【一步校書郎】全唐詩校勘——松字部第一

重启校勘。

木门，定“松”字。

取全唐诗txt文本选字，忘记前三部是怎么选了，只觉得直接用excel筛选含松字的诗句做标记，然后删除无标记诗句很麻烦，很慢。筛选到80卷之后决定改法子，简录步骤，省得以后再忘：

1、用word打开全唐诗txt文本，用“替换”将所有换行符号“^P”换成“#”。用替换将所有“##”替换为“”空，以删除原文本空行。（很慢）

2、因文本原有“卷1_1”这样的标志，所以所有的“#卷”替换成“^P卷”，保存为新txt（很慢）

3、打开excel，数据-文本数据-选择新的txt文本

4、因原文本诗词题目有【】分隔，所以筛选-不包含【的数据，以检查是否有错，并方便删除原文本中的卷次，即“卷一～卷九百”，并删除所有无汉字行。

5、原文本有诗词首字为“卷”字，如“卷帘黄叶落”、有补遗卷无题、无作者名直接从诗句开始一卷的，如“卷796都来消帝力”，还有类似无名氏直接空名的，等等问题，在word替换之后，都在excel中单成一行，此类，用记事本查找所在卷次、诗题，一一在excel中改到其后。改完后，excel中可保证一行一个题目，所有诗都跟在题目后居于同一行内。全唐诗数百万字，尽皆保存于一个工作簿的A1列，42861行。保存为txt。

6、用word打开刚保存的txt，将原文本“卷1_1【题目】”替换选择“更多通配符”，将“_*【”替换为“】”，即原标题部分改为“卷1】题目】”。保存为txt

7、excel引用新保存的txt，用“【”作为分隔符，如此“卷x”单独成一列，用“替换”删除“卷”字，设置单元格格式，将阿拉伯数码改为中文小写，1改为“一”。

8、此法更改后，会有如“一百〇一”、“一百一十一”这样的表述，古文中不这么表达数字。选取此列，复制到临时新建的txt文本“a.txt”，保存。用word打开a.txt，将“〇”替换为空，“百一十”替换为“百十”，即109、110、111对应一百九、一百十、一百十一。保存覆盖a.txt 。PS：用word替换比直接用txt快。

9、全选a.txt内容，复制到excel的A1列，检查行数符合。前新开一列补充“卷”字，后新建一列补充“】”符号，另存为txt。用word打开此txt，用“替换”删除空格。保存txt。

至此，原始数据修整完毕。选择“松”字。

1、excel引入修整完的txt文本数据，筛选含有“松”字的行，复制。

2、将选择毕的数据粘贴入word。将所有“#”替换为换行符“^P”，此时，一个换行符即一首诗。保存，并另存txt。

3、excel引入新文本，筛选包含“】”的行，可得所有诗题。复制到新文本。保存

4、excel引入新文本，以“】”为分隔符，则卷次、题目、作者各为一列，全选复制入“考订参阅书名”excel模板，另存为“松.xls”。

5、从全唐诗作者人名表查询名字有松字者，如曹松、皇甫松、杜之松、张松龄，在松字word文档检索名字，再检索松字，诗题正文无者删除。

6、795、796、寒山300篇、花蕊宫词等卷手工删除无松字篇。

检查虚拟机xpmode可运行。

将“人名不入选字”条加入凡例。

更新原建立之批处理文件“启动套.bat”内文件路径。

检查备份网盘skydrive、百度云、360正常备份

新建word文档，名“日志”，此后不再用outlook日记功能记录日志。

顺便的统计：涉及诗3308篇，697P，41万字。依前3部大约的规律，松字部完结之时最少要到1500P，字数近或破百万……，今年杯具了

至此，准备工作完成，输入法切回繁体，開工。