Calibre 书库质量筛选

依赖 calibre-library 技能提供的 API 访问能力，对入库书籍进行质量审核。

目标：只保留中文正规出版书籍。

适用场景

• 定期审核最近入库的书籍质量
• 批量筛选不合格书籍并输出清单
• 对单本书籍进行详细质量核查

筛选规则

规则 1：非中文书籍（硬性淘汰）

检查字段：languages

• 不合格：languages 不包含 zho 或 chi
• 即使书名是中文，只要语言标记非中文即判定不合格（说明元数据有误）

langs = info.get('languages', [])
is_chinese = any(lang in ['zho', 'chi'] for lang in langs)
if not is_chinese:
    fail("非中文", langs)

规则 2：色情/成人内容（硬性淘汰）

检查字段：title, tags, comments, publisher

• 标签黑名单：18禁, 成人, 色情, エロ, R18, R-18, adult, erotica, hentai, NSFW
• 出版社黑名单：已知成人内容出版源
• 书名/简介关键词：明显色情暗示性词汇

adult_tags = {'18禁', '成人', '色情', 'エロ', 'R18', 'R-18', 'adult', 'erotica', 'hentai', 'NSFW'}
book_tags = set(t.lower() for t in info.get('tags', []))
if adult_tags & book_tags:
    fail("色情/成人内容", matched_tags)

规则 3：日系漫画/轻小说（硬性淘汰）

检查字段：title, authors, publisher, title_sort

• 出版社黑名单：株式会社, 集英社, 講談社, 小学館, 角川, KADOKAWA, スクウェア・エニックス, 白泉社, MediaFactory
• 书名特征（语言/关键词）：
  • 全片假名/平假名标题（如 タメ口後輩ギャル...）
  • 含 卷, 巻, コミック, マンガ, ライトノベル, Vol., Volume
  • 知名轻小说英文/罗马音标题：如 NO GAME NO LIFE, Sword Art Online, Re:Zero 等
• 作者特征：知名日系作者名或译音（如 榎宫佑, 伏见司, 西尾维新）
• 排序名特征：title_sort 为全片假名

jp_publishers = {'株式会社', '集英社', '講談社', '小学館', '角川', 'KADOKAWA', 'MediaFactory'}
jp_authors = {'榎宫佑', '伏见司', '西尾维新', '川原砾', '晓佳奈'}
ln_titles = {'no game no life', 'sword art online', 're:zero', 'overlord'}

publisher = info.get('publisher', '') or ''
authors = set(info.get('authors', []))
title_lower = info.get('title', '').lower()

if any(kw in publisher for kw in jp_publishers):
    fail("日系出版社", publisher)
if authors & jp_authors:
    fail("日系作者", authors & jp_authors)
if any(t in title_lower for t in ln_titles):
    fail("知名日系轻小说标题", title_lower)

import re
katakana_re = re.compile(r'^[\u30A0-\u30FF\u3040-\u309Fー・\s\d]+$')
if katakana_re.match(info.get('title_sort', '')):
    fail("日系漫画(片假名标题)", info.get('title', ''))

规则 4：作者/出版社含邮箱或垃圾信息（硬性淘汰）

检查字段：authors, publisher

• 作者/出版社含邮箱 → 硬性淘汰
• 作者/出版社含垃圾关键词 → 硬性淘汰

作者/出版社黑名单关键词：Administer, Administrator, admin

垃圾信息关键词（匹配 authors, publisher）：

关注, 微信, 送书, 公众号, 书舍, 书群, 免费, 加群, 扫码, QQ群

import re
email_re = re.compile(r'[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+')
spam_author_kw = ['administer', 'administrator', 'admin']
spam_info_kw = ['关注', '微信', '送书', '公众号', '书舍', '书群', '免费', '加群', '扫码', 'QQ群']

authors = info.get('authors', [])
publisher = info.get('publisher', '') or ''
author_pub_text = [str(a) for a in authors] + [publisher]

for author in authors:
    if email_re.search(str(author)):
        fail("作者含邮箱", author)
if email_re.search(publisher):
    fail("出版社含邮箱", publisher)

for text in author_pub_text:
    if any(kw in text.lower() for kw in spam_author_kw):
        fail("垃圾作者名", text)
    if any(kw in text for kw in spam_info_kw):
        fail("垃圾推广信息", text)

规则 4b：标签含推广水印（警告 — 建议清理标签）

检查字段：tags

仅标签含推广关键词，但作者/出版社正常 → 书籍本身可能合格，标签被污染。

判定：标记为 ⚠️ 警告，建议清理标签而非删除书籍。

tags = info.get('tags', [])
for tag in tags:
    if any(kw in tag for kw in spam_info_kw):
        warn("标签含推广水印", tag)

规则 5：低质出版源（硬性淘汰）

检查字段：publisher

出版社黑名单：

出版社	原因
epub掌上书苑	非正规出版，通常为网络抓取
Unknown	元数据缺失
calibre	Calibre 默认值，未修正

bad_publishers = {'epub掌上书苑', 'Unknown', 'calibre'}
publisher = info.get('publisher', '') or ''
if publisher in bad_publishers:
    fail("低质出版源", publisher)

规则 6：元数据严重缺失（警告）

同时满足以下全部条件时判定不合格：

• publisher 为空或 null
• comments 为空或 null
• tags 为空列表

no_publisher = not info.get('publisher')
no_comments = not info.get('comments')
no_tags = not info.get('tags')
if no_publisher and no_comments and no_tags:
    fail("元数据缺失(无出版社/简介/标签)")

操作流程

批量筛选（推荐）

1. 使用 calibre-library 技能的搜索接口拉取目标书籍 ID

curl -sL "$BASE_URL/ajax/search?query=date:>14daysago&num=100&sort=date&sort_order=desc&library_id=$LIB_ID"

2. 批量获取详情（每批不超过 50 个 ID）

curl -sL "$BASE_URL/ajax/books?ids=ID1,ID2,...&library_id=$LIB_ID"

3. 使用 Python 脚本批量筛选，将结果写入临时文件

import json, re

email_re = re.compile(r'[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+')
katakana_re = re.compile(r'^[\u30A0-\u30FF\u3040-\u309Fー・\s\d]+$')

bad_publishers = {'epub掌上书苑', 'Unknown', 'calibre'}
jp_publishers = {'株式会社', '集英社', '講談社', '小学館', '角川', 'KADOKAWA', 'MediaFactory'}
jp_authors = {'榎宫佑', '伏见司', '西尾维新', '川原砾', '晓佳奈'}
ln_titles = {'no game no life', 'sword art online', 're:zero', 'overlord'}
adult_tags = {'18禁', '成人', '色情', 'エロ', 'r18', 'r-18', 'adult', 'erotica', 'hentai', 'nsfw'}
spam_author_kw = ['administer', 'administrator', 'admin']
spam_info_kw = ['关注', '微信', '送书', '公众号', '书舍', '书群', '免费', '加群', '扫码', 'QQ群']

def check_book(book_id, info):
    reasons, warnings = [], []
    langs = info.get('languages', [])
    publisher = info.get('publisher', '') or ''
    authors = info.get('authors', [])
    authors_set = set(authors)
    title = info.get('title', '')
    title_lower = title.lower()
    title_sort = info.get('title_sort', '')
    tags = info.get('tags', [])
    comments = info.get('comments', '') or ''

    # 规则 1: 非中文
    if not any(l in ['zho', 'chi'] for l in langs):
        reasons.append(f'非中文({langs})')

    # 规则 2: 色情/成人
    matched = adult_tags & {t.lower() for t in tags}
    if matched:
        reasons.append(f'色情内容({matched})')

    # 规则 3: 日系漫画/轻小说
    if any(kw in publisher for kw in jp_publishers):
        reasons.append(f'日系出版社({publisher})')
    if authors_set & jp_authors:
        reasons.append(f'日系作者({authors_set & jp_authors})')
    if any(t in title_lower for t in ln_titles) or '卷' in title or '巻' in title:
        reasons.append(f'日系书名特征({title})')
    if katakana_re.match(title_sort):
        reasons.append('片假名标题')

    # 规则 4: 垃圾信息/邮箱
    for a in authors:
        if email_re.search(str(a)): reasons.append(f'作者邮箱({a})')
    if email_re.search(publisher): reasons.append(f'出版社邮箱({publisher})')
    for text in [str(a) for a in authors] + [publisher]:
        if any(kw in text.lower() for kw in spam_author_kw):
            reasons.append(f'垃圾作者/出版({text})')
        if any(kw in text for kw in spam_info_kw):
            reasons.append(f'垃圾推广({text})')

    # 规则 4b: 仅标签含推广 (警告)
    for tag in tags:
        if any(kw in tag for kw in spam_info_kw):
            warnings.append(f'标签水印({tag})')

    # 规则 5: 低质出版源
    if publisher in bad_publishers:
        reasons.append(f'低质出版源({publisher})')

    # 规则 6: 元数据缺失
    if not publisher and not comments and not tags:
        reasons.append('元数据缺失(无出版社/简介/标签)')

    return reasons, warnings

4. 输出筛选结果

单本核查

对用户指定的 book_id 获取详情后，逐条执行全部 6 条规则，输出详细核查报告。

输出格式

批量筛选结果

按不合格原因分组，每组内按 ID 降序（最新在前）：

### 非中文书籍
- **Kairos** (ID: 274750) — Jenny Erpenbeck | 语言: deu, eng
- **Technofeudalism** (ID: 274724) — Yanis Varoufakis | 语言: eng

### 日系出版社
- **タメ口後輩ギャル...** (ID: 274767) — 緒二葉 | 出版社: 株式会社 集英社

### 低质出版源 (epub掌上书苑)
- **推背图（金圣叹版）** (ID: 274737) — 李淳风 袁天罡

### 作者/出版社含邮箱或垃圾信息
- **一个人的朝圣** (ID: 274764) — asd44858@163.com
- **某书名** (ID: XXXXX) — Administer

### 元数据缺失
- **欧·亨利短篇小说精选** (ID: 274735) — 欧·亨利 | 无出版社/简介/标签

### ⚠️ 标签含推广水印（警告，建议清理标签）
- **巴比松大饭店** (ID: 274752) — 保利娜·布伦 | 标签: 公众号：绿悠书舍

末尾附汇总：

共检查 N 本
❌ 不合格 M 本 (占比 X%)
  - 非中文: A 本
  - 色情/成人: B 本
  - 日系漫画: C 本
  - 邮箱/垃圾信息: D 本
  - 低质出版源: E 本
  - 元数据缺失: F 本
⚠️ 警告 W 本（标签推广水印，建议清理标签）

单本核查报告

## 书籍核查：《书名》(ID: XXXXX)

| 检查项 | 结果 | 详情 |
|--------|------|------|
| 中文书籍 | ✅/❌ | languages: [...] |
| 色情/成人 | ✅/❌ | tags: [...] |
| 非日系漫画 | ✅/❌ | publisher: ... |
| 作者/出版社无邮箱 | ✅/❌ | ... |
| 作者/出版社无垃圾信息 | ✅/❌ | 作者/出版社是否含推广关键词 |
| 标签无推广水印 | ✅/⚠️ | tags 是否含推广关键词（警告级） |
| 出版源合规 | ✅/❌ | publisher: ... |
| 元数据完整 | ✅/❌ | publisher/comments/tags |

**结论**: 合格 / 不合格（原因: ...）/ 合格但有警告（标签需清理）

Checklist

使用前：

• calibre-library 技能的配置已就绪
• 确认操作为只读，不修改书库数据

使用后：

• 所有书籍均经过全部 6 条规则检查
• 输出格式按分组呈现，附汇总统计
• 未执行任何写入操作

常见错误

错误做法	正确做法
仅凭书名语种判断	以 languages 字段为准，书名中文但标记 eng 仍判不合格
忽略 title_sort 字段	用 title_sort 检测片假名标题更准确
只检查部分规则	每本书必须经过全部 6 条规则
一次请求过多详情	批量接口每次不超过 50 个 ID
未统计汇总	始终在末尾附上汇总数据