[吐槽]制作修改版小说的一点事

一如既往的前情提要：[分享]一个辅助修改绿文的小玩意

脚本做完了打算填充一下词库，找点新的修改版和原文作对比，来判断一般需要注意的关键字。
目前建立的词库还只有自己凭感觉积累的一部分，还没有实际测试过。

结果到了搜书吧，一搜下下来一堆我之前排版整理的，十本里有六七本，全是我合集里拆出来单卖的。
还有一部分我自己改的，结果我都没拿去骗金币，倒是别人赚得满头油。

讲真这金币又不能用我倒是无所谓，但是一个个下下来发现没有一点有用的，实在是让人失望又烦躁。
而且有些改的实在拉跨，我直接一键替换人称都比你改的像个东西。
除了改就是删啊，绿文那么多偷窥看视频才发现的，剧情能有多连贯？改个人称删点东西都不至于弄成这样。

感觉我应该下几个绿文合集，再根据分词词频等提取词库？但是最近没那么多大块的时间了。

母+老哥们有啥建议没？现在也忙起来了，只能再一点点填补。

脚本的链接明早我起来了发下边，初学者摸爬滚打照着一点点做的，部分可能有BUG，希望能反馈我一个。



我测试下性能看有无需要调整的，大文本可能会要几秒，我再测试下。

大概就这么点功能：

03.修改助手
├─01.全局 - 文件处理
│　　　　01.撤销 - 撤销10次
│　　　　02.撤销 - 撤销50次
│　　　　03.重做 - 重做10次
│　　　　04.重做 - 重做50次
│　　　　10.———————
│　　　　11.文件 - 创建副本
│　　　　12.文件 - 多个副本
├─02.标记 - 段落内容
│　　　　01.标记 - 剧情冲突
│　　　　02.标记 - 人物矛盾
│　　　　03.标记 - 肉戏修改
│　　　　04.标记 - 对话调整
│　　　　05.标记 - 叙述改写
│　　　　06.标记 - 保留片段
│　　　　10.———————
│　　　　11.标记 - 自行命名
│　　　　12.选区 - 删除标记
│　　　　13.删除 - 按类清除
│　　　　14.大纲 - 所有标记
├─03.选区 - 快速操作
│　　　　01.选区 - 查找下一个
│　　　　02.选区 - 全部替换为
│　　　　03.选区 - 全文内删除
│　　　　10.————————
│　　　　11.选区 - 选区内替换
│　　　　12.选区 - 去各类括号
│　　　　13.选区 - 去各类引号
│　　　　20.————————
│　　　　21.选择 - 光标处标记
│　　　　22.选择 - 由行号选区
│　　　　23.选择 - 包含选区行
│　　　　30.————————
│　　　　31.选区 - 新窗口编辑
│　　　　32.选区 - 保存到副本
│　　　　33.选区 - 追加到文件
├─04.检索 - 定位替换
│　　　　01.词典 - 普通分组查找
│　　　　02.词典 - 正则分组查找
│　　　　03.词典 - 普通分组替换
│　　　　04.词典 - 正则分组替换
│　　　　10.—————————
│　　　　11.临时 - 查找临时词典
│　　　　12.临时 - 编辑临时词典
│　　　　13.临时 - 添加选区词条
│　　　　14.临时 - 转义已有词条
│　　　　20.—————————
│　　　　21.大纲 - 所有标记符号
│　　　　22.选区 - 替换各类括号
│　　　　23.选区 - 搜索添加标记
│　　　　24.选区 - 删除查找标记
│　　　　25.选区 - 执行替换标记
│　　　　26.选区 - 删除替换标记
├─10.——————————
│　11.大纲 - 自定义搜索词语
│　12.替换 - 边界外任意词语
│　13.替换 - 边界内任意词语
├─20.——————————
│　21.替换 - 对话外第一人称
│　22.替换 - 对话外第三人称
│　23.替换 - 对话外任意词语
├─30.——————————
│　31.替换 - 对话内第一人称
│　33.替换 - 对话内任意词语
└─33.替换 - 对话内第三人称

只能说加油

我以前都是下载下来自己除了相同的批量刷，其他内容是一个字一个字的改的，

搜书吧的金币并没有什么卵用 ，不过有本号称非绿的，直接把全部人名包括男主都给换成了佐藤分身，真的给爷整吐了

我特么……合着真是软件提供的函数性能不行……

测试结果已经毫无疑问的证明了这一点，同样的词库替换无论是否正则，软件提供的函数性能都远不如脚本语言自带的。
同样的处理一个是135ms，一个是3338ms，前者换成正则加上另一个词条也只有21ms。

早知道我就不试了，这都™的啥事啊？？？

不过另一个的处理结果则有些差别，两者的性能又差不多，我有点整不明白了。
最简的匹配性能差别很大，过滤项最多的时候却差不多？
我再试试另一个写法吧，说不定可以解决。

本来说今天发的，结果又咕咕咕了。

搜书网上确实有不少垃圾，我在p站上看的一些R-18文作者明确说了不要把他们免费的作品搬到国内，结果还有sb干这种事，也有不少挂羊头卖狗肉的

换了正则，原来几百上千毫秒的只要十几毫秒就行。

果然这玩意有毒。

怪不得说正则要注意避免回溯，果然性能天差地别。

16MB的差不多一两秒处理完，这个速度还差不多。

之前那个正则能跑出153381ms来，就离谱。

我再逐个测试下



文件：《希灵帝国》-知轩藏书校对版
处理：替换对话内外的“我”字为其他字符

物理行数：100035
单词数：614472
字节大小：16541191
字符数：8381389
ASCII字符：221893
None-ASCII字符：8159496
空白：191798

对话外第一人称：1640ms    68266处
对话外任意词语：673ms    68564处
边界外任意词语：1585ms    68651处

对话内第一人称：1332ms    29491处
对话内任意词语：1136ms    29766处
边界内任意词语：575ms    29411处

完成了，有一些遗憾，但基本都够我用了。主要还是替换对话内外人称、快速建立副本、段落进行标记、词库批量替换并显示替换内容。

原本打算加一个词频统计、姓名称呼分析的功能，但是这个貌似要词典比较占用空间，就放弃了。

词库相关的我还在纠结要不要换一种标识符号，或者还是干脆不要标识符号。目前的逻辑是将匹配到的对象和替换结果用【A→B】的形式在原文标注出来，大纲区刷新显示，这样防止错误替换，然后有两个按钮可以选择保留A还是B。

不过这个也有点小毛病就是可能产生嵌套不好处理，但我也没有太好的解决方法，受限于文件格式，用语法高亮等方法之类的关了软件就没得了。

目前的效果类似这样：
原文：

引用

　　我妈妈确实很漂亮，而且身材也很好，虽然三十多岁了，但是不少人还以为她没结婚，在我班同学中，除了刘宇轩的妈妈，就数我妈妈最漂亮。因此，在学校，不论是老师还是校长，都对我很好，这也是我骄傲的。但是，杨雄没见过我妈妈，我说：“你怎么知道？”那个时候我还不知道他已看过我妈妈的照片。
　　“同学们都这么说，说我班同学的妈妈数你和刘宇轩同学的妈妈最漂亮。”我自豪地点了点，他接着说：“你真幸福，有个这么漂亮的妈妈宠爱。”

替换词典（O表示替换对话外）：

引用

我妈妈    妈妈    O
我    小苦主    O

替换结果：

引用

　　【我妈妈→妈妈】确实很漂亮，而且身材也很好，虽然三十多岁了，但是不少人还以为她没结婚，在【我→小苦主】班同学中，除了刘宇轩的妈妈，就数【我妈妈→妈妈】最漂亮。因此，在学校，不论是老师还是校长，都对【我→小苦主】很好，这也是【我→小苦主】骄傲的。但是，杨雄没见过【我妈妈→妈妈】，【我→小苦主】说：“你怎么知道？”那个时候【我→小苦主】还不知道他已看过【我妈妈→妈妈】的照片。
　　“同学们都这么说，说我班同学的妈妈数你和刘宇轩同学的妈妈最漂亮。”【我→小苦主】自豪地点了点，他接着说：“你真幸福，有个这么漂亮的妈妈宠爱。”

中文分词实在麻烦，最后还是放弃了，英文直接空格和逗号分隔可正常多了，词典也好做，中文怎么就这么难，现在稍微有点了解到了。再深入就得去学NLP了，光做这点东西我就花了这么一段时间，还是放弃了。