看你要什么格式。这个工具进 TXT、出 TXT，重点是体检（缺章/重复/空章）和清理，适合继续用 TXT 阅读或存档。想要带目录、能在阅读器里翻章跳转的电子书，用 TXT 转 EPUB。两边的章节识别正则是同一份，先在这里整理干净再转 EPUB，效果最好。

从章节标题里解析序号（中文数字和阿拉伯数字都认，「第一章」「第2章」「第一百零八回」都能读），排序后找中间的空号。序章、楔子、引子、番外、后记这类不参与，它们没有序号。分卷小说按卷分别计算 —— 很多书每卷都从第一章重新开始，全书拉通算会炸出一堆假警报。如果算出来缺口比章节还多，工具会判定「序号识别不可靠」并隐藏清单，那种情况多半是这本书章节号本身不规范，或者正则匹配到了正文句子。

因为它们会逐字改动正文，而你手里通常没有原件可以对照。删广告行误删了，预览里划着线一眼能看出来；把「Windows 3.1」改成「Windows 3。1」这种误伤是散在几百万字里的，默认开了根本不会有人发现。所以清理类（去广告、去零宽、压空行）默认开，改写类默认关，要用自己勾。

做了两层限制：纯英文行整行不动（代码、URL、英文缩写都在这类行里），半角转全角只在紧跟汉字后面时才转，句号还额外要求后面不是数字或字母 —— 所以「圆周率约 3.14 左右」「装的是 Windows 3.1 系统」都保持原样。直引号转弯引号更保守：一行里引号是奇数个就整行不动，因为那多半是 5'10" 这类单位写法。

是一批看不见的字符（U+200B 零宽空格、U+FEFF 等）。有些站点会把它们插进正文防止全文检索和批量抓取，肉眼完全看不出来，但会让你在阅读器里搜不到词、复制出来的句子和原文对不上。删掉不影响任何可见内容。

不能。那个是 U+FFFD（�），说明原始字节在你拿到这个文件之前就已经丢了 —— 上一手用错编码存过一次。任何工具都还原不回来，只能回源站重新下载。这和"打开是乱码"是两回事：后者字节还在，换个编码就好了，工具会主动提示你换。

原文每行只有三四十个字、一句话被切成好几行时开。规则是：一行没有以句号、问号、引号这类终止标点结尾，就和下一行接起来。章节标题和空行是硬边界，不会被卷进去。如果原文本来就是一段一行，开了反而可能把两个短句粘一起，先在"左右对照"里看一眼被并了哪些行。

单个 50MB 以内。整理跑在 Web Worker 里，不占主线程 —— 三百万字的长篇连着点开关也不会卡住页面。文件全程留在你的浏览器里，不上传、不联网，断网也能用。

当前版本是单本进、单本出，不做多文件合并和按章拆分。如果这两个需求多，会在后续版本加。