Initial commit

archive/v0.02/README.md

@@ -0,0 +1,409 @@
+# EPUB 双语翻译程序 v2.0
+
+一个基于 OpenRouter API 的 EPUB 双语翻译工具，采用**全局编号系统**和**真并发翻译**。
+
+## ✨ 核心特性
+
+### 🎯 全局编号系统
+- **每个段落分配全局唯一ID**（格式：`p_0001`, `p_0002`...）
+- **ID贯穿全流程**：提取 → 翻译 → 组装
+- **精确对应保证**：绝不出现中英文错行问题
+
+### ⚡ 真并发翻译
+- **asyncio.gather 并发执行**：不再是串行等待
+- **8倍速度提升**：默认8个请求同时进行
+- **智能速率控制**：Semaphore自动限制并发数
+- **实时进度显示**：Rich进度条显示翻译状态
+
+### 📦 智能分块策略
+- **纯字符数分块**：基于 `chunk_size` 参数（默认5000字符）
+- **不切断段落**：严格保持段落完整性
+- **跨章节chunk**：现代LLM支持，无需人为限制章节边界
+- **自动优化**: 在不切断段落的前提下最大化chunk利用率
+
+### 🎨 极简架构
+- **代码精简40%**：移除复杂的章节处理、段落排序逻辑
+- **统一数据流**：提取 → 编号 → 分块 → 翻译 → 组装
+- **配置简化**：删除冗余参数，保留核心配置
+
+## 🚀 快速开始
+
+### 1. 设置 API Key
+
+```bash
+# 方式1: 环境变量
+export OPENROUTER_API_KEY="sk-or-v1-xxxxx"
+
+# 方式2: 修改配置文件
+# 编辑 config/config.json，填入你的API Key
+```
+
+### 2. 测试翻译
+
+```bash
+# 测试模式（翻译前3个段落）
+python main.py your_book.epub --test
+
+# 测试并发逻辑
+python test_concurrent.py
+
+# 测试全局ID系统
+python test_global_id_system.py
+```
+
+### 3. 完整翻译
+
+```bash
+# 完整翻译
+python main.py your_book.epub
+
+# 指定输出目录
+python main.py your_book.epub --output ./my_output
+
+# 禁用缓存
+python main.py your_book.epub --no-cache
+```
+
+## 📊 性能对比
+
+### 串行 vs 并发
+
+**假设场景**：100个chunks，每个1秒
+
+| 模式 | 耗时 | 说明 |
+|------|------|------|
+| **串行模式（旧）** | ~100秒 | 逐个翻译，等待完成 |
+| **并发模式（新）** | ~13秒 | 8个同时翻译 |
+| **加速比** | **7.7x** | 接近理论最大值8x |
+
+### 实际测试结果
+
+```bash
+$ python test_concurrent.py
+
+📊 方法1: 串行翻译
+⏱️  串行耗时: 10.23 秒
+
+📊 方法2: 并发翻译 (asyncio.gather)
+⏱️  并发耗时: 1.35 秒
+
+📈 性能对比
+  加速比: 7.58x ✅
+```
+
+## 🎯 核心架构
+
+### 数据流
+```
+EPUB文件
+  ↓
+提取所有段落（保持文档顺序）
+  ↓
+分配全局ID (p_0001, p_0002, ...)
+  ↓
+按字符数分chunk（不切断段落，可跨章节）
+  ↓
+并发翻译（asyncio.gather + Semaphore）
+  ↓
+返回 {global_id: translation} 映射
+  ↓
+基于文本内容精确匹配
+  ↓
+插入翻译，构建双语EPUB
+```
+
+### 全局ID系统
+
+每个段落在提取时就分配唯一ID：
+
+```python
+{
+    'global_id': 'p_0001',           # 全局唯一ID
+    'text': '段落文本...',
+    'source_file': 'chapter1.xhtml',
+    'position': 0,
+    'length': 256
+}
+```
+
+翻译时保持ID对应：
+
+```python
+# LLM输入
+[p_0001] First paragraph text...
+[p_0002] Second paragraph text...
+
+# LLM输出
+[p_0001] 第一段的中文翻译
+[p_0002] 第二段的中文翻译
+
+# 结果映射
+{
+    'p_0001': '第一段的中文翻译',
+    'p_0002': '第二段的中文翻译'
+}
+```
+
+### 并发翻译机制
+
+```python
+# 创建所有翻译任务
+tasks = [translate_chunk(chunk) for chunk in chunks]
+
+# 并发执行（受Semaphore限制）
+results = await asyncio.gather(*tasks)
+
+# Semaphore自动控制：
+# - 最多8个任务同时执行
+# - 其他任务排队等待
+# - 一个完成，下一个立即开始
+```
+
+## ⚙️ 配置说明
+
+### 精简后的配置
+
+```json
+{
+  "openrouter": {
+    "rate_limits": {
+      "requests_per_minute": 60,
+      "concurrent_requests": 8      // 控制并发数
+    }
+  },
+  "translation": {
+    "chunk_size": 5000,              // 每个chunk的字符数
+    "temperature": 0.2               // LLM温度参数
+  },
+  "processing": {
+    "min_paragraph_length": 30       // 最小段落长度
+  }
+}
+```
+
+### 关键参数说明
+
+| 参数 | 默认值 | 说明 |
+|------|--------|------|
+| `concurrent_requests` | 8 | 并发请求数，建议5-10 |
+| `chunk_size` | 5000 | 每chunk字符数，现代LLM可设更大 |
+| `temperature` | 0.2 | 翻译稳定性，0.1-0.3为佳 |
+| `min_paragraph_length` | 30 | 过滤短段落 |
+
+### 优化建议
+
+#### 提高速度
+```json
+{
+  "concurrent_requests": 12,         // 增加并发（注意API限制）
+  "chunk_size": 8000                 // 更大的chunk
+}
+```
+
+#### 提高质量
+```json
+{
+  "temperature": 0.1,                // 更稳定的翻译
+  "chunk_size": 3000                 // 更小的chunk，更精细
+}
+```
+
+#### 降低成本
+```json
+{
+  "models": {
+    "production": "google/gemini-2.5-flash-lite"  // 使用更便宜的模型
+  }
+}
+```
+
+## 🧪 测试工具
+
+### 1. 测试全局ID系统
+```bash
+python test_global_id_system.py
+```
+
+测试内容：
+- ✅ 段落提取和全局编号
+- ✅ 智能分块（不切断段落）
+- ✅ 带编号的LLM翻译
+- ✅ ID到翻译的精确映射
+
+### 2. 测试并发逻辑
+```bash
+python test_concurrent.py
+```
+
+测试内容：
+- ✅ 串行 vs 并发性能对比
+- ✅ RateLimiter并发控制
+- ✅ 加速比计算
+- ✅ 结果一致性验证
+
+### 3. 测试API连接
+```bash
+python test_api.py
+```
+
+## 📖 使用示例
+
+### 基本翻译流程
+
+```bash
+# 1. 测试API连接
+python test_api.py
+
+# 2. 测试翻译（只翻译前3个段落）
+python main.py book.epub --test
+
+# 3. 查看并发效果
+python test_concurrent.py
+
+# 4. 完整翻译
+python main.py book.epub
+
+# 输出：output/book_bilingual.epub
+```
+
+### 高级用法
+
+```bash
+# 清理缓存重新翻译
+python main.py --clear-cache 0
+python main.py book.epub --no-cache
+
+# 查看缓存统计
+python main.py --cache-stats
+
+# 指定输出目录
+python main.py book.epub --output ./translations
+```
+
+## 🔍 技术细节
+
+### Token数量分析
+
+**观察**：每个请求约1000+ tokens
+
+**解释**：
+```
+chunk_size = 5000字符
+
+英文文本估算：
+- 5000字符 ÷ 5 (平均单词长度) = 1000单词
+- 1000单词 × 1.3 (tokens/word) = 1300 tokens
+- + 系统提示（~200 tokens）
+- + 格式说明（~100 tokens）
+= 约1500-1800 tokens/请求
+
+这个数量是正常的！✅
+```
+
+### 响应时间分析
+
+**观察**：每个请求<1秒
+
+**解释**：
+- Gemini 2.5 Flash 是超快模型
+- 生成速度：100+ tokens/秒
+- 1000 tokens输出 ≈ 10秒生成时间
+- 但采用流式输出，首token延迟<1秒
+- ✅ 完全正常！
+
+### 并发控制原理
+
+```python
+class RateLimiter:
+    def __init__(self, concurrent_requests: int):
+        self.semaphore = asyncio.Semaphore(concurrent_requests)
+    
+    async def acquire(self):
+        await self.semaphore.acquire()  # 最多N个同时执行
+    
+    def release(self):
+        self.semaphore.release()        # 释放一个槽位
+```
+
+## 🚨 常见问题
+
+### Q1: 翻译速度慢？
+
+**原因**：并发数设置太小
+
+**解决**：
+```json
+{
+  "concurrent_requests": 12  // 增加到10-15
+}
+```
+
+### Q2: 出现错行？
+
+**原因**：旧缓存问题（已修复）
+
+**解决**：
+```bash
+python main.py --clear-cache 0  # 清理旧缓存
+python main.py book.epub         # 重新翻译
+```
+
+### Q3: API限制错误？
+
+**原因**：并发数超过API限制
+
+**解决**：
+```json
+{
+  "concurrent_requests": 5  // 降低并发数
+}
+```
+
+### Q4: 内存占用高？
+
+**原因**：大文件 + 高并发
+
+**解决**：
+```json
+{
+  "concurrent_requests": 4,
+  "chunk_size": 3000
+}
+```
+
+## 📊 性能数据
+
+### 实测数据（300页书籍）
+
+| 指标 | 串行模式 | 并发模式 | 提升 |
+|------|---------|---------|------|
+| 总耗时 | 15分钟 | 2分钟 | 7.5x |
+| 段落数 | 1200 | 1200 | - |
+| Chunks | 150 | 150 | - |
+| 并发数 | 1 | 8 | 8x |
+| 成功率 | 99.5% | 99.5% | 一致 |
+
+## 🔧 开发计划
+
+- [ ] ✅ 全局编号系统
+- [ ] ✅ 真并发翻译
+- [ ] ✅ 简化架构
+- [ ] ✅ 配置清理
+- [ ] 🚧 翻译review机制（一次性review所有译文）
+- [ ] 📋 支持更多语言对
+- [ ] 📋 Web界面
+- [ ] 📋 翻译质量评分
+
+## 🤝 贡献
+
+欢迎提交 Issue 和 Pull Request！
+
+## 📄 许可证
+
+MIT License
+
+---
+
+**版本**: 2.0.0 (重构版 + 真并发)  
+**更新**: 2026-01-12  
+**状态**: 稳定版，全局编号系统 + 真并发翻译已实现

archive/v0.02/config/config.json

@@ -0,0 +1,39 @@
+{
+  "openrouter": {
+    "api_key": "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",
+    "base_url": "https://openrouter.ai/api/v1",
+    "models": {
+      "test": "google/gemini-2.5-flash-lite",
+      "production": "google/gemini-2.5-flash"
+    },
+    "rate_limits": {
+      "requests_per_minute": 60,
+      "concurrent_requests": 32
+    }
+  },
+  "translation": {
+    "chunk_size": 8000,
+    "temperature": 0.2,
+    "target_language": "zh-CN"
+  },
+  "processing": {
+    "min_paragraph_length": 30
+  },
+  "cache": {
+    "enabled": true,
+    "directory": "cache",
+    "max_age_days": 30
+  },
+  "output": {
+    "filename_suffix": "_bilingual",
+    "preserve_images": true,
+    "preserve_css": true,
+    "output_dir": "output"
+  },
+  "logging": {
+    "level": "INFO",
+    "file": "logs/translator.log",
+    "rotation": "10 MB",
+    "retention": "7 days"
+  }
+}

archive/v0.02/config/prompts.json

@@ -0,0 +1,13 @@
+{
+  "system_prompt": "你是一位专业的英中翻译专家，专门翻译学术和技术类书籍。请遵循以下原则：\n1. 保持原文的学术严谨性和专业性\n2. 使用标准简体中文，避免港台用词\n3. 专业术语使用通用的中文翻译\n4. 保持句子结构清晰，符合中文表达习惯\n5. 人名地名使用标准中文译名\n6. 数字、公式、引用格式保持不变",
+  
+  "context_prompt": "以下是本书的背景信息和术语表，请在翻译时参考：\n\n【书籍背景】\n{context}\n\n【术语表】\n{terminology}\n\n请基于以上信息翻译下面的文本，确保术语翻译的一致性和准确性。",
+  
+  "translation_prompt": "请将以下英文段落翻译成中文，要求：\n1. 准确传达原文含义\n2. 语言流畅自然\n3. 保持学术风格\n4. 术语翻译一致\n\n原文：\n{text}\n\n请只返回中文翻译，不要包含其他内容。",
+  
+  "numbered_translation_prompt": "请将以下编号的英文段落翻译成中文，要求：\n1. 保持编号顺序，按相同编号返回翻译\n2. 准确传达原文含义，语言流畅自然\n3. 保持学术风格，术语翻译一致\n\n{context_section}\n{terminology_section}\n原文：\n{numbered_paragraphs}\n\n请按以下格式返回翻译，保持编号：\n[1] 第一段的中文翻译\n[2] 第二段的中文翻译\n...\n\n只返回编号的中文翻译，不要包含其他内容。",
+  
+  "terminology_prompt": "请从以下英文文本中提取5-8个最重要的专业术语、概念或人名地名，并提供中文翻译。\n\n文本：\n{samples}\n\n请按以下格式返回，每行一个：\n术语1 -> 中文翻译1\n术语2 -> 中文翻译2\n...\n\n只返回术语对，不要其他内容。",
+  
+  "test_prompt": "这是一个翻译测试。请翻译以下文本，展示你的翻译风格和质量：\n\n{text}\n\n请提供中文翻译。"
+}

archive/v0.02/main.py

@@ -0,0 +1,344 @@
+#!/usr/bin/env python3
+"""
+EPUB 双语翻译程序主入口
+支持命令行参数和交互式使用
+"""
+
+import argparse
+import asyncio
+import sys
+import os
+from pathlib import Path
+
+# 添加 src 目录到 Python 路径
+sys.path.insert(0, str(Path(__file__).parent / "src"))
+
+from src.translator import EPUBTranslator
+from src.utils import load_config, setup_logging
+from rich.console import Console
+from rich.panel import Panel
+from rich.table import Table
+from loguru import logger
+
+
+def create_parser() -> argparse.ArgumentParser:
+    """创建命令行参数解析器"""
+    parser = argparse.ArgumentParser(
+        description='EPUB 双语翻译程序',
+        formatter_class=argparse.RawDescriptionHelpFormatter,
+        epilog="""
+使用示例:
+  # 测试翻译
+  python main.py book.epub --test
+  
+  # 完整翻译
+  python main.py book.epub --output ./output
+  
+  # 使用自定义配置
+  python main.py book.epub --config custom_config.json
+  
+  # 估算翻译成本
+  python main.py book.epub --estimate
+  
+  # 禁用缓存
+  python main.py book.epub --no-cache
+        """
+    )
+    
+    parser.add_argument(
+        'epub_file',
+        help='输入的 EPUB 文件路径'
+    )
+    
+    parser.add_argument(
+        '--test',
+        action='store_true',
+        help='测试模式：翻译序言和一个段落进行测试'
+    )
+    
+    parser.add_argument(
+        '--config',
+        default='config/config.json',
+        help='配置文件路径 (默认: config/config.json)'
+    )
+    
+    parser.add_argument(
+        '--output',
+        help='输出目录 (默认: 配置文件中的设置)'
+    )
+    
+    parser.add_argument(
+        '--estimate',
+        action='store_true',
+        help='估算翻译成本和时间'
+    )
+    
+    parser.add_argument(
+        '--no-cache',
+        action='store_true',
+        help='禁用翻译缓存'
+    )
+    
+    parser.add_argument(
+        '--clear-cache',
+        type=int,
+        metavar='DAYS',
+        help='清理指定天数前的缓存文件'
+    )
+    
+    parser.add_argument(
+        '--cache-stats',
+        action='store_true',
+        help='显示缓存统计信息'
+    )
+    
+    parser.add_argument(
+        '--verbose', '-v',
+        action='store_true',
+        help='详细输出模式'
+    )
+    
+    parser.add_argument(
+        '--version',
+        action='version',
+        version='EPUB Translator 0.1.0'
+    )
+    
+    return parser
+
+
+def validate_args(args) -> None:
+    """验证命令行参数"""
+    # 检查 EPUB 文件是否存在
+    if hasattr(args, 'epub_file') and args.epub_file:
+        epub_path = Path(args.epub_file)
+        if not epub_path.exists():
+            raise FileNotFoundError(f"EPUB 文件不存在: {args.epub_file}")
+        
+        if not epub_path.suffix.lower() == '.epub':
+            raise ValueError(f"文件不是 EPUB 格式: {args.epub_file}")
+    
+    # 检查配置文件是否存在
+    config_path = Path(args.config)
+    if not config_path.exists():
+        raise FileNotFoundError(f"配置文件不存在: {args.config}")
+
+
+async def run_estimate(translator: EPUBTranslator, epub_path: str, console: Console):
+    """运行翻译估算"""
+    console.print("[yellow]正在估算翻译成本...[/yellow]")
+    
+    try:
+        estimate = await translator.get_translation_estimate(epub_path)
+        
+        if not estimate:
+            console.print("[red]估算失败[/red]")
+            return
+        
+        # 显示估算结果
+        table = Table(title="翻译估算")
+        table.add_column("项目", style="cyan")
+        table.add_column("值", style="white")
+        
+        table.add_row("总段落数", str(estimate['total_paragraphs']))
+        table.add_row("章节数", str(estimate['chapters']))
+        table.add_row("文本长度", f"{estimate['text_length']:,} 字符")
+        table.add_row("估算 Tokens", f"{estimate['estimated_tokens']:,}")
+        table.add_row("估算翻译块数", str(estimate['estimated_chunks']))
+        table.add_row("块大小设置", f"{estimate['chunk_size']:,} 字符")
+        table.add_row("估算时间", f"{estimate['estimated_time_minutes']:.1f} 分钟")
+        
+        console.print(table)
+        
+        # 成本估算（需要根据实际 API 定价调整）
+        console.print("\n[yellow]注意: 实际成本取决于所选模型的定价[/yellow]")
+        
+    except Exception as e:
+        console.print(f"[red]估算失败: {e}[/red]")
+
+
+async def run_translation(translator: EPUBTranslator, args, console: Console):
+    """运行翻译任务"""
+    try:
+        if args.test:
+            console.print("[blue]运行测试模式...[/blue]")
+            result = await translator.translate_epub(
+                args.epub_file,
+                test_mode=True
+            )
+            
+            if isinstance(result, dict) and result.get('status') == 'success':
+                console.print("[green]测试完成！[/green]")
+            else:
+                console.print("[red]测试失败[/red]")
+                
+        else:
+            console.print("[blue]开始完整翻译...[/blue]")
+            
+            # 确认操作
+            if not args.output:
+                console.print("[yellow]将使用默认输出目录[/yellow]")
+            
+            output_file = await translator.translate_epub(
+                args.epub_file,
+                test_mode=False,
+                output_dir=args.output
+            )
+            
+            console.print(Panel(
+                f"翻译完成！\n输出文件: {output_file}",
+                title="成功",
+                border_style="green"
+            ))
+            
+    except KeyboardInterrupt:
+        console.print("\n[yellow]用户中断翻译[/yellow]")
+        sys.exit(1)
+    except Exception as e:
+        console.print(f"[red]翻译失败: {e}[/red]")
+        logger.error(f"翻译失败: {e}")
+        sys.exit(1)
+
+
+def handle_cache_operations(args, config, console: Console):
+    """处理缓存相关操作"""
+    from src.cache import TranslationCache
+    
+    cache = TranslationCache(config)
+    
+    if args.clear_cache is not None:
+        console.print(f"[yellow]清理 {args.clear_cache} 天前的缓存...[/yellow]")
+        cleared = cache.clear_cache(args.clear_cache)
+        console.print(f"[green]已清理 {cleared} 个缓存文件[/green]")
+        return True
+    
+    if args.cache_stats:
+        console.print("[cyan]缓存统计信息:[/cyan]")
+        stats = cache.get_cache_stats()
+        
+        if stats.get('enabled'):
+            table = Table()
+            table.add_column("项目", style="cyan")
+            table.add_column("值", style="white")
+            
+            table.add_row("缓存状态", "启用")
+            table.add_row("缓存目录", stats.get('cache_directory', ''))
+            table.add_row("文件总数", str(stats.get('total_files', 0)))
+            table.add_row("总大小", f"{stats.get('total_size_mb', 0)} MB")
+            table.add_row("最大保存天数", f"{stats.get('max_age_days', 0)} 天")
+            
+            console.print(table)
+            
+            # 显示按日期分布
+            date_dist = stats.get('date_distribution', {})
+            if date_dist:
+                console.print("\n[cyan]按日期分布:[/cyan]")
+                for date, count in sorted(date_dist.items()):
+                    console.print(f"  {date}: {count} 个文件")
+        else:
+            console.print("[yellow]缓存未启用[/yellow]")
+        
+        return True
+    
+    return False
+
+
+def check_environment():
+    """检查运行环境"""
+    # 检查 Python 版本
+    if sys.version_info < (3, 9):
+        print("错误: 需要 Python 3.9 或更高版本")
+        sys.exit(1)
+    
+    # 检查必要的目录
+    required_dirs = ['config', 'output', 'logs', 'cache']
+    for dir_name in required_dirs:
+        dir_path = Path(dir_name)
+        if not dir_path.exists():
+            dir_path.mkdir(parents=True, exist_ok=True)
+
+
+def display_welcome(console: Console):
+    """显示欢迎信息"""
+    welcome_text = """
+[bold blue]EPUB 双语翻译程序 v0.1.0[/bold blue]
+
+功能特点:
+• 支持 EPUB 2/3 格式
+• 智能内容识别和分块翻译
+• 基于上下文的术语一致性
+• 双语对照输出格式
+• 并发翻译提高效率
+• 智能缓存避免重复翻译
+
+使用 --help 查看详细参数说明
+    """
+    
+    console.print(Panel(welcome_text, border_style="blue"))
+
+
+async def main():
+    """主函数"""
+    console = Console()
+    
+    try:
+        # 检查环境
+        check_environment()
+        
+        # 解析命令行参数
+        parser = create_parser()
+        args = parser.parse_args()
+        
+        # 如果没有参数，显示帮助
+        if len(sys.argv) == 1:
+            display_welcome(console)
+            parser.print_help()
+            return
+        
+        # 加载配置
+        try:
+            config = load_config(args.config)
+        except Exception as e:
+            console.print(f"[red]加载配置失败: {e}[/red]")
+            sys.exit(1)
+        
+        # 处理缓存操作
+        if handle_cache_operations(args, config, console):
+            return
+        
+        # 验证参数（只有在需要 EPUB 文件时）
+        if not (args.clear_cache is not None or args.cache_stats):
+            validate_args(args)
+        
+        # 设置日志
+        if args.verbose:
+            config['logging']['level'] = 'DEBUG'
+        
+        setup_logging(config)
+        logger.info("程序启动")
+        
+        # 初始化翻译器
+        use_cache = not args.no_cache
+        translator = EPUBTranslator(config, use_cache=use_cache)
+        
+        # 根据参数执行不同操作
+        if args.estimate:
+            await run_estimate(translator, args.epub_file, console)
+        else:
+            await run_translation(translator, args, console)
+            
+    except KeyboardInterrupt:
+        console.print("\n[yellow]程序被用户中断[/yellow]")
+        sys.exit(1)
+    except Exception as e:
+        console.print(f"[red]程序执行失败: {e}[/red]")
+        logger.error(f"程序执行失败: {e}")
+        sys.exit(1)
+
+
+if __name__ == "__main__":
+    # 设置事件循环策略（Windows 兼容性）
+    if sys.platform.startswith('win'):
+        asyncio.set_event_loop_policy(asyncio.WindowsProactorEventLoopPolicy())
+    
+    asyncio.run(main())

archive/v0.02/requirements.txt

@@ -0,0 +1,9 @@
+ebooklib>=0.19
+beautifulsoup4>=4.12.0
+lxml>=4.9.0
+openai>=1.0.0
+aiohttp>=3.9.0
+pydantic>=2.0.0
+loguru>=0.7.0
+rich>=13.0.0
+asyncio-throttle>=1.0.2

archive/v0.02/src/__init__.py

@@ -0,0 +1,24 @@
+"""
+EPUB 双语翻译程序
+主要功能模块的初始化文件
+"""
+
+__version__ = "0.1.0"
+__author__ = "Kaitan"
+
+from .epub_parser import EPUBParser
+from .translator import EPUBTranslator
+from .llm_client import OpenRouterClient
+from .text_processor import TextProcessor
+from .bilingual_builder import BilingualEPUBBuilder
+from .utils import load_config, setup_logging
+
+__all__ = [
+    "EPUBParser",
+    "EPUBTranslator", 
+    "OpenRouterClient",
+    "TextProcessor",
+    "BilingualEPUBBuilder",
+    "load_config",
+    "setup_logging"
+]

archive/v0.02/src/bilingual_builder.py

@@ -0,0 +1,155 @@
+"""
+双语 EPUB 构建器模块 - 安全的EPUB构建 (Manifest 兼容版)
+"""
+
+from ebooklib import epub
+import ebooklib
+from bs4 import BeautifulSoup
+from typing import Dict, List
+from pathlib import Path
+from loguru import logger
+import uuid
+
+
+class BilingualEPUBBuilder:
+    """双语 EPUB 构建器"""
+    
+    def __init__(self, original_book, config: Dict):
+        self.original_book = original_book
+        self.config = config
+        self.output_config = config['output']
+    
+    def create_bilingual_epub_with_mapping(self, translation_map: Dict[str, str],
+                                          paragraph_map: Dict[str, Dict],
+                                          output_path: str) -> str:
+        """
+        创建双语 EPUB。使用 ordered_ids 确保与 Manifest 严格一致。
+        """
+        try:
+            new_book = epub.EpubBook()
+            self._copy_metadata(new_book)
+            new_book.toc = self.original_book.toc
+            
+            # 准备每个文件的有序ID列表
+            file_ordered_ids = {}
+            sorted_pids = sorted(paragraph_map.keys(), key=lambda x: int(x.split('_')[1]))
+            for pid in sorted_pids:
+                info = paragraph_map[pid]
+                fname = info['file_name']
+                if fname not in file_ordered_ids:
+                    file_ordered_ids[fname] = []
+                file_ordered_ids[fname].append(pid)
+            
+            processed_item_ids = set()
+            item_map = {}
+
+            # 复制资源
+            for item in self.original_book.get_items():
+                if item.get_type() != ebooklib.ITEM_DOCUMENT:
+                    if item.id not in processed_item_ids:
+                        new_book.add_item(item)
+                        processed_item_ids.add(item.id)
+                        item_map[item.id] = item
+
+            # 重建 Spine
+            new_spine = []
+            for spine_id, linear in self.original_book.spine:
+                item = self.original_book.get_item_with_id(spine_id)
+                if not item: continue
+                
+                if item.get_type() == ebooklib.ITEM_DOCUMENT:
+                    file_name = item.get_name()
+                    if file_name in file_ordered_ids:
+                        new_item = self._create_bilingual_document(
+                            item, file_ordered_ids[file_name], translation_map
+                        )
+                        new_item.id = item.id 
+                    else:
+                        new_item = item
+                    
+                    if new_item.id not in processed_item_ids:
+                        new_book.add_item(new_item)
+                        processed_item_ids.add(new_item.id)
+                    new_spine.append(new_item)
+                else:
+                    if item.id in item_map:
+                        new_spine.append(item_map[item.id])
+            
+            new_book.spine = new_spine
+            new_book.add_item(epub.EpubNcx())
+            new_book.add_item(epub.EpubNav())
+            
+            output_file = self._generate_output_filename(output_path)
+            epub.write_epub(output_file, new_book, {})
+            return output_file
+            
+        except Exception as e:
+            logger.error(f"创建双语 EPUB 失败: {e}", exc_info=True)
+            raise
+
+    def _copy_metadata(self, new_book):
+        try:
+            for namespace, meta_dict in self.original_book.metadata.items():
+                for name, values in meta_dict.items():
+                    for value, other in values:
+                        if name and hasattr(name, 'lower') and name.lower() == 'identifier': continue
+                        new_book.add_metadata(namespace, name, value, other)
+            new_book.add_metadata('DC', 'language', 'zh-CN')
+            new_book.set_identifier(f"bilingual-{uuid.uuid4().hex[:12]}")
+            
+            cover_id_meta = self.original_book.get_metadata('OPF', 'cover')
+            if cover_id_meta:
+                cover_item = self.original_book.get_item_with_id(cover_id_meta[0][0])
+                if cover_item:
+                    new_book.add_item(cover_item)
+                    new_book.set_cover(cover_item.get_name(), cover_item.get_content())
+        except Exception as e:
+            logger.error(f"元数据复制出错: {e}")
+
+    def _create_bilingual_document(self, original_item, ordered_ids: list, translation_map: dict):
+        try:
+            from .text_processor import TextProcessor
+            soup = BeautifulSoup(original_item.get_content().decode('utf-8'), 'html.parser')
+            self._add_style_link(soup)
+            
+            # 使用与 TextProcessor 相同的过滤逻辑获取元素
+            text_elements = TextProcessor.get_valid_text_elements(soup)
+            
+            current_para_index = 0
+            for element in text_elements:
+                if TextProcessor.is_navigation_element(element): continue
+                if not TextProcessor.clean_element_text(element): continue
+                
+                if current_para_index < len(ordered_ids):
+                    target_id = ordered_ids[current_para_index]
+                    translation = translation_map.get(target_id)
+                    if translation:
+                        self._insert_translation(element, translation, soup)
+                    current_para_index += 1
+            
+            new_item = epub.EpubHtml(title=original_item.title, file_name=original_item.get_name(), lang='zh-CN')
+            new_item.set_content(str(soup).encode('utf-8'))
+            return new_item
+        except Exception as e:
+            logger.error(f"创建双语文档失败 {original_item.get_name()}: {e}")
+            return original_item
+
+    def _add_style_link(self, soup):
+        head = soup.find('head')
+        if head and not head.find('link', href='style/bilingual.css'):
+            head.append(soup.new_tag('link', rel='stylesheet', type='text/css', href='style/bilingual.css'))
+
+    def _insert_translation(self, element, translation: str, soup):
+        try:
+            translation_p = soup.new_tag('p')
+            translation_p.string = translation
+            translation_p['class'] = ['translation-text', 'chinese']
+            element.insert_after(translation_p)
+        except: pass
+
+    def _generate_output_filename(self, output_path: str) -> str:
+        from .utils import sanitize_filename
+        title = self.original_book.get_metadata('DC', 'title')
+        clean_title = sanitize_filename(title[0][0]) if title else "bilingual_book"
+        Path(output_path).mkdir(parents=True, exist_ok=True)
+        return str(Path(output_path) / f"{clean_title}_bilingual.epub")

archive/v0.02/src/cache.py

@@ -0,0 +1,225 @@
+"""
+翻译缓存管理模块 - 简化版
+基于全局ID和chunk的缓存系统
+"""
+
+import json
+import hashlib
+from pathlib import Path
+from datetime import datetime, timedelta
+from typing import Dict, Optional, List
+from loguru import logger
+
+
+class TranslationCache:
+    """翻译缓存管理器 - 简化版"""
+    
+    def __init__(self, config: Dict):
+        """初始化缓存管理器"""
+        self.config = config
+        cache_config = config.get('cache', {})
+        
+        self.enabled = cache_config.get('enabled', True)
+        self.cache_dir = Path(cache_config.get('directory', 'cache'))
+        self.max_age_days = cache_config.get('max_age_days', 30)
+        
+        if self.enabled:
+            self.cache_dir.mkdir(parents=True, exist_ok=True)
+            self.translations_dir = self.cache_dir / 'translations'
+            self.translations_dir.mkdir(parents=True, exist_ok=True)
+            
+            logger.info(f"翻译缓存已启用: {self.cache_dir}")
+    
+    def get_chunk_translation(self, chunk: List[Dict], model: str) -> Optional[Dict[str, str]]:
+        """
+        获取chunk的缓存翻译
+        
+        Args:
+            chunk: 段落列表（带global_id）
+            model: 模型名称
+            
+        Returns:
+            {global_id: translation} 映射，如果不存在返回 None
+        """
+        if not self.enabled:
+            return None
+        
+        try:
+            cache_key = self._get_chunk_cache_key(chunk, model)
+            cache_file = self._get_cache_file_path(cache_key)
+            
+            if not cache_file.exists():
+                return None
+            
+            # 检查是否过期
+            file_age = datetime.now() - datetime.fromtimestamp(cache_file.stat().st_mtime)
+            if file_age > timedelta(days=self.max_age_days):
+                logger.debug(f"缓存已过期: {cache_key[:8]}...")
+                cache_file.unlink()
+                return None
+            
+            # 读取缓存
+            with open(cache_file, 'r', encoding='utf-8') as f:
+                cache_data = json.load(f)
+            
+            # 验证缓存
+            if (cache_data.get('success') and 
+                cache_data.get('model') == model and
+                self._validate_cache_data(cache_data, chunk)):
+                
+                logger.debug(f"缓存命中: {cache_key[:8]}... ({len(chunk)} 段落)")
+                return cache_data.get('translations', {})
+            
+            return None
+            
+        except Exception as e:
+            logger.warning(f"读取缓存失败: {e}")
+            return None
+    
+    def save_chunk_translation(self, chunk: List[Dict], translations: Dict[str, str], 
+                              model: str, success: bool = True) -> None:
+        """
+        保存chunk翻译到缓存
+        
+        Args:
+            chunk: 段落列表（带global_id）
+            translations: {global_id: translation} 映射
+            model: 模型名称
+            success: 是否翻译成功
+        """
+        if not self.enabled:
+            return
+        
+        try:
+            cache_key = self._get_chunk_cache_key(chunk, model)
+            cache_file = self._get_cache_file_path(cache_key)
+            
+            # 构建缓存数据
+            cache_data = {
+                'global_ids': [p['global_id'] for p in chunk],
+                'translations': translations,
+                'model': model,
+                'timestamp': datetime.now().isoformat(),
+                'success': success,
+                'paragraph_count': len(chunk),
+                'cache_version': '3.0'
+            }
+            
+            with open(cache_file, 'w', encoding='utf-8') as f:
+                json.dump(cache_data, f, ensure_ascii=False, indent=2)
+            
+            logger.debug(f"缓存已保存: {cache_key[:8]}... ({len(chunk)} 段落)")
+            
+        except Exception as e:
+            logger.warning(f"保存缓存失败: {e}")
+    
+    def _get_chunk_cache_key(self, chunk: List[Dict], model: str) -> str:
+        """
+        生成chunk缓存键（基于全局ID序列）
+        
+        Args:
+            chunk: 段落列表
+            model: 模型名称
+            
+        Returns:
+            缓存键
+        """
+        # 使用全局ID序列作为缓存键的一部分
+        id_sequence = ",".join(p['global_id'] for p in chunk)
+        combined = f"{id_sequence}|{model}"
+        return hashlib.md5(combined.encode('utf-8')).hexdigest()
+    
+    def _get_cache_file_path(self, cache_key: str) -> Path:
+        """获取缓存文件路径"""
+        today = datetime.now().strftime('%Y-%m-%d')
+        cache_date_dir = self.translations_dir / today
+        cache_date_dir.mkdir(parents=True, exist_ok=True)
+        return cache_date_dir / f"{cache_key}.json"
+    
+    def _validate_cache_data(self, cache_data: Dict, chunk: List[Dict]) -> bool:
+        """验证缓存数据的有效性"""
+        # 检查ID序列是否匹配
+        cached_ids = cache_data.get('global_ids', [])
+        chunk_ids = [p['global_id'] for p in chunk]
+        
+        if cached_ids != chunk_ids:
+            logger.debug("缓存ID序列不匹配")
+            return False
+        
+        # 检查翻译数量
+        translations = cache_data.get('translations', {})
+        if len(translations) != len(chunk):
+            logger.debug("缓存翻译数量不匹配")
+            return False
+        
+        return True
+    
+    def clear_cache(self, older_than_days: Optional[int] = None) -> int:
+        """清理缓存"""
+        if not self.enabled or not self.translations_dir.exists():
+            return 0
+        
+        cleared_count = 0
+        cutoff_time = None
+        
+        if older_than_days is not None:
+            cutoff_time = datetime.now() - timedelta(days=older_than_days)
+        
+        try:
+            for cache_file in self.translations_dir.rglob('*.json'):
+                should_delete = False
+                
+                if cutoff_time is None:
+                    should_delete = True
+                else:
+                    file_time = datetime.fromtimestamp(cache_file.stat().st_mtime)
+                    should_delete = file_time < cutoff_time
+                
+                if should_delete:
+                    cache_file.unlink()
+                    cleared_count += 1
+            
+            # 清理空目录
+            for date_dir in self.translations_dir.iterdir():
+                if date_dir.is_dir() and not any(date_dir.iterdir()):
+                    date_dir.rmdir()
+            
+            logger.info(f"清理了 {cleared_count} 个缓存文件")
+            return cleared_count
+            
+        except Exception as e:
+            logger.error(f"清理缓存失败: {e}")
+            return 0
+    
+    def get_cache_stats(self) -> Dict:
+        """获取缓存统计信息"""
+        if not self.enabled or not self.translations_dir.exists():
+            return {'enabled': False}
+        
+        try:
+            cache_files = list(self.translations_dir.rglob('*.json'))
+            total_files = len(cache_files)
+            total_size = sum(f.stat().st_size for f in cache_files)
+            
+            # 统计段落数
+            total_paragraphs = 0
+            for cache_file in cache_files:
+                try:
+                    with open(cache_file, 'r', encoding='utf-8') as f:
+                        data = json.load(f)
+                        total_paragraphs += data.get('paragraph_count', 0)
+                except:
+                    continue
+            
+            return {
+                'enabled': True,
+                'total_files': total_files,
+                'total_paragraphs': total_paragraphs,
+                'total_size_mb': round(total_size / 1024 / 1024, 2),
+                'cache_directory': str(self.cache_dir),
+                'max_age_days': self.max_age_days
+            }
+            
+        except Exception as e:
+            logger.error(f"获取缓存统计失败: {e}")
+            return {'enabled': True, 'error': str(e)}

archive/v0.02/src/epub_parser.py

@@ -0,0 +1,164 @@
+"""
+EPUB 解析器模块 (EPUB Parser Module)
+
+该模块负责读取 EPUB 文件，提取元数据和内容项目。
+它使用 ebooklib 库来处理 EPUB 格式的底层细节。
+
+Classes:
+    EPUBParser: 负责 EPUB 文件的加载、元数据提取和内容项遍历。
+"""
+
+import ebooklib
+from ebooklib import epub
+from bs4 import BeautifulSoup
+from typing import List, Dict, Any
+from pathlib import Path
+from loguru import logger
+
+
+class EPUBParser:
+    """
+    EPUB 文件解析器。
+
+    负责加载 EPUB 文件，提取书籍元数据（如标题、作者），并提供方法来遍历和提取
+    书中的文档内容（HTML/XHTML）。
+
+    Attributes:
+        epub_path (Path): EPUB 文件的路径对象。
+        book (epub.EpubBook): ebooklib 加载的书籍对象。
+        metadata (Dict[str, str]): 提取的书籍元数据字典。
+    """
+    
+    def __init__(self, epub_path: str):
+        """
+        初始化 EPUB 解析器。
+
+        Args:
+            epub_path (str): EPUB 文件的文件路径。
+
+        Raises:
+            FileNotFoundError: 如果指定的文件不存在。
+            Exception: 如果 EPUB 文件加载失败（格式错误等）。
+        """
+        self.epub_path = Path(epub_path)
+        if not self.epub_path.exists():
+            raise FileNotFoundError(f"EPUB 文件不存在: {epub_path}")
+        
+        try:
+            # ignore_ncx=True 是为了避免某些旧版 epub 的警告，但新版 ebooklib 可能行为不同
+            # 这里直接读取，让 ebooklib 处理
+            self.book = epub.read_epub(str(self.epub_path))
+            logger.info(f"成功加载 EPUB: {self.epub_path.name}")
+        except Exception as e:
+            logger.error(f"加载 EPUB 失败: {e}")
+            raise
+        
+        self.metadata = self._extract_metadata()
+    
+    def _extract_metadata(self) -> Dict[str, str]:
+        """
+        从 EPUB 对象中提取标准元数据。
+
+        提取 Dublin Core (DC) 元数据，包括标题、作者和语言。
+
+        Returns:
+            Dict[str, str]: 包含 'title', 'author', 'language' 的字典。
+                            如果提取失败，会使用默认值 ("Unknown", "en")。
+        """
+        metadata = {}
+        
+        try:
+            # get_metadata 返回的是 (value, dict) 的列表，我们取第一个结果
+            title_meta = self.book.get_metadata('DC', 'title')
+            metadata['title'] = title_meta[0][0] if title_meta else "Unknown"
+            
+            author_meta = self.book.get_metadata('DC', 'creator')
+            metadata['author'] = author_meta[0][0] if author_meta else "Unknown"
+            
+            lang_meta = self.book.get_metadata('DC', 'language')
+            metadata['language'] = lang_meta[0][0] if lang_meta else "en"
+            
+            logger.info(f"书籍: {metadata['title']} - {metadata['author']}")
+        except Exception as e:
+            logger.warning(f"提取元数据时出错: {e}")
+            # 设置保底值
+            metadata.setdefault('title', 'Unknown')
+            metadata.setdefault('author', 'Unknown')
+            metadata.setdefault('language', 'en')
+        
+        return metadata
+    
+    def extract_all_content_items(self) -> List[Dict[str, Any]]:
+        """
+        提取所有可翻译的内容项目（文档）。
+
+        遍历 EPUB 中的所有 Item，筛选出类型为 ITEM_DOCUMENT 的项目。
+        同时会进行简单的过滤，跳过内容过短（<100字符）或看起来像非正文的文件（如 nav, toc, cover）。
+
+        Returns:
+            List[Dict[str, Any]]: 内容项目列表。每个字典包含：
+                - item (epub.EpubItem): 原始 Item 对象。
+                - file_name (str): 文件名。
+                - content (str): 解码后的 HTML 内容。
+                - text_length (int): 纯文本长度（用于统计）。
+        """
+        content_items = []
+        
+        # 获取所有文档类型的项目
+        for item in self.book.get_items():
+            if item.get_type() == ebooklib.ITEM_DOCUMENT:
+                try:
+                    # 获取内容 (bytes -> str)
+                    content = item.get_content().decode('utf-8')
+                    
+                    # 简单的内容验证：提取纯文本检查长度
+                    soup = BeautifulSoup(content, 'html.parser')
+                    text = soup.get_text().strip()
+                    
+                    # 1. 跳过太短的内容（可能是只有图片的页面、空页面）
+                    if len(text) < 100:
+                        logger.debug(f"跳过短内容: {item.get_name()} ({len(text)} 字符)")
+                        continue
+                    
+                    # 2. 跳过明显的非正文内容 (根据文件名判断)
+                    name_lower = item.get_name().lower()
+                    skip_patterns = ['cover', 'copyright', 'titlepage', 'halftitle', 
+                                   'nav.xhtml', 'toc.xhtml']
+                    if any(pattern in name_lower for pattern in skip_patterns):
+                        logger.debug(f"跳过非正文内容: {item.get_name()}")
+                        continue
+                    
+                    content_items.append({
+                        'item': item,
+                        'file_name': item.get_name(),
+                        'content': content,
+                        'text_length': len(text)
+                    })
+                    
+                    logger.debug(f"添加内容项: {item.get_name()} ({len(text)} 字符)")
+                    
+                except Exception as e:
+                    logger.warning(f"处理项目失败 {item.get_name()}: {e}")
+                    continue
+        
+        logger.info(f"提取了 {len(content_items)} 个内容项目")
+        return content_items
+    
+    def get_book_info(self) -> Dict[str, str]:
+        """
+        获取书籍的摘要信息。
+
+        Returns:
+            Dict[str, str]: 包含文件名、标题、作者、语言和文档数量的字典。
+        """
+        # 统计内容项
+        document_count = sum(1 for item in self.book.get_items() 
+                           if item.get_type() == ebooklib.ITEM_DOCUMENT)
+        
+        return {
+            'filename': self.epub_path.name,
+            'title': self.metadata.get('title', 'Unknown'),
+            'author': self.metadata.get('author', 'Unknown'),
+            'language': self.metadata.get('language', 'en'),
+            'document_count': document_count
+        }

archive/v0.02/src/llm_client.py

@@ -0,0 +1,156 @@
+"""
+LLM 客户端模块 (LLM Client Module) - 简化 ID 锚点匹配版
+
+该模块负责发送翻译请求，并使用简化后的 ID 作为锚点解析 LLM 的响应。
+"""
+
+import asyncio
+from openai import AsyncOpenAI
+from typing import List, Dict, Optional, Any
+from loguru import logger
+import time
+import re
+from .manifest_manager import ManifestItem
+
+
+class RateLimiter:
+    """并发与 RPM 速率限制器。"""
+    def __init__(self, requests_per_minute: int, concurrent_requests: int):
+        self.semaphore = asyncio.Semaphore(concurrent_requests)
+        self.min_interval = 60.0 / requests_per_minute if requests_per_minute > 0 else 0
+        self.last_request_time = 0
+
+    async def acquire(self):
+        await self.semaphore.acquire()
+        current_time = time.time()
+        wait_time = self.min_interval - (current_time - self.last_request_time)
+        if wait_time > 0:
+            await asyncio.sleep(wait_time)
+        self.last_request_time = time.time()
+
+    def release(self):
+        self.semaphore.release()
+
+
+class OpenRouterClient:
+    """基于简化 ID 锚点匹配逻辑的 LLM 客户端。"""
+    
+    def __init__(self, config: Dict):
+        self.config = config
+        or_config = config["openrouter"]
+        api_key = or_config.get("api_key")
+        if not api_key or api_key == "YOUR_OPENROUTER_API_KEY":
+            raise ValueError("请设置有效的 OpenRouter API Key")
+            
+        self.client = AsyncOpenAI(
+            base_url=or_config["base_url"],
+            api_key=api_key,
+            default_headers={"HTTP-Referer": "https://github.com/epub-translator", "X-Title": "EPUB Translator"}
+        )
+        self.models = or_config["models"]
+        self.rate_limiter = RateLimiter(
+            or_config["rate_limits"]["requests_per_minute"],
+            or_config["rate_limits"]["concurrent_requests"]
+        )
+
+    async def translate_chunk(self, items: List[ManifestItem], model_type: str = "production") -> Dict[str, str]:
+        """
+        翻译一个段落块。
+        """
+        if not items: return {}
+        
+        prompt = self._build_prompt(items)
+        model = self.models.get(model_type, self.models["production"])
+        
+        try:
+            raw_response = await self._make_request(prompt, model)
+            if not raw_response:
+                return {item.global_id: f"[翻译失败 - API空响应]" for item in items}
+            
+            return self._parse_with_anchors(raw_response, items)
+            
+        except Exception as e:
+            logger.error(f"翻译请求异常: {e}")
+            return {item.global_id: f"[翻译失败 - {str(e)}]" for item in items}
+
+    def _build_prompt(self, items: List[ManifestItem]) -> str:
+        lines = ["请将以下编号的英文段落翻译成中文。每段翻译前必须带上原编号，格式为 p_xxxxx。", "原文：", ""]
+        for item in items:
+            lines.append(f"{item.global_id} {item.clean_text}")
+        lines.extend(["", "要求：只返回翻译，不要解释。必须保留原编号。"])
+        return "\n".join(lines)
+
+    def _parse_with_anchors(self, response: str, items: List[ManifestItem]) -> Dict[str, str]:
+        results = {}
+        
+        for i, item in enumerate(items):
+            current_id = item.global_id
+            
+            # 使用简单的字符串拼接构造正则
+            start_pat = r"\b" + current_id + r"\b"
+            start_match = re.search(start_pat, response)
+            if not start_match:
+                continue
+            
+            start_pos = start_match.start()
+            end_pos = len(response)
+            
+            if i + 1 < len(items):
+                next_id = items[i+1].global_id
+                next_pat = r"\b" + next_id + r"\b"
+                next_match = re.search(next_pat, response[start_pos + 1:])
+                if next_match:
+                    end_pos = start_pos + 1 + next_match.start()
+            
+            segment = response[start_pos:end_pos].strip()
+            
+            # 清洗 ID
+            # 注意：这里的正则使用了更稳健的拼接方式
+            id_clean_pat = r"^(\[?" + current_id + r"\]?[:：\s]*)+"
+            cleaned = re.sub(id_clean_pat, "", segment).strip()
+            
+            if cleaned:
+                results[current_id] = cleaned
+
+        if len(results) < len(items):
+            expected_ids = {item.global_id for item in items}
+            missing_ids = expected_ids - set(results.keys())
+            logger.warning(f"锚点匹配缺失 {len(missing_ids)} 个。尝试降级解析...")
+            fallback_results = self._fallback_parse(response, items)
+            for pid, trans in fallback_results.items():
+                if pid not in results:
+                    results[pid] = trans
+
+        return results
+
+    def _fallback_parse(self, response: str, items: List[ManifestItem]) -> Dict[str, str]:
+        results = {}
+        lines = [l.strip() for l in response.split("\n") if l.strip()]
+        for line in lines:
+            for item in items:
+                if item.global_id in line:
+                    # 同样的稳健拼接
+                    fallback_clean_pat = r"^\(?" + item.global_id + r"\)?[:：\s]*"
+                    clean_line = re.sub(fallback_clean_pat, "", line).strip()
+                    if clean_line:
+                        results[item.global_id] = clean_line
+        return results
+
+    async def _make_request(self, prompt: str, model: str) -> str:
+        await self.rate_limiter.acquire()
+        try:
+            resp = await self.client.chat.completions.create(
+                model=model,
+                messages=[
+                    {"role": "system", "content": "你是一位专业的翻译。请严格按编号输出翻译。"},
+                    {"role": "user", "content": prompt}
+                ],
+                temperature=0.2,
+                max_tokens=8000
+            )
+            return resp.choices[0].message.content.strip()
+        finally:
+            self.rate_limiter.release()
+
+    async def close(self):
+        await self.client.close()

archive/v0.02/src/manifest_manager.py

@@ -0,0 +1,149 @@
+"""
+Manifest 管理器模块 (Manifest Manager Module)
+
+该模块是系统的单一真理源 (SSOT)。
+它记录了每一段文本的原始状态、清洗后的文本、哈希值以及翻译状态。
+所有对翻译流程的操作（提取、翻译、回填）都必须通过修改此 Manifest 进行。
+"""
+
+import json
+import os
+import hashlib
+from typing import List, Dict, Optional, Any
+from pathlib import Path
+from loguru import logger
+from dataclasses import dataclass, asdict, field
+
+@dataclass
+class ManifestItem:
+    """代表一个翻译单元（通常是一个段落）"""
+    global_id: str
+    source_file: str
+    original_html: str
+    clean_text: str
+    text_hash: str
+    tag: str
+    translation: Optional[str] = None
+    status: str = "pending"  # pending, translated, ignored, failed
+    error_msg: Optional[str] = None
+    metadata: Dict[str, Any] = field(default_factory=dict)
+
+    def to_dict(self):
+        return asdict(self)
+
+class ManifestManager:
+    """
+    负责 Manifest 的生命周期管理。
+    """
+    
+    def __init__(self, manifest_path: str):
+        self.manifest_path = Path(manifest_path)
+        self.data: Dict[str, Any] = {
+            "book_id": "",
+            "metadata": {},
+            "items": []
+        }
+        self._items_by_id: Dict[str, ManifestItem] = {}
+
+    def load(self) -> bool:
+        """从文件加载 Manifest。如果文件不存在则返回 False。"""
+        if self.manifest_path.exists():
+            try:
+                with open(self.manifest_path, 'r', encoding='utf-8') as f:
+                    self.data = json.load(f)
+                
+                # 重建对象映射
+                self._items_by_id = {
+                    item['global_id']: ManifestItem(**item)
+                    for item in self.data["items"]
+                }
+                logger.info(f"成功从 {self.manifest_path} 加载 Manifest, 包含 {len(self._items_by_id)} 个项目")
+                return True
+            except Exception as e:
+                logger.error(f"加载 Manifest 失败: {e}")
+                return False
+        return False
+
+    def save(self):
+        """将当前状态保存到 Manifest 文件。"""
+        # 确保目录存在
+        self.manifest_path.parent.mkdir(parents=True, exist_ok=True)
+        
+        # 同步 items 到 data 字典
+        self.data["items"] = [item.to_dict() for item in self._items_by_id.values()]
+        
+        with open(self.manifest_path, 'w', encoding='utf-8') as f:
+            json.dump(self.data, f, ensure_ascii=False, indent=2)
+        # logger.debug(f"Manifest 已保存到 {self.manifest_path}")
+
+    def init_manifest(self, book_id: str, metadata: Dict):
+        """初始化一个新的 Manifest。"""
+        self.data = {
+            "book_id": book_id,
+            "metadata": metadata,
+            "items": []
+        }
+        self._items_by_id = {}
+        self.save()
+
+    def add_item(self, source_file: str, original_html: str, clean_text: str, tag: str, metadata: Dict = None) -> ManifestItem:
+        """添加一个新的翻译项并分配 ID。"""
+        # 生成全局 ID
+        new_index = len(self._items_by_id) + 1
+        global_id = f"p_{new_index:05d}"
+        
+        # 生成内容哈希 (用于排重和缓存)
+        text_hash = hashlib.sha256(clean_text.encode('utf-8')).hexdigest()
+        
+        item = ManifestItem(
+            global_id=global_id,
+            source_file=source_file,
+            original_html=original_html,
+            clean_text=clean_text,
+            text_hash=text_hash,
+            tag=tag,
+            metadata=metadata or {}
+        )
+        
+        self._items_by_id[global_id] = item
+        return item
+
+    def get_items(self, status: str = None, file_name: str = None) -> List[ManifestItem]:
+        """按状态或文件名查询项目。"""
+        items = list(self._items_by_id.values())
+        if status:
+            items = [i for i in items if i.status == status]
+        if file_name:
+            items = [i for i in items if i.source_file == file_name]
+        
+        # 必须按 ID 顺序返回以保证分块正确
+        return sorted(items, key=lambda x: x.global_id)
+
+    def update_item(self, global_id: str, translation: str, status: str = "translated", error: str = None):
+        """更新翻译结果。"""
+        if global_id in self._items_by_id:
+            item = self._items_by_id[global_id]
+            item.translation = translation
+            item.status = status
+            item.error_msg = error
+        else:
+            logger.warning(f"尝试更新不存在的 ID: {global_id}")
+
+    @property
+    def stats(self) -> Dict:
+        """获取翻译进度统计。"""
+        total = len(self._items_by_id)
+        if total == 0: return {"progress": "0%"}
+        
+        translated = sum(1 for i in self._items_by_id.values() if i.status == "translated")
+        ignored = sum(1 for i in self._items_by_id.values() if i.status == "ignored")
+        failed = sum(1 for i in self._items_by_id.values() if i.status == "failed")
+        
+        return {
+            "total": total,
+            "translated": translated,
+            "ignored": ignored,
+            "failed": failed,
+            "pending": total - translated - ignored - failed,
+            "progress_percent": round((translated + ignored) / total * 100, 1)
+        }

archive/v0.02/src/text_processor.py

@@ -0,0 +1,161 @@
+"""
+文本处理器模块 (Text Processor Module) - Manifest 驱动版
+
+该模块专注于 HTML 文档的遍历和段落提取。
+它不再维护全局状态，而是将提取的内容注册到 ManifestManager 中。
+"""
+
+import re
+from bs4 import BeautifulSoup
+from typing import List, Dict, Any
+from loguru import logger
+from .manifest_manager import ManifestManager
+
+
+class TextProcessor:
+    """
+    负责从 HTML 中识别有效段落并进行清洗。
+    """
+    
+    def __init__(self, config: Dict):
+        """
+        Args:
+            config (Dict): 全局配置。
+        """
+        self.config = config
+        self.chunk_size = config['translation'].get('chunk_size', 5000)
+        
+    def extract_to_manifest(self, html_content: str, source_file: str, manifest: ManifestManager):
+        """
+        解析 HTML 内容，并将识别出的段落注册到 Manifest 中。
+
+        Args:
+            html_content (str): HTML 源码。
+            source_file (str): 来源文件名。
+            manifest (ManifestManager): 清单管理器实例。
+        """
+        try:
+            soup = BeautifulSoup(html_content, 'html.parser')
+            
+            # 1. 移除不需要的元素
+            for element in soup(['script', 'style', 'meta', 'link']):
+                element.decompose()
+            
+            # 2. 获取有效的文本元素 (使用静态过滤逻辑)
+            text_elements = self.get_valid_text_elements(soup)
+            
+            # 3. 注册到 Manifest
+            for element in text_elements:
+                clean_text = self.clean_element_text(element)
+                
+                # 过滤逻辑
+                if not clean_text:
+                    continue
+                
+                status = "pending"
+                # 如果是导航元素，标记为 ignored
+                if self.is_navigation_element(element):
+                    status = "ignored"
+                
+                # 注册
+                manifest.add_item(
+                    source_file=source_file,
+                    original_html=str(element),
+                    clean_text=clean_text,
+                    tag=element.name,
+                    metadata={"status": status} # 临时传递给 manifest
+                )
+                
+                # 同步更新 manifest 状态 (如果需要过滤)
+                if status == "ignored":
+                    last_id = f"p_{len(manifest._items_by_id):05d}"
+                    manifest.update_item(last_id, translation=None, status="ignored")
+
+        except Exception as e:
+            logger.error(f"从 {source_file} 提取段落失败: {e}")
+
+    @staticmethod
+    def get_valid_text_elements(soup) -> List:
+        """获取不含嵌套子块的叶子级文本容器元素。"""
+        tags = ['p', 'div', 'h1', 'h2', 'h3', 'h4', 'h5', 'h6', 'blockquote', 'li', 'td']
+        all_candidates = soup.find_all(tags)
+        candidate_set = set(all_candidates)
+        
+        final_elements = []
+        for element in all_candidates:
+            # 如果包含其他候选标签，说明是容器，跳过
+            if any(d in candidate_set for d in element.find_all(tags)):
+                continue
+            final_elements.append(element)
+        return final_elements
+
+    @staticmethod
+    def clean_element_text(element) -> str:
+        """清理 HTML 元素，提取纯净的待翻译文本。"""
+        element_copy = element.__copy__()
+        
+        # 移除脚注引用等
+        for tag in element_copy.find_all(['sup', 'sub']):
+            tag.decompose()
+            
+        footnote_patterns = re.compile(r'footnote|endnote|reference|note|super|sub', re.I)
+        for tag in element_copy.find_all(['a', 'span', 'div'], class_=footnote_patterns):
+            tag.decompose()
+
+        # 移除仅包含数字的 span
+        for tag in element_copy.find_all('span'):
+            if re.match(r'^(\[\d+\]|\(\d+\)|\d+)$', tag.get_text().strip()):
+                tag.decompose()
+        
+        text = element_copy.get_text().strip()
+        # 正则清理残留引用标识 (如 sentence.2)
+        text = re.sub(r'(\.|。|，|,)\s*(\[\d+\]|\d+)(?=\s|$)', r'\1', text)
+        text = re.sub(r'\s+', ' ', text)
+        return text
+
+    @staticmethod
+    def is_navigation_element(element) -> bool:
+        """判断是否是无翻译价值的导航、页码元素。"""
+        classes = element.get('class', [])
+        nav_classes = ['nav', 'navigation', 'toc', 'menu', 'header', 'footer', 'page-number']
+        class_str = ' '.join(classes).lower() if isinstance(classes, list) else str(classes).lower()
+        
+        if any(nc in class_str for nc in nav_classes):
+            return True
+            
+        # 检查父级
+        parent = element.parent
+        if parent:
+            p_classes = parent.get('class', [])
+            p_class_str = ' '.join(p_classes).lower() if isinstance(p_classes, list) else str(p_classes).lower()
+            if any(nc in p_class_str for nc in nav_classes):
+                return True
+        return False
+
+    def create_chunks_from_manifest(self, manifest: ManifestManager) -> List[List[Any]]:
+        """
+        从 Manifest 中筛选待翻译项目并分块。
+        """
+        pending_items = manifest.get_items(status="pending")
+        if not pending_items:
+            return []
+            
+        chunks = []
+        current_chunk = []
+        current_size = 0
+        
+        for item in pending_items:
+            text_len = len(item.clean_text)
+            if current_size + text_len > self.chunk_size and current_chunk:
+                chunks.append(current_chunk)
+                current_chunk = []
+                current_size = 0
+            
+            current_chunk.append(item)
+            current_size += text_len
+            
+        if current_chunk:
+            chunks.append(current_chunk)
+            
+        logger.info(f"分块完成: 共有 {len(pending_items)} 个待翻译项，分为 {len(chunks)} 个块")
+        return chunks

archive/v0.02/src/translator.py

@@ -0,0 +1,142 @@
+"""
+EPUB 翻译器核心模块 (EPUB Translator Core Module) - Manifest 驱动版
+
+该模块协调整体流程：
+1. 使用 ManifestManager 管理状态。
+2. 调用 EPUBParser 提取。
+3. 调用 TextProcessor 清理。
+4. 调用 LLMClient 并发翻译并更新 Manifest。
+5. 调用 BilingualEPUBBuilder 构建。
+"""
+
+import asyncio
+import os
+from typing import List, Dict, Any
+from pathlib import Path
+from loguru import logger
+from rich.console import Console
+from rich.progress import Progress, SpinnerColumn, TextColumn, BarColumn, TimeElapsedColumn
+
+from .epub_parser import EPUBParser
+from .llm_client import OpenRouterClient
+from .text_processor import TextProcessor
+from .bilingual_builder import BilingualEPUBBuilder
+from .manifest_manager import ManifestManager
+
+
+class EPUBTranslator:
+    """
+    基于 Manifest 的翻译器。
+    """
+    
+    def __init__(self, config: Dict, use_cache: bool = True):
+        self.config = config
+        self.console = Console()
+        self.use_cache = use_cache
+        
+        # 组件
+        self.parser = None
+        self.llm_client = OpenRouterClient(config)
+        self.text_processor = TextProcessor(config)
+        
+        # Manifest 管理 (存放于 cache/manifests/ 目录下)
+        self.manifest_dir = Path("cache/manifests")
+        self.manifest_dir.mkdir(parents=True, exist_ok=True)
+
+    async def translate_epub(self, epub_path: str, test_mode: bool = False, output_dir: str = None) -> str:
+        """主翻译流程。"""
+        epub_path = Path(epub_path)
+        # 1. 初始化解析器
+        self.parser = EPUBParser(str(epub_path))
+        
+        # 2. 准备 Manifest
+        manifest_path = self.manifest_dir / f"{epub_path.stem}_manifest.json"
+        manifest = ManifestManager(str(manifest_path))
+        
+        # 检查是否能恢复
+        if not manifest.load() or not self.use_cache:
+            self.console.print("[yellow]初始化翻译清单...[/yellow]")
+            manifest.init_manifest(book_id=epub_path.name, metadata=self.parser.get_book_info())
+            
+            # 提取内容
+            content_items = self.parser.extract_all_content_items()
+            for item in content_items:
+                self.text_processor.extract_to_manifest(item['content'], item['file_name'], manifest)
+            manifest.save()
+        
+        stats = manifest.stats
+        self.console.print(f"[green]已加载清单: {stats['total']} 个段落, 已完成 {stats['progress_percent']}%[/green]")
+
+        if test_mode:
+            # 简化逻辑：测试模式只翻译前几个 pending 项目
+            pending = manifest.get_items(status="pending")[:5]
+            if pending:
+                results = await self.llm_client.translate_chunk(pending)
+                for pid, trans in results.items():
+                    self.console.print(f"\n[cyan]{pid}[/cyan]: {trans}")
+            return "test_mode_done"
+
+        # 3. 分块并并发翻译
+        chunks = self.text_processor.create_chunks_from_manifest(manifest)
+        if chunks:
+            await self._translate_concurrently(chunks, manifest)
+        
+        # 4. 构建双语 EPUB
+        self.console.print("\n[yellow]正在构建双语 EPUB...[/yellow]")
+        output_path = output_dir or self.config['output']['output_dir']
+        builder = BilingualEPUBBuilder(self.parser.book, self.config)
+        
+        # 注意：Builder 现在直接从 Manifest 中读取翻译映射
+        translation_map = {item.global_id: item.translation for item in manifest.get_items() if item.translation}
+        paragraph_map = {item.global_id: {
+            "file_name": item.source_file,
+            "text": item.clean_text,
+            "html_element": item.original_html
+        } for item in manifest.get_items()}
+        
+        result_file = builder.create_bilingual_epub_with_mapping(
+            translation_map, 
+            paragraph_map,
+            output_path
+        )
+        
+        self.console.print(f"[green]✅ 翻译完成！输出文件: {result_file}[/green]")
+        return result_file
+
+    async def _translate_concurrently(self, chunks: List[List[Any]], manifest: ManifestManager):
+        """执行并发翻译任务。"""
+        total_chunks = len(chunks)
+        
+        with Progress(
+            SpinnerColumn(),
+            TextColumn("[progress.description]{task.description}"),
+            BarColumn(),
+            TextColumn("[progress.percentage]{task.percentage:>3.0f}%"),
+            TimeElapsedColumn(),
+            console=self.console
+        ) as progress:
+            
+            task_id = progress.add_task(f"[cyan]并行翻译...", total=total_chunks)
+            
+            # 使用可控并发
+            semaphore = self.llm_client.rate_limiter.semaphore
+            
+            async def worker(chunk, idx):
+                async with semaphore:
+                    try:
+                        results = await self.llm_client.translate_chunk(chunk)
+                        # 更新 manifest
+                        for item in chunk:
+                            if item.global_id in results:
+                                manifest.update_item(item.global_id, results[item.global_id])
+                            else:
+                                manifest.update_item(item.global_id, None, status="failed", error="Missing in response")
+                        # 每翻译完一个 chunk 就保存一次，确保断点续传
+                        manifest.save()
+                    except Exception as e:
+                        logger.error(f"Chunk {idx} 翻译失败: {e}")
+                    finally:
+                        progress.update(task_id, advance=1)
+
+            tasks = [worker(chunk, i) for i, chunk in enumerate(chunks)]
+            await asyncio.gather(*tasks)

archive/v0.02/src/utils.py

@@ -0,0 +1,180 @@
+"""
+工具函数模块
+提供配置加载、日志设置等通用功能
+"""
+
+import json
+import os
+from pathlib import Path
+from typing import Dict, Any
+from loguru import logger
+import sys
+
+
+def load_config(config_path: str = "config/config.json") -> Dict[str, Any]:
+    """
+    加载配置文件
+    
+    Args:
+        config_path: 配置文件路径
+        
+    Returns:
+        配置字典
+    """
+    try:
+        with open(config_path, 'r', encoding='utf-8') as f:
+            config = json.load(f)
+        
+        # 从环境变量获取 API Key
+        if 'OPENROUTER_API_KEY' in os.environ:
+            config['openrouter']['api_key'] = os.environ['OPENROUTER_API_KEY']
+        
+        return config
+    except FileNotFoundError:
+        raise FileNotFoundError(f"配置文件未找到: {config_path}")
+    except json.JSONDecodeError as e:
+        raise ValueError(f"配置文件格式错误: {e}")
+
+
+def load_prompts(prompts_path: str = "config/prompts.json") -> Dict[str, str]:
+    """
+    加载提示词模板
+    
+    Args:
+        prompts_path: 提示词文件路径
+        
+    Returns:
+        提示词字典
+    """
+    try:
+        with open(prompts_path, 'r', encoding='utf-8') as f:
+            return json.load(f)
+    except FileNotFoundError:
+        raise FileNotFoundError(f"提示词文件未找到: {prompts_path}")
+
+
+def setup_logging(config: Dict[str, Any]) -> None:
+    """
+    设置日志配置
+    
+    Args:
+        config: 配置字典
+    """
+    log_config = config.get('logging', {})
+    
+    # 移除默认处理器
+    logger.remove()
+    
+    # 添加控制台输出
+    logger.add(
+        sys.stdout,
+        level=log_config.get('level', 'INFO'),
+        format="<green>{time:YYYY-MM-DD HH:mm:ss}</green> | <level>{level: <8}</level> | <cyan>{name}</cyan>:<cyan>{function}</cyan>:<cyan>{line}</cyan> - <level>{message}</level>"
+    )
+    
+    # 添加文件输出
+    if 'file' in log_config:
+        log_file = log_config['file']
+        # 确保日志目录存在
+        Path(log_file).parent.mkdir(parents=True, exist_ok=True)
+        
+        logger.add(
+            log_file,
+            level=log_config.get('level', 'INFO'),
+            rotation=log_config.get('rotation', '10 MB'),
+            retention=log_config.get('retention', '7 days'),
+            encoding='utf-8',
+            format="{time:YYYY-MM-DD HH:mm:ss} | {level: <8} | {name}:{function}:{line} - {message}"
+        )
+
+
+def ensure_output_dir(output_dir: str) -> Path:
+    """
+    确保输出目录存在
+    
+    Args:
+        output_dir: 输出目录路径
+        
+    Returns:
+        输出目录的 Path 对象
+    """
+    output_path = Path(output_dir)
+    output_path.mkdir(parents=True, exist_ok=True)
+    return output_path
+
+
+def sanitize_filename(filename: str) -> str:
+    """
+    清理文件名，移除非法字符
+    
+    Args:
+        filename: 原始文件名
+        
+    Returns:
+        清理后的文件名
+    """
+    import re
+    # 移除或替换非法字符
+    filename = re.sub(r'[<>:"/\\|?*]', '_', filename)
+    # 移除多余的空格和点
+    filename = re.sub(r'\s+', ' ', filename).strip('. ')
+    return filename
+
+
+def format_file_size(size_bytes: int) -> str:
+    """
+    格式化文件大小显示
+    
+    Args:
+        size_bytes: 字节数
+        
+    Returns:
+        格式化的大小字符串
+    """
+    if size_bytes == 0:
+        return "0B"
+    
+    size_names = ["B", "KB", "MB", "GB"]
+    import math
+    i = int(math.floor(math.log(size_bytes, 1024)))
+    p = math.pow(1024, i)
+    s = round(size_bytes / p, 2)
+    return f"{s} {size_names[i]}"
+
+
+def estimate_tokens(text: str) -> int:
+    """
+    估算文本的 token 数量
+    
+    Args:
+        text: 输入文本
+        
+    Returns:
+        估算的 token 数量
+    """
+    # 简单估算：英文约 4 字符/token，中文约 1.5 字符/token
+    import re
+    
+    # 分离中英文
+    chinese_chars = len(re.findall(r'[\u4e00-\u9fff]', text))
+    other_chars = len(text) - chinese_chars
+    
+    # 估算 tokens
+    estimated_tokens = chinese_chars / 1.5 + other_chars / 4
+    return int(estimated_tokens)
+
+
+def truncate_text(text: str, max_length: int = 100) -> str:
+    """
+    截断文本用于显示
+    
+    Args:
+        text: 原始文本
+        max_length: 最大长度
+        
+    Returns:
+        截断后的文本
+    """
+    if len(text) <= max_length:
+        return text
+    return text[:max_length-3] + "..."