TXT Chapter Detector

纯 Java、离线、零依赖的 TXT 小说目录识别算法。

从完整文本中提取章节标题与 UTF-16 字符偏移，可用于 Android、Kotlin/JVM、桌面 Java 程序或服务端工具。

特性

• 无网络、无 AI API、无第三方运行时依赖；不会上传用户 TXT 文件。
• 支持传统标题：第十二章 标题、第3卷、序章、楔子、后记、完结感言、番外：标题。
• 支持数字紧贴标题：1标题、2 标题、仅编号标题 38。
• 支持同编号分段：47标题（上）、47标题（下）、4Part上/下。
• 过滤常见噪声：打赏记录、日期、问卷题号、链接、元数据和正文短句。
• 返回标题所在原文行号和 UTF-16 字符偏移，可直接用于 Android TextView 跳转。
• 自带单元测试。

快速开始

将 ChapterDetector.java 放入项目，调用：

String text = loadYourTxt();
List<ChapterDetector.Chapter> chapters = ChapterDetector.detect(text);

for (ChapterDetector.Chapter chapter : chapters) {
    System.out.println(chapter.line + " | " + chapter.offset + " | " + chapter.title);
}

Kotlin 可直接调用：

val chapters = ChapterDetector.detect(text)
val offset = chapters.first().offset

输出模型

字段	说明
offset	标题行在 Java String 中的 UTF-16 字符偏移
line	从 1 开始的原文行号
title	去除首尾空白后的原始标题行
kind	numbered（数字序列）或 explicit（显式标题）
confidence	规则置信等级，94–100；不是机器学习概率

算法概览

1. 按行扫描文本，记录行号和每行的 UTF-16 起始偏移。
2. 高置信度识别传统章节、序章、后记和番外。
3. 收集数字开头的短行，并过滤问卷、打赏、URL、元数据和句末正文。
4. 只保留从 1 开始的连续编号；同编号仅在“上/下/篇/part”分段时保留。
5. 合并、按偏移排序、去重并输出章节列表。

Android 跳转示例

offset 与 Android TextView 使用的 UTF-16 下标一致：

int visualLine = layout.getLineForOffset(chapter.offset);
scrollView.smoothScrollTo(0, layout.getLineTop(visualLine));

构建和测试

需要 JDK 8 或更高版本及 Gradle：

gradle test
gradle jar

开源许可

本项目采用 MIT License。

English summary

TXT Chapter Detector is a dependency-free Java library for offline novel chapter detection. It supports conventional Chinese headings, numeric-inline headings, split chapters, and common noise filtering.