安娜的博客：中文版本正式发布
发布于annas-archive.li博客，2025年11月28日
内容提要：历时两年筹备的中文版本终于正式上线，本文将对相关工作内容进行概述。
我们欣喜地宣布，始于两年前本月的中文版本筹备工作已圆满完成。在一众中文志愿者的不懈努力下，我们成功整合并发布了读秀及其他多个中文文献馆藏资源。下文将对各子馆藏资源及相关工作情况进行简要介绍。
华艺电子书
由志愿者j爬取自华艺电子书平台（网址：airitibooks.com）。
大学数字图书馆国际合作计划（CADAL）
这是一个古籍文献馆藏库。志愿者bpb9v介绍道：“1. 该馆藏库的建设分为两个阶段，第一阶段为2001至2006年，完成了100万册图书的数字化；第二阶段为2007至2012年，新增了150万册数字化图书。此前志愿者woz9ts分享下载链接的馆藏资源，均来自第一建设阶段。2. 这批馆藏资源由一位名为h的人士在2016年前下载获取，其利用了平台的部分技术漏洞完成下载。我查到的关于该馆藏库的最早分享链接发布于2015年4月。3. 该馆藏库包含超过60万个文件，其中约半数为图书或期刊，剩余半数为论文，目前暂无法通过文件编号对两类资源进行区分。4. 据我所知，h曾在2021年分享过部分第二阶段的下载资源，但未找到其他相关信息来源。此外，我在自己的云盘里发现了一个文件夹，里面存放着大量读秀的图书资源，但暂时不清楚这些资源的具体来源。“
cgiym 馆藏
由志愿者cgiym整理提供，文献内容来源于多个渠道（在馆藏中以子目录形式区分），其中包括机械工业出版社（中国大型出版社之一）的出版物。
中国建筑文献馆藏
由志愿者cm爬取的中国建筑类书籍资源。cm表示：“我是利用某出版社的网络漏洞获取到这批资源的，不过该漏洞目前已被修复。“
得到馆藏
由志愿者qp爬取自得到平台的电子书资源。
读秀馆藏
读秀是由超星数字图书馆集团打造的大型扫描图书数据库，馆藏以学术类书籍为主，数字化后主要面向高校及图书馆提供服务。对于我们的英文读者，普林斯顿大学和华盛顿大学的相关资料中对读秀有较为详尽的介绍。此外，《数字化中国书籍：超星读秀学者搜索引擎案例研究》一文也提供了丰富的背景信息。
长期以来，读秀平台的图书资源一直在中国互联网上被非法传播，倒卖者往往以不足1美元的低价对外售卖。这些盗版资源通常通过中国版的谷歌云端硬盘类平台进行分发，而这类平台又常常被黑客攻击以扩充存储空间。相关技术细节可参考此处和此处。
尽管这些图书资源已处于半公开传播状态，但要实现批量获取仍存在不小难度。我们曾将批量获取读秀资源列为高优先级待办事项，并计划投入数月的全职工作时间推进此事。然而，2023年末，一位能力出众、令人赞叹的志愿者主动联系我们，表示其已独立完成了所有相关工作——并且为此付出了巨大的代价。该志愿者无偿向我们分享了完整的馆藏资源，仅希望这些资源能够得到长期妥善保存。这种无私奉献的精神令人钦佩。
读秀资源的种子文件和文件路径清单中包含的PDF文件，均由原始ZIP格式文件转换而来。部分格式转换工作借助我们的PDG格式转换工具完成，该工具由志愿者基于相关代码改编优化而成。对于已为PDF、EPUB、DJVU等通用格式的文件，则被归入不同的”上传版”种子子馆藏、数据集说明文档及文件路径清单中。
读秀EPUB馆藏
由志愿者w直接从读秀平台收集的EPUB格式电子书。由于只有近年出版的读秀图书才会提供电子书版本，因此该馆藏中的资源大多为较新的出版物。
读秀TS格式馆藏
由志愿者w爬取的更多读秀资源，文件为”TS*“格式（较新版本的文件格式）。
国学大师EPUB馆藏
志愿者woz9ts介绍道：“国学大师资源库的网址为 https://www.guoxuedashi.net/ 。该网站收录了丰富的古籍资源，曾推出过多个版本的本地阅读器（阅读器内置加密元数据及全文数据库）。我已找到提取密钥并解密数据库的方法，本次整理的’gxds’馆藏，覆盖了国学大师资源库的软件资源文件夹内容。“
华服志馆藏
由志愿者w爬取自华服志网站（huafuzhi.com）的资源，馆藏图书主要由中国纺织出版社出版。
台湾华文电子书库馆藏
由志愿者bl爬取自台湾华文电子书库的资源。志愿者bpb9v补充道：“我了解到国学大师的内部社群此前也曾爬取过该平台的资源，我还在某售书网站上见过相关的资源合集。“
龙泉司法档案馆藏
由志愿者c提供的龙泉司法档案精选资源。该馆藏的部分元数据可查阅《龙泉司法档案索引表.xls》，详细说明信息可参考《使用说明文档.txt》。
人民邮电出版社馆藏
由志愿者w爬取自人民邮电出版社的图书资源。
科学文库馆藏
由志愿者qp、w及ma联合爬取自科学文库的资源。qp介绍说：“2024年8月，该网站出现了一个前所未有的技术漏洞，我们组织了约30人的团队开展爬取工作。“
上海图书馆古籍馆藏
来自上海图书馆的古籍资源。
ZJJD馆藏
由志愿者w爬取自ZJJD.cn网站的资源，更多相关信息可参考文献1。该馆藏中的不少图书仅为预览版本，因此仅收录了这类图书的元数据信息。w使用AES加密密码”xSeZw1dY2HKAj3yk”，将后缀为.zjjd的文件解密转换为PDF格式文件。
书格馆藏
由志愿者cgiym和woz9ts联合整理的书格网站（shuge.org）资源合集。
书魁网中国数字图书馆馆藏
爬取自书魁网的资源，该网站是一个中文影子图书馆，其文件分发及加密方式十分特殊。我们推测解密网站jyjl.org与书魁网的运营者为同一人，采用分开运营的模式是为了规避法律风险。本次我们成功获取了该网站的”二级馆藏”（即中国数字图书馆，由中国国家图书馆下属企业建设）。其”一级馆藏”的爬取工作目前尚未开展，不过该馆藏资源与我们已有的读秀馆藏存在较高重合度。 志愿者bpb9v解释道：“该平台从未提及这个馆藏的完整名称，只以’中数’代称。我猜测’中数’指的就是’中国数字图书馆’。该馆藏由中国国家图书馆下属的一家公司负责建设，有时也被称为’中数书屋’。“
中国社会科学文库馆藏
由志愿者w爬取的中国社会科学文库元数据资源。目前该文库的实体文件爬取工作仍有待推进。
超星期刊馆藏
超星公司是读秀平台的运营方。志愿者bpb9v介绍道：“超星期刊的阅读链接格式示例为 https://epubf.5read.com/qikan/ZYJC/ZYJC202201/index.html ，对应的原版PDF文件下载链接格式为 https://epubf.5read.com/qikan/ZYJC/ZYJC202201/files/extfile/ebook.pdf 。其中’ZYJC’是《中国中医基础医学杂志》的拼音缩写，‘220101’代表2022年第1期。“
台湾图书馆馆藏
由志愿者woz9ts爬取自影子图书馆 “台湾图书馆馆藏书籍（2T）“的资源。该馆藏资源的来源似乎是台湾地区的一些官方网站（参考链接1、链接2）。我们整合了《台湾特藏预览.zip》与《【新】台湾特藏目录.xlsx》中的元数据信息。在资源处理过程中，我们将相关文件转换为PDF格式，同时也保留了原始ZIP格式文件（因部分文件转换后存在异常）。
文曲馆藏
即文曲经典图书馆的资源。志愿者bpb9v介绍道：“该网站目前已无法访问，原因是部分人士（很可能是倒卖资源的书商）在短期内对网站进行了大规模爬取。该网站原有约8万份PDF文件、4000份EPUB文件（以及少量MOBI文件）。所有PDF文件原存储于网站官方服务器，因此现在已无法获取；而EPUB文件存储于阿里云服务器，目前已全部完成上传。“
woz9ts 个人贡献馆藏
由志愿者woz9ts整理提供的多个馆藏资源，包括：编程随想博客资源、好读网资源（附带补充元数据及相关代码，参考链接1、链接2、链接3）、迪志藏书资源（由台湾地区的迪志公司出品，资源来源参考链接1、链接2）、我的小书屋资源（网址：mebook.cc）。woz9ts介绍说：“该网站专注于分享高品质电子书资源，其中部分图书由站长亲自排版制作。站长已于2019年被捕，目前这个馆藏是由他人整理的站长生前分享的资源合集。“
万方新方志45616馆藏
志愿者woz9ts介绍道：“万方新方志45616是一个极具价值的馆藏。‘方志’即地方志，是由地方政府每隔数十年编撰一次的文献，内容涵盖当地的历史、经济、农业、地理、文化等多个方面。‘XFZ’是’新方志’的拼音缩写，‘万方’则是万方数据知识服务平台的简称。“该馆藏的数据由多个小型PDF文件拼接而成（拼接操作可参考文件”./江苏省/XFZ20651.《南京市志》第一册(总述、大事专记、地理、人口、环保)/combin.bat”），所有PDF文件的创建工具均显示为”pdftk”，文件的生成时间似乎都在2020年8月11日前后。读秀主馆藏2目录下”万方新方志45616”文件夹内的文件名，均已与万方数据的图书标题完成匹配。
国学大师资源库/古籍馆藏
更多详细信息可查阅以下页面：读秀数据集详情页、读秀种子文件下载页、上传版数据集详情页、上传版种子文件下载页、其他元数据数据集详情页、其他元数据种子文件下载页。
在此，向所有辛勤付出的志愿者致以最诚挚的谢意。当然，新的资源整合工作永远在路上，我们的步履从未停歇。
——安娜及团队 敬上（[Reddit社区入口](https://www.reddit.com/r/Annas_Archive/)）