这两天写了一个pqt的文本提取器，狠狠地玩了一把文本内容检索，玩爽了…

平日里很少有这种需求，对于文件操作而言，基本上只是用到"读取"、"创建"、"删除"这种直接作用在整个文件之上的操作，因此，这算是我首次尝试，不过感觉很新鲜。从一开始的文件"乱码"，到现在提取到了自己想要的数据，一股成就感油然而生。

图1 以十六进制编码的源文件

图2 提取出的活动剧情文本

图3 活动剧情译文

从整体上来看，文本检索的逻辑，与网络爬虫无太大差异，同样是需要访问目标源，同样需要编写规则定位数据所在位置，并将其提取保存输出，这是基本的运行流程。

但就编写规则来说，我个人觉得文本内容提取难度比网页内容提取难度要大，网页好歹还有个html骨架可供参考，结构层次都很清晰，可以为网络爬虫提供较多的参考点，因此网络爬虫的最大难题是认证，提取规则反而是次要的；反观纯文本的文件，一眼看下去全都是密密麻麻的字符，看到都觉得心累，有时候花了大把时间，也没能看出数据内容的分布的规律。

幸运的是，本次需要的文本内容规律较容易看出...

虽然刚开始编写程序的时候，经历了一些波折，但思路和灵感来了之后，就变得轻松许多，三五下把程序完成了。

程序也不算复杂，只有短短的百十行代码，不过依然存在很多可以优化的地方，如定位的规则太过于单一，存在太多的硬编码，太多的重复逻辑等等。

同时现在这个程序还是有点笨，比如每次要获取新的内容时，需要使用者去观察原文件获取"锚点"，并将其交给程序，才能正确提取到数据内容。

就目前来说，程序虽然可用，但并不好用。

看看后续如何改进吧（说不定这只是说说而已...）。

有了这些文本之后，翻译这件事也变得相当简单，只要把文本内容当做参数传给翻译接口，分分钟把译文返回过来…

令人感叹，这样就显得之前一词一句地翻译的我有点傻，耗费了大量的时间精力才能完成的事情，现在交给机器不过是一瞬之间，翻译质量也还好，虽然比不上人工，但还是看得懂的。

我本次使用的是有道的翻译服务。

这也就是说，我之前所做的事，没有任何意义和价值...

不过这样也好，倒不如说正合我意，因为最近都是硬着头皮干翻译这事，一来翻译真的很花时间和精力，二来翻译出来了也基本没人看，根本没什么人在乎，我都快撑不下去了。

现在有了机器作为代替，我也算是从中解放出来了。

而且，相比于翻译这件事，我更喜欢编写程序；现在有了数据源，我可以为每个活动编写一套规则，等开活动的时候，再使用程序将相关的文本提取出来，然后再交给机器翻译。

这意味着我既不用每次都提醒自己录屏，也不用再花上好几个小时一字一词苦逼地翻译了，省时又省力，非常完美，当然了，前提是能把提取程序完成才行。至于翻译质量的问题... 大不了后期我再稍微校正一下。

不过我没想到的是，这个游戏的文案，竟然都是预先下载下好的，以前我也有想到过，因为浏览剧情的时候，确实没看到网络加载的标识，当时觉得文案应该存储在某些配置文件中，如csv、json、config之类的，结果现在是存储在一个.data后缀的文件里（这还是后来通过别人的提醒才得知的），在我的印象中，这类文件一般都是存储与系统相关的内容（如系统日志），因此并没有查看。

这比平日里那些机械性的增删改查代码要好玩得多，同时这也是我的目标之一：把编程应用于工作以外的其他地方。

总之，这个文本提取程序只是目前计划中的一块小拼图，我想要做的是把这些小程序集成一个可以对外提供服务的系统（目前提取文本和翻译程序是分开的），我想过这样的场景：先输入角色名称，再选定活动，最后选择需要的服务（如只需要原文、译文，或者中英），就能得到想要的内容，这样就方便得多。

嗯... 看上去挺遥远的，现在只能慢慢来了。