简介TextForever是一款面向TXT文本整理与电子书预处理场景的轻量工具尤其适合需要合并小说章节、统一文本编码或清洗段落格式的阅读爱好者和文本编辑用户。程序内置丰富功能支持网页转文本、文件合并、段落合并与分行支持多种编码格式的相互转换其中编码转换功能仅面向Windows 2000/XP环境同时还具备文本替换、网页代码整理、文件切分、文本提取、正则表达式以及TCR批量压缩与解压能力基本覆盖电子书预处理各环节。压缩包内共有两个文件一个为可直接运行的exe主程序另一个为配套的htm说明文档整体体量约245KB适合快速下载与本地使用。当前已有177人学习下载。通过实际使用读者可以利用主程序配合说明文档快捷完成文本文件的章节合并、段落重排、编码转换和内容提取减少手工逐条整理的重复劳动尤其适合对大量小说文本进行批量规范化的场景。1. TextForever 文件合并和 TXT 段落合并到底在解决什么TextForever文本永存处理文件合并和 TXT 段落合并不是把一堆 txt 堆在一起那么简单。早年网文站章节页每行排 30 到 40 个字符就强制换行这些「假换行」被复制进本地后段落全被拆碎。直接复制粘贴或命令串文件得到的是行行断裂、章节标题混进正文、编码交替乱码的文本。TextForever 把文件合并、段落合并、编码转换放进同一条流程先判断哪些换行是真的再决定怎么拼接最后按列表顺序输出。顺序、阈值、标点集合这些参数决定了成品质量界面本身反而没什么可学的。适合整理连载合订本的读者、做文本清洗的编辑、需要合并系统导出 txt 的运维与数据处理岗。不写脚本也能用但理解判定逻辑能少走弯路。2. TextForever 文件合并前的准备列表顺序、编码统一与批量改名文件合并在 TextForever 里是最后一步前两步常被跳过顺序和编码。列表里文件怎么排输出就怎么排编码不一致合出来就是半本乱码。这两件事处理完合并本身点一下就行。2.1 文件列表顺序决定合并后的章节目录顺序TextForever 主界面是「文件列表 功能页签」的结构。把章节文件拖进列表后合并结果严格按列表从上到下输出不会自动做任何智能重排。常见做法是先把目录下的 txt 按名称排序再全选拖入最后眼睛扫一遍列表里第 1 章到最后一章的排列。从资源管理器拖拽时拖入顺序继承 Explorer 当前的排序。如果文件夹上次按「修改日期」排列拖进去就是乱的更隐蔽的是「第2章」排在「第10章」后面——纯字典序比较时字符 1 小于 9所以第 10、11 章会被排到第 2 章前面。对策是让文件名可自然排序给章节号补零。数字部分改成三位数后第 2 章永远排在 第 10 章前面TextForever 的列表和资源管理器的排序结果一致检查时不用来回找。用 PowerShell 批量改名几十个文件一秒钟处理完# 将“第1章”改为“第001章”保证字典序与自然序一致 Get-ChildItem -Path . -Filter 第*章*.txt | ForEach-Object { if ($_.BaseName -match 第(\d)章(.*)$) { $num $Matches[1] $rest $Matches[2] $newName 第{0:D3}章{1}.txt -f [int]$num, $rest Rename-Item -LiteralPath $_.FullName -NewName $newName } }-match从文件名里提取「第」与「章」之间的数字和章名剩余部分{0:D3}把 1、12、123 统一补成三位数D3表示十进制最少三位。-LiteralPath避免文件名里的方括号被当成通配符。跑完再用Get-ChildItem | Select-Object Name确认一遍书名号、空格、全角括号都不影响这条命令。2.2 编码不统一时的判断与统一GBK、UTF-8、BOMtxt 没有统一的编码标准。记事本默认「ANSI」在简体中文 Windows 上就是 GBK从网站和阅读器拿到的文件很多是 UTF-8个别老设备导出的是 UTF-16。TextForever 的「编码转换」功能可以批量处理合并对话框里也有输出编码下拉框。判断一个文件是什么编码先看文件头最可靠文件特征判断方法合并前处理记事本另存、老网站下载中文两字节开头无 BOM转 UTF-8 无 BOM下载站常见UTF-8 无 BOM中文三字节保留输出编码选 UTF-8带 BOM 的 UTF-8文件头 EF BB BF统一转无 BOM避免拼接处出现不可见字符UTF-16文件头 FF FE 或 FE FF先转 UTF-8 再进合并列表拿不准时用下面这条 PowerShell 看每个文件的前几个字节。UTF-8 的 BOM 是 EF BB BFUTF-16 是 FF FE 或 FE FFGBK 没有固定文件头只能靠排除法归类这套规则已经能覆盖网文、导出文档和日志 txt 的绝大多数场景# 按文件头字节判断编码GBK 无文件头标记归为“疑似” Get-ChildItem *.txt | ForEach-Object { $b [System.IO.File]::ReadAllBytes($_.FullName) if ($b.Length -ge 3 -and $b[0] -eq 0xEF -and $b[1] -eq 0xBB -and $b[2] -eq 0xBF) { $c UTF-8 BOM } elseif ($b.Length -ge 2 -and $b[0] -eq 0xFF -and $b[1] -eq 0xFE) { $c UTF-16 LE } elseif ($b.Length -ge 2 -and $b[0] -eq 0xFE -and $b[1] -eq 0xFF) { $c UTF-16 BE } else { $c GBK/ANSI疑似 } {0} {1} -f $_.Name, $c }这段脚本把每个文件的头两三个字节和 BOM 硬编码做比较输出一行「文件名 判断结果」几百个文件一眼扫完。经验法则是从中文网站直接另存、从聊天软件传的文件基本是 GBK从阅读器、在线转换站、命令行工具生成的多半是 UTF-8。转换时全部指向 UTF-8 无 BOM合并输出也选 UTF-8后续处理最省事。提示合并后出现「整章乱码、其他章正常」时不要进正文手工改。回到原始文件看文件头统一编码后重新合并比重打快得多。2.3 合并输出参数文件间空行与输出编码TextForever 的文件合并一般会让选择输出文件、输出编码以及文件之间是否插入内容。我通常勾选「每文件间空一行」否则上一章结尾和下一章开头会贴在一起章节文件首行本身就是标题时也可以不插空行靠段落合并的空行规则处理但后续改排版会更麻烦。输出文件不要和被合并的源文件放在同一目录更不要用「输出.txt」这类会被再次全选进去的名字。常见做法是建一个 merge_out 子目录合并后把原始章节目录原样保留到确认无误再清理。顺序和编码这两件事做完文件合并本身只需要十几秒。3. TXT 段落合并的参数拆解断行阈值、段尾标点与预览段落合并不等于「删掉所有换行」。把全文合成一行只会让章节标题、对话引号全部粘死真正要做的是把「因排版宽度被拆开的行」重新接回原来的段落同时保住真段落边界。3.1 先认出假换行用行宽分布统计断行阈值假换行来自阅读器和网页的流式排版一行排满容器宽度就插入换行符。不同来源的断行宽度不一样手机端常见 30 到 40 个字符网页宽屏可能到 80 到 100。无论文本来自小说 URL 转 txt 的在线转换站还是番茄小说这类客户端的导出内容断行特征都一样藏在行宽里。段落合并前先统计行宽分布阈值才有依据而不是随手填个 40。统计行宽最直接的办法是逐行打印字符数再做分布Windows 上我一般用 PowerShell 的 Group-Object 完成同样的事结果按行数降序排列峰值就是断行宽度# 统计每种行长出现次数Count 大的行宽即断行峰值 Get-Content -Path 第001章.txt | ForEach-Object { $_.Length } | Group-Object | Sort-Object Count -Descending | Select-Object -First 15 Count, Name输出里 Count 是行数Name 是该行长度的字符数。峰值集中在 30 到 45说明这些文件按手机屏宽度断行段落合并阈值设 45 到 55 比较稳妥峰值在 80 以上阈值要跟着提到 100。混合来源的文件按最宽的峰值来设或者先按来源分类再合并。在 Windows PowerShell 5.1 里 Get-Content 默认按 ANSI 解码和 GBK 文本正好匹配PowerShell 7 默认 UTF-8遇到 GBK 文件统计出的行长会翻倍所以规范做法是先统一编码再统计。3.2 段落合并判定逻辑空行、段尾标点与行宽阈值段落合并的常见做法是逐行扫描累加拼接遇到三种信号之一就结束当前段落空行行尾出现句末标点行宽达到阈值说明这行本身已是一整段。行尾的逗号、分号、冒号不能作为段尾信号否则列举句会被一节节切开。章节标题这类短行要单独保护否则「第001章 云深不知处」会被并进下一段正文。TextForever 的段落合并参数通常就这三项断行阈值、段尾标点集合、是否在拼接处插入空格。有的版本把标题保护做成复选框有的版本需要自己用正则预先把标题行前后补空行。我的习惯是不依赖选项先保证标题行上下有空行让空行信号替我做保护。参数我常用的值什么时候改断行阈值50 个字符统计峰值是网页宽屏就调到 90手机端就 40段尾标点集合。…」』”文本混入英文段落时补上 . ! ?拼接处是否插空格不插中英混排且原文行尾带空格时才考虑保留「拼接处不插空格」对中文最重要。英文排版依赖空格分词中文不需要勾选插入空格后合并出来的正文每隔三四十个字就有一个多余空格后期清洗反而更麻烦。这个参数在纯中文文本上永远选不插。3.3 执行前预览标题行、对话引号与诗歌执行前必须预览老版本没有预览区就复制一章出来试跑。第一看章节标题有没有被并走第二看对话引号中文对话常以「或“开头行尾只出现半个右引号时段尾标点集合里必须包含右引号否则引号和正文会被拆到两个段落第三看诗歌和剧本五言诗每行五个字按阈值全会被并成一个大段预览里出现上千字的段落就说明并过头了。针对诗歌可以用一个笨办法先搜索以逗号结尾的短行手动在这些行前后加空行。文本里以逗号结尾且整行很短的行在散文里极罕见在诗词里极常见这一条规则能在不损失散文段落的前提下保住大部分诗行比在参数里加排除规则更可控。注意别在段落合并前做「删除空行」操作。空行是段落边界的核心信号删了它合并器只能靠阈值和标点猜误并率会明显上升。4. 用 TextForever 完成 TXT 文件合并与段落合并流程、检查与脚本兜底4.1 完整处理流程七步把章节 txt 合并成合订本以最常见的网文合订本为例完整流程是七步建工作目录并拷入全部章节统计行宽确定阈值检查并统一编码整理列表顺序执行段落合并执行文件合并抽样检查输出。每一步都可以在 TextForever 里完成只有统计和检查会用到命令行建目录把章节按文件名顺序放好原始文件留一份备份。跑第 3.1 节的行宽统计命令记录峰值确定段落合并阈值。用「编码转换」把所有文件转成 UTF-8 无 BOM乱码文件单独看文件头。全选拖入文件列表按名称核对一遍必要时零填充改名后重新添加。进「段落合并」填阈值、勾选标题保护、不插空格先对单个章节执行并预览。全选执行段落合并。进「文件合并」输出到 merge_out/合订本.txt输出编码选 UTF-8勾选文件间空一行。第 5 步最容易省掉。直接对 800 个文件跑段落合并参数错了要重新来八遍先拿第一个和最后一个章节试跑确认标题和引号都没被并坏再全选执行。多数版本段落合并直接改写列表里的原文件所以试跑前先复制两个样本文件到单独目录更安全。4.2 合并后检查段长分布脚本合并完不要急着关工具。用一段 Python 统计输出文件的段落长度分布能快速暴露「还有断行没并」和「段落被并过头」两类问题。把下面脚本存成 check_para.py运行时直接传文件路径import re import sys from collections import Counter def paragraph_stats(path): text open(path, encodingutf-8).read() # 按空行切分段落 paras [p for p in re.split(r\n\s*\n, text) if p.strip()] # 按长度分桶暴露误并/漏并 dist Counter( 超长(1000) if len(p) 1000 else 过短(20) if len(p) 20 else 正常 for p in paras) return len(paras), dict(dist), max(len(p) for p in paras) if __name__ __main__: count, dist, max_len paragraph_stats(sys.argv[1]) print(段数:, count, 最大段长:, max_len) print(dist)re.split(r\n\s*\n, text)用空行做段落边界\s*匹配连续多个空行Counter 把段落按长度分桶。正常小说合订本「正常」占比应超过八成最大段长一般不超过八百字。过短段占比高说明阈值太小或段尾标点集合漏了右引号超长段扎堆则是标题行或诗歌被并了进去回到第 5 步改保护规则重跑。4.3 三个高频失败现象与检查点现象可能原因检查点某章整段乱码其余正常该文件编码没统一看原始文件头重跑编码转换章节标题消失或粘在正文里标题保护没开或标题前无空行试跑时检查「第X章」行引号段落只合并了一半段尾标点集合少了右引号补上 」’ ” 后重跑三个现象对应三个常被忽略的细节编码检查只在合并前做一次合并后再发现只能重来标题保护依赖正则匹配章节号是全角数字如「第章」时匹配不上引号集合要和文件里实际使用的引号写法一致中文引号有「」、『』、“”三种段落合并前统一成一种比在参数里列全省事。4.4 脚本兜底复现段落合并判定逻辑TextForever 适合交互式整理要定时批量处理或文件在服务器上生成可以用下面的 Python 复现段落合并逻辑。它把前文的规则直接落成代码短行且行尾无句末标点则拼接空行和标题行保留为段落边界import re END_PUNCT 。…」』” TITLE_RE re.compile(r^第\s*[\d一二三四五六七八九十百千]\s*[章节卷部回集].*) def reflow(text, threshold50): out, buf [], [] for raw in text.replace(\r\n, \n).split(\n): line raw.strip() # 空行段落边界先落盘已有内容 if not line: if buf: out.append(.join(buf)); buf [] continue # 章节标题独立成段不参与拼接 if TITLE_RE.match(line) and len(line) 30: if buf: out.append(.join(buf)); buf [] out.append(line) continue buf.append(line) # 段尾标点或行长达标结束当前段 if line[-1] in END_PUNCT or len(line) threshold: out.append(.join(buf)); buf [] if buf: out.append(.join(buf)) return \n\n.join(out)threshold对应断行阈值END_PUNCT对应段尾标点集合TITLE_RE是标题保护正则兼容「第12章」「第 12 章」「第一百二十章」「第1回」几种写法len(line) 30是为了避免把长句误判成标题。line.strip()会去掉行首行尾空白缩进信息在这一步丢失所以要求输入文本已经用空行区分段落——这也是前面强调「合并前不要删空行」的原因。输出用两个换行做段落分隔正好匹配 4.2 的统计脚本。5. 进阶技巧跨文件段落合并的次序、二次清洗与收尾校验5.1 段落合并和文件合并的次序选择要不要把段落合并放在文件合并之前取决于一个判断上一章的结尾和下一章的开头是否可能属于同一个段落。先段落合并再文件合并是我大多数时候的选择每个章节内部先恢复段落文件合并时用空行隔开章节边界干净先文件合并再段落合并能续上跨文件的断段但依赖标题保护规则兜底适合 OCR 和 PDF 转出来、章节边界本身就混乱的文本。5.2 合并后的正则二次清洗段落合并解决断行不解决脏字符。合并输出常见三个问题行尾混入全角空格、连续空行过多、标题上方没有空行导致阅读器分章失败。用 Python 做清洗逻辑比在 GUI 里逐条替换直观import re def polish(path): text open(path, encodingutf-8).read() text text.replace(\r\n, \n) # 删行尾的半角空格、制表符、全角空格 text re.sub(r[ \t\u3000]\n, \n, text) # 给章节标题前后补空行便于阅读器生成目录 text re.sub(r(?m)^第[0-9零一二三四五六七八九十百千][章节卷部回集].*$, lambda m: \n m.group(0) \n, text) # 空行归一把补出来的 3 连空行压回 2 个 text re.sub(r\n{3,}, \n\n, text) open(path, w, encodingutf-8).write(text)第一条删掉行尾空白第二条用多行模式锚定行首给章节标题前后各补一个换行第三条把三个以上空行压成一个。顺序不能反先补标题空行最后做空行归一否则先压缩出的单个空行又会被标题正则撑开。清洗放在段落合并之后段落合并要依赖行尾状态判断断行提前清空格等于破坏输入特征。5.3 用三个数字做收尾校验处理完只看三个数字总行数、段落数、最大段长。总行数用(Get-Content 合订本.txt).Count拿段落数和最大段长用 4.2 的脚本。行数与合并前各章节行数之和差在 5% 以内说明没大规模吞行段落数接近每章平均段数乘以章节数说明边界正常最大段长没超过 800说明没有诗歌或剧本被并穿。这三个数字同时正常这份 txt 的章节目录排版和段落结构就可以交给阅读器了。合完先别删原始章节目录改名为 raw_backup 留到阅读器里翻完一遍再清理。阅读器能正确生成章节目录、每章断页位置正确这本合订本才算真正完成。本文还有配套的精品资源点击获取