📦 TXT E-book Cleaner — 电子书清洗修复

将盗版 txt 电子书转换为干净、规范的阅读格式。

✨ v4.0 新增 AI 增强功能：智能广告识别、复杂乱码修复、非标准章节识别

触发关键词

用户可以通过以下方式触发此技能：

处理模式

本技能支持三种处理模式，用户可根据需求选择：

清理这个txt文件（使用thorough模式）
用fast模式清理这本电子书

用户输入方式

方式一：直接指定文件路径

清理 /path/to/book.txt
修复电子书 ~/Downloads/novel.txt

方式二：模糊搜索手机 txt 文件

当用户说：

• 清理一本txt（未指定具体文件）
• 帮我找个txt文件清理一下
• 修复某个电子书

执行步骤：

• 使用 search_file 工具搜索用户设备上的 txt 文件
• 列出匹配的文件供用户选择
• 用户确认后执行清理

方式三：搜索关键词

清理包含"斗破"的txt
修复文件名有"修仙"的电子书

执行步骤：

• 使用 search_file 工具按关键词搜索
• 列出匹配结果
• 用户选择后执行清理

依赖

• Python 3.6+
• chardet 库：pip install chardet
• PyYAML 库：pip install pyyaml（AI 增强模式）
• requests 库：pip install requests（AI 增强模式）

处理流程

阶段一：文件获取

• 使用 search_file 搜索用户手机上的 txt 文件
• 使用 upload_file 上传到云端获取 URL
• 使用 curl 下载到工作目录

阶段二：清理修复

规则引擎处理（所有模式）

• 编码检测 — 自动识别 GBK/UTF-8/GB2312 等编码
• 广告清理 — 匹配 40+ 种常见广告模式
• 乱码修复 — 替换 30+ 种常见乱码字符
• 排版规范化 — 统一章节标题、段落格式

AI 增强处理（balanced/thorough 模式）

• 智能广告识别 — LLM 识别变体广告、软广、新平台广告
• 复杂乱码修复 — LLM 根据上下文推断正确字符
• 智能章节识别 — LLM 识别非标准章节格式（仅 thorough 模式）

阶段三：输出结果

• 发送文件给用户 — 使用 send_file_to_user 发送清理后的文件
• 输出修复报告 — 以简洁的 md 表格展示修复结果

输出报告

清理完成后，助手会解析脚本输出，生成简洁表格：

# txt 清理报告
基本信息
项目
结果
原文长度
199,044 字符
清理后长度
198,702 字符
移除内容
342 字符 (0.17%)
处理模式
balanced
AI 增强
已启用
清理详情
项目
数量
广告清理
5 处
乱码修复
12 处
章节识别
50 个
性能统计
项目
数值
处理时间
2.35 秒
LLM 调用次数
3 次

Resources

scripts/

• clean_txt.py — 规则引擎清理脚本
• ai_enhanced_cleaner.py — AI 增强清理脚本（主入口）
• ai_modules/ — AI 增强模块
• ad_detector.py — 广告识别模块
• mojibake_fixer.py — 乱码修复模块
• chapter_parser.py — 章节识别模块
• utils/ — 工具模块
• llm_client.py — LLM 客户端封装

config/

• ai_config.yaml — AI 增强配置文件

references/

• ads_patterns.md — 常见广告模式列表
• mojibake_patterns.md — 常见乱码映射表
• learned_mojibake_rules.json — 学习到的乱码规则（自动生成）

assets/

• chapter_template.txt — 标准章节格式模板

完整示例

示例一：规则引擎模式（fast）

用户: 用fast模式清理三体txt文件

执行流程:

1. search_file(query="三体 txt") → 找到: /storage/.../三体.txt
upload_file(fileInfos=[{"mediaUri": "file://docs/..."}]) → 获取公网URL
curl -o "三体.txt" "URL" → 下载到工作目录
python3 scripts/ai_enhanced_cleaner.py -m fast "三体.txt" → 生成: 三体_清理版.txt
send_file_to_user(fileLocalUrls=["三体_清理版.txt"]) → 发送清理后的文件给用户

示例二：AI 增强模式（balanced）

用户: 清理这个txt文件，有乱码

执行流程:

1. search_file(query="txt") → 列出文件供用户选择
upload_file + curl → 下载文件
python3 scripts/ai_enhanced_cleaner.py -m balanced "book.txt" → 规则引擎预处理 → AI 广告识别 → AI 乱码修复 → 规则引擎后处理 → 生成: book_清理版.txt
send_file_to_user + 报告

示例三：深度清理模式（thorough）

用户: 用thorough模式清理这本小说，章节格式很乱

执行流程:

1. 获取文件
python3 scripts/ai_enhanced_cleaner.py -m thorough "novel.txt" → 规则引擎预处理 → AI 广告识别 → AI 乱码修复 → AI 章节识别与规范化 → 规则引擎后处理 → 生成: novel_清理版.txt + novel_清理版_报告.md
发送文件和报告

AI 增强功能详解

1. 智能广告识别

2. 复杂乱码修复

3. 智能章节识别

常见问题

配置说明

配置文件位于 config/ai_config.yaml，可自定义：

# 处理模式
mode: "balanced" # fast / balanced / thorough
# AI 功能开关
ai_enhancement:
  ad_detection:
    enabled: true
    confidence_threshold: 0.8
  mojibake_fix:
    enabled: true
    confidence_threshold: 0.7
    auto_learn: true
  chapter_detection:
    enabled: false
# LLM 配置
llm:
  provider: "xiaoyi"
  model: "glm-4-flash"

重要说明

📖 一键导入书架

收到清理后的文件后，您可以：

• 在聊天中长按文件
• 选择"分享"
• 选择"华为阅读"

即可一键导入书架，享受修复完美的阅读体验！

技能版本: 4.1.0 (广告+乱码规则全面扩展，LLM子会话集成) 更新时间: 2026-03-29

版本历史

详见 CHANGELOG.md