制作目录完好无广告内容的电子书
为什么有制作自己的电子书的想法
最近又发现了有意思的小说，很想阅读完整版，网上找来电子书下载，质量非常差，主要问题是有广告内容，如果是.txt格式的，则目录提取还不正常。我希望阅读一本目录正确完整，没有广告内容的电子书小说。
要解决的问题和思路
- 如何去除广告内容。
我的思路是，先找来电子书的.txt文件，然后通过全局查找替换的方式，将所有重复多次出现的广告关键词全部替换成空内容。我不知道.epub文件能不能编辑，我发现有良好目录的.epub文件，但是不知道怎样去除里面的广告内容。 - 如何正确提取去了广告内容的.txt电子书的目录。
我发现了一款工具，EasyPub，它的主要功能是帮我把.txt电子书根据固定格式提取内容目录，分章内容，再转化成.epub电子书。尤其是它里面根据正则表达式来匹配目录，这个功能很好，如果我们懂得运用正则表达式的话。
实际操作
- 去广告内容。
用记事本打开.txt文件，使用其中查找全局替换功能将广告内容替换成空内容。 - 提取.txt文件的目录。使用EasyPub v1.5.0绿色版，把选定的.txt文件，根据自定义的匹配目录的正则表达式划分章节转换成.epub文件。
难点
难点主要是正确提取.txt文件内容的目录，我找的的这本小说的.txt文件的目录有很多问题，它的目录形式是数字.标题，而且是单独一行，标题前后没有多余的内容。但是它不少地方出现了一些错误的重复目录，样式有:数字 标题，比如：170 人潮 ，非法数字.标题，比如：900111388828.融合神格的金钟，其他内容数字.标题，比如：1oo28重林巨蜥146.照片。我自定义了以下的正则表达式来匹配到正确的目录：^[0123456789]{1,4}\.\S*。
这个正则表达式限定了合法标题一定是这样的：
- 它以数字而不是其他内容作为开头。
- 它的开头的数字位数不能大于4位。
- 紧跟着数字后面是一个点号。
- 点号后面跟着任意的文字。
结果和收获
新产生的.epub电子书没有了烦人的重复出现的广告内容，目录完整，正确，除了几条重复目录（即一模一样的合法目录）没有处理。在定义正则表达式时，对点号的处理一度有问题，那就是它不仅匹配了有点号的目录，也匹配没有点号的目录。后来才知道，是我在匹配点号时没有加\转义符。