脑袋想的，是每一本被认真对待的书攒出来的。

怎么用

在 Sigil 里使用很简单：插件 → 管理插件 → 添加插件 → 选择插件包 → 重启，菜单里就会出现对应项。

校验类随时可以跑，当体检；编辑类建议先点“开始运行”看预览，勾选确认后再“应用修改”。

这套插件也是一路长出来的：最早只有控制台输出，后来加了窗口，现在统一成 Qt 工程化版本——双版本兼容、配置持久化、界面不卡。

回头看，这 15 个插件最值钱的不是代码，是那些被沉淀成规则的判断。工具会过时，但“认真对待每一本书”这件事，什么时候都不过时。

如果你也在做 EPUB 或小说校对，希望这篇能给你一点启发：把重复劳动变成规则，把规则变成工具。