同时收纸书和电子书的人，迟早会撞上同一件事：手上明明有电子版，在书店又买了一本纸书。
想解决它，就得让两边的书目能一起查。但真动手就会发现，两边的字段根本对不齐。
先决定：合并到什么程度
分开存，但要能一起查。 这两件事不矛盾，而且这是最省事的组合。
为什么不建议物理合并成一张表：
| 纸书需要 | 电子书需要 | |
|---|---|---|
| 特有字段 | 位置、状态、借出人、购入日期 | 格式、文件位置、阅读进度、设备 |
| 主要动作 | 找得到、借得回 | 传得到设备上、搜得到内容 |
| 数量级 | 几百 | 常常几千 |
合并成一张表的直接后果是一半的列常年为空，看着就不想维护。而且每次操作前你都得先想「这条是哪种载体」。
但为什么又必须能一起查： 你真正要防的是「有电子版还买纸书」和「有纸书又买电子版」，这只有在同一次查询里看得到两边时才拦得住。
折中方案：以纸书书目为主，电子书只登记「我有电子版」这一个标记。 格式、文件路径、阅读进度一律不进来。
判断某个字段该不该进合并表，一句话：只对一种载体有意义的字段，就不该进。
主键：ISBN 优先，但一定要有兜底
问题在于大量电子书根本没有 ISBN：
| 电子书来源 | 有没有 ISBN |
|---|---|
| 正版电子书店 | 通常有，且与纸书版对应 |
| 出版社自出的 EPUB | 可能有，也可能只有内部编号 |
| 自制 / 扫描 / 网络来源 | 基本没有，identifier 常是随机 UUID |
| 自出版平台 | 有 979-8 书号，但公共库查不到元数据 |
兜底用书名 + 作者做次级键，规范化至少要做四件事：去掉书名号、去掉副标题、繁简统一、清理全角半角空格差异。
次级键既会漏报（译名不同、副标题写法不同），也会误报（同名书、上下册）。所以规则应该是：
- 主键匹配 → 自动合并
- 次级键匹配 → 只做提示，人来确认
别试图全自动。
同一本书的纸质版和电子版，不是重复
它们是同一本书的两种载体。用途不同——纸书用来读和收藏，电子版用来检索、摘录、出门带。很多人是有意两个都收的。
但它们必须能互相看见，因为最常见的浪费恰恰发生在这里。
建议的表达方式：一条记录，加一个「载体」字段，可以同时勾选纸质和电子。 而不是建两条。
好处很直接：
- 查重时天然命中
- 统计藏书量时不会重复计数
- 「我有这本的电子版吗」变成一个能查的问题
唯一的例外：如果纸书和电子版是不同版本（不同译者、不同出版社），那就是两本书，不该合成一条。
合并之前，必须先修元数据
EPUB 的元数据由制作方随手填写，没有任何强制校验，而且后续每一次格式转换都可能再破坏一次。
常见的脏数据：
- 作者写成「佚名」「未知」，或者制作者的网名
- 书名带一堆后缀：
(精校版)、【全本】、_v2 identifier是随机 UUID，不是 ISBN- 语言标成
en，中文排版规则跟着出错 - 系列和序号全空，同一套书在阅读器里散落各处
为什么必须先修再合并： 你的次级键靠的就是书名和作者。这两个字段脏，去重必然失效——《百年孤独》(精校版) 永远匹配不上纸书那条 百年孤独。
顺序是：先批量清洗元数据 → 再导出书目 → 最后合并。 反过来做，你会在合并表里重复清洗同一批脏数据。
清洗到什么程度就够
只管四个字段：
书名——去掉制作方后缀；副标题统一处理，要么都带要么都不带；不要自己改写原书名。
作者——译名统一到一个写法，这是收益最大的一条；多作者用统一分隔符；别把译者塞进作者字段。
ISBN——没有就留空。不要用纸质版的书号硬填，那会让两条记录被误判成同一册；除非你确认这份电子版就是该纸质版的官方电子版。
系列与序号——Calibre 和 EPUB3 记系列的字段不是同一个，两边都写上兼容性最好。
出版社、出版日期、简介、封面不用清洗——它们不参与去重。
维护规则：单向，不要双向
合并完成之后，定一条规则再往下走：
新书从哪一边进，就在哪一边先落库，另一边只做标记。
推荐以纸书书目为主库——纸书有位置、借还这些必须逐册管理的信息，天然需要一份正式记录。电子书进来时先查主库，有就在那条记录上勾「电子版」，没有就新建并标明只有电子版。
双向同步在没有工具支撑的情况下必然失同步。 两边各改一次，就再也对不上了。
节奏上：
- 纸书当场登记，这一步不能省——纸书没有文件系统兜底，漏了就是真漏了。
- 电子书可以攒，文件本身就是备份，不会丢。
- 每隔一段时间批量把新增电子书对一遍主库。
最后一个提醒：不要追求两边完全对齐。 能拦住重复购买，就已经拿到九成收益了。剩下的完整度是收藏癖，不是需求——而为收藏癖付出的维护成本，往往就是整套书目最后被放弃的原因。
