搜中文电子书的人都懂那种体验。书名后面加个 epub，前几页全是引流站，点进去先让你关注公众号，关注完甩一个网盘链接，下载下来解压还要密码，密码藏在他朋友圈广告里。半小时过去，书没找着，微信里多了几个随时会发广告的号。
GitHub 上有个开源项目叫 ebook-treasure-chest，中文名电子书下载宝库。它干的事很朴素，把散落各处的下载链接收拢、分好类，放进一个能搜的页面。这类 GitHub 上的热门项目，往往值得先做一轮数据审计再下结论。
— jbiaojerry/ebook-treasure-chest 的 GitHub 仓库页，右上角 Star 显示 19.1k
我把它那份数据文件整个扒下来数了一遍。它确实解决了真问题，但「2.4 万本」的成色未必如你所想。
本文看点
01 它不存书，只存一张能搜的表
02 先把 2.4 万这个数字拆开看看
03 搜索是它最值钱的部分，也是被高估的部分
它不存书，只存一张能搜的表
先说性质。仓库里没有书，装的是书目索引和下载链接。维护者从各电子书网站把链接收进来，给每本书打上分类标签。
— 电子书下载宝库的项目 logo
按项目自己的说法，覆盖帆书 app（原樊登读书）、微信读书、京东读书、喜马拉雅这几家平台的大部分电子书，《可复制的沟通力》这类书确实在库里。文学类 2711 本、历史类 1748 本，这两个大类的存量是实打实的。
先把 2.4 万这个数字拆开看看
在线页的统计卡片写着总书籍数 24,071 本、分类 1,000 个、语言 ZH、格式 EPUB / MOBI / AZW3。我把站点加载的 all-books.json 下载下来看了一遍，7.1 MB，24,071 条一条不差。
— 官方在线页的统计概览与搜索框
然后数字露出了另一面。同一组「书名加作者」的记录会重复出现，24,071 条按这个组合去重只剩 11,388 个，也就是 12,683 条重复收录，占 52.7%。《与机器赛跑》被收录 6 次，东野圭吾相关记录 83 条，去重后 63 个书名。
— 书库数据体检
所以「2.4 万本」是记录数，独立书目大约 1.1 万种。这也解释了为什么搜一本书会看到好几条几乎一样的结果。
搜索是它最值钱的部分，也是被高估的部分
在线搜索页是这个库最值钱的地方。两万四千多条记录靠 Ctrl+F 翻不现实，而它输入即出结果，不用回车不用点按钮。
实现比看上去简单。站点那份 search.js 里，匹配范围只有标题、作者、分类三个字段，多关键词是「每个词都要命中」的逻辑，「沟通 樊登 职场」能收成一条，是因为三个词分别落在书名、作者和分类上。这种前端搜索实现，本质上就是纯 JavaScript 的 DOM 过滤，没什么黑科技。
— 官方在线页的搜索结果
两个边界得知道。一是结果上限 100 条，超了只给前 100 条并标 100+，我实测搜「沟通」命中 128 条，你只看得到 100 条。二是它不搜简介也不搜正文，只记得情节忘了书名的找法不管用。
1000 个分类，中位数只有 3 本
分类数确实是 1,000 个，一个不多一个不少。
— 官方仓库 README 里的热门分类索引
但按收录量排一遍，结构就露出来了。最多的文学 2,711 本，中位数只有 3 本，只收 1 本书的分类 224 个，不超过 10 本的 775 个。
— 分类长尾分布
在线页只铺前 20 个热门分类、每类先列 10 本，剩下交给搜索，全铺开页面没法看，这个取舍合理。
能当书单逛的是前几十个大类，后面一大半标签更像给单本书挂的关键词。至于来源里点名的「敦煌」和「蜡烛图」，确实存在，各有 5 本和 2 本；同一句里提到的「烘焙」，在 24,071 条记录的标题、作者、分类字段里都搜不到，命中 0。
三种格式都写上了，不等于三种都有
数据里每条记录都声明了 epub、mobi、azw3，24,071 条，覆盖率 100%。epub 通用，手机阅读 App 基本都认，mobi 和 azw3 主要伺候 Kindle。
这个整齐得反常，逐本核验过的库存不会这么齐，更像统一写入的字段模板。
而最后一公里是这样的。99.7% 的链接指向同一个第三方网盘域名，几乎都带提取码。点下载之后还要打开网盘页面、输提取码、转存或下载，限速了还得等。24,071 条记录里已经有 69 条的链接字段写着「链接未找到」。
— 网盘里的三个格式文件，原图带公众号水印
两年多、68 次提交，攒出两万四千多条记录
仓库 2023 年 9 月建库，累计 68 次提交，攒出 24,071 条记录，摊下来每次提交带进三百多条。GitHub 上约 1.9 万 Star、2.7k Fork，说明这份索引确实有人用。
它不收钱，不要求关注，搜索页上没有广告位。对比那些先拉人进公众号再甩链接的站点，这个差别本身就是最大的诚意。
仓库在 GitHub 上完整公开，实时搜索页就是从仓库直接发布的，想改关键词范围或分类名字，翻一眼源码就知道在哪动。
同量级还有个反过来的选择。Calibre-Web 的 Star 数跟它几乎一样，但那条路要你囤书、整理、备份，换来的是不依赖任何第三方链接。怕麻烦就用索引，怕失效就自建。
版权那层更需要说清，书是作者一本一本写出来的，链接来自第三方站点，版权情况复杂。把它当试读和找书的工具没问题，真正读下来觉得好的书，还是去正版渠道开会员或买纸书。
什么人适合用，怎么用才不亏
适合四种人。手上有 Kindle 的，Kindle 商店中文书不全，这里三种格式一起给，省掉转格式；听过讲书想找原文细看的，直接搜书名；写东西要翻某本书的具体章节，先下下来确认对路再决定买不买纸书；不知道读什么的时候，把大类当书单逛，比算法推荐有意思。
不适合的也很明确。想找外文书的别抱期待，全库都是中文；想按情节搜书的，它只认书名、作者和分类；想要简介、书评、评分这些内容信息的，它只有书目字段。
用法上有一条能省不少事。搜的时候把书名和作者一起输进去，或者像「沟通 樊登 职场」那样用多个关键词压到几条，比翻一百条快得多。逛分类就从前几十个大类进，别指望只有一两本书的标签。
项目地址是 https://github.com/jbiaojerry/ebook-treasure-chest ，在线搜索页是 https://jbiaojerry.github.io/ebook-treasure-chest/ 。
它把找书这件事从评论区搬进一张能搜的表，可表里装的是别人的网盘，不是书。表能帮你少走半小时弯路，书得自己去拿。
发表于 昨天 23:05
|
查看: 0|
回复: 0
