Skip to content

README_ko.md

Latest commit

 

History

History
232 lines (161 loc) · 5.91 KB

README_ko.md

File metadata and controls

232 lines (161 loc) · 5.91 KB

EpubToSplitTxt

.NET C# License

Epub 전자책 텍스트 변환 및 챕터 분할 시스템

.epub 형식의 전자책을 일반 텍스트로 변환하고 챕터별로 개별 TXT 파일로 지능적으로 분할

English | 中文 | Русский | 한국어 | 日本語

✨ 기능

  • ✅ Epub 파일 구조 자동 파싱 및 텍스트 추출
  • ✅ 지능형 챕터 제목 인식 (중국어 및 영어 형식 지원)
  • ✅ 읽기 순서를 유지하는 시퀀스 번호가 있는 개별 TXT 파일로 챕터별 분할
  • ✅ 서문, 프롤로그 등 특수 챕터 지원
  • ✅ 호환성을 위한 BOM 없는 UTF-8 인코딩 출력
  • ✅ 낮은 메모리 사용량으로 대용량 파일 스트림 처리
  • ✅ 구성 가능한 챕터 매칭 규칙

🛠️ 기술 스택

라이브러리 버전 용도
.NET 9.0 런타임 환경
VersOne.Epub 3.3.0 Epub 파일 파싱
HtmlAgilityPack 1.11.59 HTML 콘텐츠 정리
Microsoft.Extensions.Configuration - 구성 관리

🚀 빠른 시작

1. 프로젝트 빌드

dotnet build

2. Epub 파일 준비

.epub 전자책 파일을 RawEpub 디렉토리에 배치:

EpubToSplitTxt/
├── RawEpub/
│   ├── 소설1.epub
│   └── 소설2.epub

3. 프로그램 실행

dotnet run

4. 결과 확인

프로그램은 자동으로 다음 디렉토리 구조를 생성합니다:

EpubToSplitTxt/
├── IntermediateTxt/          # 중간 파일 (전체 텍스트)
│   ├── 소설1_전체.txt
│   └── 소설2_전체.txt
├── SplitOutput/              # 챕터 분할 출력
│   ├── 소설1/
│   │   ├── 000_프롤로그.txt
│   │   ├── 001_제1장_환생.txt
│   │   ├── 002_제2장_수련.txt
│   │   └── ...
│   └── 소설2/
│       └── ...

⚙️ 구성

구성 파일: appsettings.json

{
  "Splitter": {
    "ChapterRegex": "(^第[0-9一二三四五六七八九十百千]+[章节卷].*)|(^Chapter [0-9]+.*)|(^序章.*)|(^楔子.*)|(^引子.*)|(^后记.*)|(^尾声.*)",
    "MinChapterLength": 100
  },
  "Paths": {
    "RawEpubFolder": "./RawEpub",
    "IntermediateTxtFolder": "./IntermediateTxt",
    "SplitOutputFolder": "./SplitOutput"
  }
}

구성 옵션

옵션 설명 기본값
Splitter:ChapterRegex 챕터 제목 매칭용 정규 표현식 중국어/아라비아 숫자 등 지원
Splitter:MinChapterLength 최소 챕터 문자 수 (미만 시 경고) 100
Paths:RawEpubFolder 원본 Epub 파일 디렉토리 ./RawEpub
Paths:IntermediateTxtFolder 전체 텍스트 중간 파일 디렉토리 ./IntermediateTxt
Paths:SplitOutputFolder 챕터 분할 출력 디렉토리 ./SplitOutput

📑 지원되는 챕터 형식

기본 지원 챕터 제목 형식:

  • ✅ 중국어 숫자: 第一章, 第二十章, 第一百章
  • ✅ 아라비아 숫자: 第1章, 第001章
  • ✅ 영어 형식: Chapter 1, Chapter 2
  • ✅ 특수 챕터: 序章, 楔子, 引子, 后记, 尾声

다른 형식을 지원하려면 appsettings.json의 ChapterRegex를 수정하세요.

📊 처리 흐름

[Epub 파일]
    ↓
[EpubConverter] Epub 구조 파싱
    ↓
[HTML 정리] 태그 제거, 엔티티 변환
    ↓
[전체 텍스트] 단일 TXT 파일로 병합
    ↓
[TextSplitter] 라인 스캔 및 챕터 매칭
    ↓
[챕터 파일] 시퀀스 번호 있는 개별 파일로 출력

📝 로그 설명

  • [INFO]: 정상 처리 정보 (파싱 진행률, 통계)
  • [WARN]: 경고 정보 (챕터가 너무 작음, 챕터 매칭 없음 등)
  • [ERROR]: 오류 정보 (손상된 파일, I/O 오류 등)

⚡ 성능 최적화

  • ✅ 미리 컴파일된 정규 표현식 (RegexOptions.Compiled)
  • ✅ 대용량 텍스트 파일의 스트림 읽기 (StreamReader)
  • ✅ 전체 텍스트를 한 번에 메모리에 로드하지 않음
  • ✅ 파일 크기 감소를 위한 BOM 없는 UTF-8

⚠️ 주의 사항

  1. 인코딩: 모든 출력 파일은 BOM 없는 UTF-8 인코딩 사용
  2. 파일 이름: 잘못된 문자 자동 정리, 밑줄로 대체
  3. 디렉토리 구조: 혼란을 피하기 위해 각 책에 대해 별도의 하위 폴더 생성
  4. 정규식 타임아웃: 백트래킹 트랩 방지를 위해 챕터 매칭에 1초 타임아웃 설정

🏗️ 시스템 아키텍처

핵심 구성 요소

  • EpubConverter: Epub 파일 파싱 및 텍스트 추출 담당
  • TextSplitter: 챕터 인식 및 텍스트 분할 담당
  • AppSettings: 구성 관리 모델

의존성

Program.cs
   ├── EpubConverter (VersOne.Epub, HtmlAgilityPack)
   ├── TextSplitter (System.Text.RegularExpressions)
   └── AppSettings (Microsoft.Extensions.Configuration)

🔧 확장 개발

사용자 정의 챕터 매칭 규칙

appsettings.json의 정규 표현식 수정:

{
  "Splitter": {
    "ChapterRegex": "사용자 정의 정규 표현식 패턴"
  }
}

새 출력 형식 추가

TextSplitter.cs의 SplitTextAsync 메서드를 수정하여 다른 형식 (예: Markdown) 지원.

📄 라이선스

이 프로젝트는 개인 학습 및 연구 목적으로만 사용됩니다. 관련 저작권법을 준수해 주세요.

🤝 기여

Issue와 Pull Request를 환영합니다!

Made with ❤️ using .NET 9 and VersOne.Epub