在pyglossary项目中处理Stardict转MOBI时的换行符问题

问题背景

在使用pyglossary工具将Stardict格式词典转换为MOBI格式时，用户发现原始词典中的换行符在转换过程中丢失。这导致词典条目内容在Kindle设备上显示为连续文本，缺乏应有的段落分隔。

技术分析

经过对用户提供的词典文件分析，发现以下关键点：

1. 原始词典文件实际上并不包含HTML标签，而是使用普通的换行符(\n)进行格式控制
2. MOBI格式基于HTML结构，需要显式的HTML标签来控制文本格式
3. 简单的换行符在转换过程中不会被自动识别为HTML换行标记

解决方案

要实现保留换行效果的正确转换，需要：

1. 在原始文本中将所有换行符(\n)替换为HTML换行标签(
   )
2. 确保转换前的源文件使用HTML标签而非普通换行符
3. 对于TSV格式的原始词典，可以在预处理阶段完成这种替换

实现建议

对于开发者而言，可以采取以下方法处理：

1. 预处理脚本：编写简单的文本处理脚本，批量替换换行符

with open('input.txt', 'r') as f:
    content = f.read().replace('\n', '<BR/>')
with open('output.txt', 'w') as f:
    f.write(content)

2. pyglossary参数：检查pyglossary是否提供保留格式的转换参数

3. 格式验证：转换前使用文本编辑器检查HTML标签是否已正确插入

经验总结

电子书格式转换中常见的格式丢失问题通常源于：

1. 纯文本格式与标记语言格式的差异
2. 不同阅读器对格式的支持程度不同
3. 转换工具对特殊字符的处理方式

建议用户在转换前充分了解目标格式的规范要求，并进行必要的预处理，以确保转换后的内容保持预期的排版效果。

对于MOBI格式这类基于HTML的电子书格式，明确使用HTML标签而非普通文本符号来控制格式是最可靠的做法。