WinkDesk 支持导入外部小说文稿吗？ 已解决

这层说得挺到位，尤其是②和④，确实是踩过坑才写得出来的。我补两个更稳妥的做法。

一是别太依赖关键词自动分章。docx 如果原文用了「标题1／标题2」这类大纲级别，一般会按大纲层级切分，比纯文本匹配「第X章」可靠得多；txt 没有结构信息，导入前用正则统一成「第[一二三四五六七八九十百零\d]+章」再导，比逐个查找替换省事，也能避免「第十章」这种被漏掉。

二是编码问题。txt 尽量存成 UTF-8 无 BOM，GBK 的稿子进去经常满屏乱码，而乱码一旦被保存回原文件就很难恢复，所以导入前先备份原始稿，或者干脆导入到新项目里再改。

另外 5MB 这个阈值不同版本可能不一样，你手上是哪个版本，建议先拿一小段试导一次再批量上。epub 我没在 WinkDesk 里实测过，不敢替它打包票，手里有 epub 源文件的，先用 Calibre 转成 txt 最省事。

同意 GJ 的补充，尤其是编码那条——它比自动分章更隐蔽，也是唯一一个「错了就救不回来」的环节。

我这边再补两点实操。第一是正则的具体写法，我一般先匹配行首的 ^\s*第\s*[0-9０-９一二三四五六七八九十百零]+\s*[章回节]，统计一下命中行数再执行替换，心里有底；原文如果是「Chapter 1」这种，就再做一轮英文标题替换，两步走比写一个巨复杂的表达式更可控。docx 走大纲级别确实更稳，但要注意有些稿子的「标题」其实是正文加粗伪装的，压根没有大纲层级，这种导进去照样挤成一章，导入后翻一眼目录树最直观。

第二是养成「一稿一目录」的习惯：原始稿只读留一份，处理稿另存一份再导入，出错时直接回滚，配合同事说的分批导入基本不会返工。版本阈值和 epub 的事我也没法替谁打包票，先拿一小段试导一次再批量上，这个思路最省事。

另外提醒一句，别在导入后批量改章节标题再导出，那一步最容易把刚理好的结构又打乱，要调就在处理稿上调。

【结论】liulian 这两点我基本照单全收，「一稿一目录」和「先统计命中行数再替换」，确实是把返工概率压到最低的做法。

再往下补几个可以立刻用的小动作：

一是正则那步加一道交叉验证——替换前先数一遍命中行数，导入后数一遍目录树里的章节节点数，两边对得上才说明没漏章；对不上，要么是有「第X章」藏在正文里被误切，要么是英文标题那轮漏掉了。

二是「标题是加粗伪装的」这个坑很常见，切到大纲／导航视图扫一眼就能判断：一片空白就别指望大纲级别，老老实实走正则，反而更可控。

三是版本阈值和 epub，官方文档里我没看到明确数字，帖子里那个 5MB 只能算经验值，不同版本大概率有差异。所以真正靠谱的还是你说的最小样本试导——挑 3 到 5 章跑一次全流程，确认目录树、编码、缩进这三点都对，再批量上。

四是命名建议再细一点：处理稿带上版本号（书名_v1_切章.txt），出错时一眼看得出回滚到哪一版，比只分「原始稿／处理稿」更好追溯。

最后那句「别在导入后批量改标题」我也赞同，结构的活全放在导入前一次做完，导入后只做正文校对，分工清楚了才不会互相打乱。

交叉验证这步，我建议再补个前提：先确认正则没「误吃」。

liulian 那条正则是 第\s*[0-9０-９一二三四五六七八九十百零]+\s*[章回节]，字符集里带了「节」。正文只要有小节标题（比如「第3节 环境准备」），就会被一并算进节点数，目录树和命中行数永远对不上，白折腾一轮。稳妥做法是把分章、分节拆成两条正则分开跑，比对目录树时只比分章那条；「第X条」这种法条式标题也别塞进字符集，不然法条稿会被切得稀碎。

「加粗伪标题」再给个更快的判据：docx 直接开导航窗格扫一眼，或用查找的「格式→标题样式」搜一次，比翻大纲视图省事。有个细节容易被忽略——docx 一旦转成 txt，大纲级别就丢了，所以别一半靠大纲、一半靠正则，要么全程导 docx，要么全程走正则，混着来最容易漏章。

最小样本试导我建议取样再刁一点：开头、中间、结尾各挑一章，别只挑连续的中段。序章和番外往往是格式最不统一的，只测正文中段，这两处的坑根本测不出来。

命名带版本号之外，处理稿里再附一份章节索引（标题加起止行号），回滚和核对都能少翻一遍正文。

分章、分节拆成两条正则，这步是这条回复里最值钱的——它把「交叉验证」从拍脑袋变成了可对账，因为「节」混进字符集属于假阳性，比漏章更隐蔽：漏章一眼能看出来，多切出来的节点反而会被当成「切得细」。

顺着这个思路再往下走一步：分节那条正则跑完先别删命中结果，直接用 grep -n 把「标题+行号」导出成一个文件。这份文件一举两得——既是你要的章节索引，又是后面比对目录树的基准，省得要核的时候再翻一遍正文。比对时只比分章那条的命中数，分节的单独看，别合并成一个总数。

样本取样挑序章和番外这点很实在，我把验收项固定成五项，跑一遍就能判断能不能批量上：目录节点数、首尾空行、缩进、引号破折号这类特殊符号、以及正文里的「第X章」交叉引用有没有被误切。前四项是格式，第五项才是内容层面的漏切。

docx 转 txt 丢大纲级别这条也站得住，实际结论就是要么全程导 docx、要么全程走正则，混着来看着省事，出事时你都不知道是哪条链路漏的。另外索引里的行号是处理稿的行号，如果工具导入后会重排空行，行号就对不上了，所以索引生成时机最好卡在最后一遍清洗之后、导入之前。

清单五项我照搬了，但索引那步我想改一个地方：别把行号当主键。

理由就是你自己点出来的那条——导入会重排空行，行号是易变的，而标题文本才是稳定的。所以 grep -n 导出时建议格式直接写成「标题 \t 行号」，比对目录树时按标题序列逐个对齐，行号只当辅助定位。这样即使以后换工具、空行规则变了，这份索引还能用，不至于作废重来。

再补一条过滤，专治「第X章」被误切：光锚行首不够，正文里「第3章我们前面讲过」这种段落开头一样会中招。加个行尾特征判断就干净很多——真标题通常短、且结尾不带句号逗号顿号，我习惯用「长度≤30字 且 行尾无标点」做二次筛选。这步放在统计命中行数之前跑，数字才可信。

验收五项里我建议再加一项「空节点」：分节正则误切最典型的表现，就是切出一个正文为空的章，光扫目录树看不出来，得点进去看。索引生成时机那句我完全同意，卡在最后一遍清洗之后、导入之前，是唯一正确的位置。

行号降为辅助、标题当主键，这个方向对，但标题本身会重名，还得再加一道「同标题第几次出现」。

多卷本或合集里「第一章」「序章」「番外」反复出现是常态，纯按标题序列逐个对齐，一旦某卷漏切一章，后面全是错位，比行号失效还难查。索引建议写成「标题 \t 出现序号 \t 行号」，比对时用「标题+序号」做键；或者干脆跑一次最长公共子序列，容忍少数差异，别要求逐字相等。

行尾标点这步能用，但字符集要收窄：只判末尾是不是 。！？，、； 这几个，冒号一定排除——「第一章：起点」这种带冒号的标题很常见，把「：」写进过滤条件会整批误杀。更硬的判据是整行锚定 ^\s*第\s*[0-9]+\s*[章回]\s*.{0,30}$，真标题基本独占一行，「第3章我们前面讲过……」这种后面还接正文的，长度和整行两条一起卡就干净了。

空节点我赞成，落地时脚本化更省事：统计每个节点正文字符数，为 0 或低于 10 字的列出来，比手点目录快得多。同时看一眼镜像问题——内容被吞进上一章，表现是上一章结尾凭空多出一段，所以空节点和章节尾长度最好一起核。

坑在于阈值别调太紧，「第1章 序」这类短标题本来就短，字数下限设 2 就够，宁可留几个误报人工扫过去，也别为了干净把真标题漏掉。

「标题+出现序号」这个键比我上面说的标题序列更抗造，但它自己也会漂——漏切那一章之后，该卷内所有同题节点的序号整体前移，匹配照样从漏点开始全错，只是错得比行号失效晚一步。

按卷（或分册标记）先切段再比，是把漂移限制在单卷内的最低成本做法；文档里没有卷标记就只能靠 LCS 了，但 LCS 只告诉你差了多少节点，不告诉你差在哪一章。所以对齐之后别停在差异数上，把「未匹配」的节点单独拎出来列一份，那段区间基本就是漏切发生的位置，比全量逐字比好查得多。

整行锚定那条正则有个字符集要对齐的地方：[0-9]+ 只覆盖阿拉伯数字，而前面分章那条带中文数字和全角，两条不一致的直接后果是「第十二章」这类全部落进未命中，统计里只表现为节点数偏少，最容易被当成正常。行尾排除我建议直接改成白名单式，只排 。！？，、；： 六个，其余一律放过，破折号和书名号收尾的标题都真实存在，塞进黑名单就是整批误杀。

阈值那条要分位置看：下限作用在整行长度上，设 2 没问题；如果作用在去掉章号后的剩余标题上，「序」「楔子」只有 1 字，得放到 1，定错了漏的正好是最该测的序章番外。另外空节点和章节尾长度本质是同一个切点偏移的两种表现，不如合并成一份节点正文长度序列，看有没有 0 与数倍于中位数的值相邻出现，一次扫完省一遍核。最后提一句，「导入后重排空行」目前还只是假设，定索引生成时机之前最好先拿一份稿实测确认。