一、windows命令行实现chm帮助文件，转换为html文件，方法是：
D:\1>hh -decompile d:\1\html d:\1\AutoIt.chm
需要注意的是 ：
d:\1\AutoIt.chm 这是chm绝对路径，必须是绝对路径
hh -decompile 是固定的
d:\1\html 这个目录是html存放的目标目录，必须是绝对路径；
二、html文件已可用，但其中的链接为JS生成，不方便AI处理。使用程序转换为AI容易抓取的html,如下：
private void button34_Click(object sender, EventArgs e)
{
//使用示例：
OpenFileDialog openFileDialog = new OpenFileDialog
{
Filter = "Html Files|*.htm",
Title = "请选择一个Html文件"
};
if (openFileDialog.ShowDialog() == DialogResult.OK)
{
var converter = new HtmlLinkConverter();
// 读取文件内容
string filePath = openFileDialog.FileName;
string inputHtml = File.ReadAllText(filePath, Encoding.GetEncoding("GB2312"));
string outputHtml = converter.ConvertToStaticLinks(inputHtml);
// 保存处理后的内容
SaveFileDialog saveFileDialog = new SaveFileDialog
{
Filter = "Html Files|*.htm",
Title = "保存处理后的文件",
FileName = Path.GetFileNameWithoutExtension(filePath) + "_processed.htm"
};
if (saveFileDialog.ShowDialog() == DialogResult.OK)
{
File.WriteAllText(saveFileDialog.FileName, outputHtml, Encoding.UTF8);
MessageBox.Show("文件已成功保存！", "保存成功", MessageBoxButtons.OK, MessageBoxIcon.Information);
}
}
}
public class HtmlLinkConverter
{
public string ConvertToStaticLinks(string htmlContent)
{
// 提取所有d.add节点
var nodes = ParseDTreeNodes(htmlContent);
// 构建树结构
var nodeMap = BuildNodeMap(nodes);
// 生成静态HTML列表
var staticContent = GenerateStaticHtml(nodeMap);
// 替换原始动态内容
return ReplaceDynamicContent(htmlContent, staticContent);
}
private List<DTreeNode> ParseDTreeNodes(string html)
{
var nodes = new List<DTreeNode>();
var regex = new Regex(@"d\.add\((\d+),\s*(-?\d+),\s*""(.*?)"",\s*""(.*?)""\);");
foreach (Match match in regex.Matches(html))
{
nodes.Add(new DTreeNode(
int.Parse(match.Groups[1].Value),
int.Parse(match.Groups[2].Value),
match.Groups[3].Value,
match.Groups[4].Value
));
}
return nodes;
}
private Dictionary<int, List<DTreeNode>> BuildNodeMap(List<DTreeNode> nodes)
{
var nodeMap = new Dictionary<int, List<DTreeNode>>();
foreach (var node in nodes)
{
if (!nodeMap.ContainsKey(node.ParentId))
nodeMap[node.ParentId] = new List<DTreeNode>();
nodeMap[node.ParentId].Add(node);
}
return nodeMap;
}
private string GenerateStaticHtml(Dictionary<int, List<DTreeNode>> nodeMap)
{
var sb = new StringBuilder();
sb.AppendLine("<ul>");
GenerateTree(nodeMap, -1, sb, 0); // 从根节点开始（父ID=-1）
sb.AppendLine("</ul>");
return sb.ToString();
}
private void GenerateTree(Dictionary<int, List<DTreeNode>> nodeMap, int parentId, StringBuilder sb, int level)
{
if (!nodeMap.ContainsKey(parentId)) return;
foreach (var node in nodeMap[parentId])
{
var indent = new string(' ', level * 4);
sb.Append($"{indent}<li>");
if (!string.IsNullOrEmpty(node.Url))
{
sb.Append($"<a href=\"{node.Url}\">{node.Name}</a>");
}
else
{
sb.Append(node.Name);
}
if (nodeMap.ContainsKey(node.Id))
{
sb.AppendLine("\n" + indent + " <ul>");
GenerateTree(nodeMap, node.Id, sb, level + 1);
sb.AppendLine(indent + " </ul>");
}
sb.AppendLine("</li>");
}
}
private string ReplaceDynamicContent(string originalHtml, string staticContent)
{
// 移除所有JavaScript代码
var regex = new Regex(
@"<script[^>]*>[\s\S]*?</script>",
RegexOptions.Multiline
);
var cleanedHtml = regex.Replace(originalHtml, string.Empty);
// 替换动态生成部分
var dynamicRegex = new Regex(
@"<div class=""dtree"">[\s\S]*?</div>",
RegexOptions.Singleline
);
return dynamicRegex.Replace(cleanedHtml, staticContent);
}
}
public class DTreeNode
{
public int Id { get; }
public int ParentId { get; }
public string Name { get; }
public string Url { get; }
public DTreeNode(int id, int parentId, string name, string url)
{
Id = id;
ParentId = parentId;
Name = name;
Url = url;
}
}
使用上面的程序处理___left.htm文件，主htm文件类似下面并另存为utf-8的格式：
<HTML>
<HEAD>
<meta charset="gb2312">
<TITLE>海南省2023定额章节说明及文件汇编.chm</TITLE>
</HEAD>
<FRAMESET border=4 cols="100%">
<FRAME name=left marginWidth=5 marginHeight=5 src="海南省2023定额章节说明及文件汇编\___left.htm">
</FRAMESET>
</HTML>
因为早期微软的一些原因，CHM的编码并不是统一的，一般中文的是gb2312,实际编码为ansi，需要将___left.htm等文件另存为utf-8编码，并在文件头中加上下面的标识，程序才可以正确识别。
<meta charset="gb2312">
三、替换你不想要的一些版权信息，可以直接替换或使用程序都可。
四、上传上面处理的html文件到网站某个文件夹，包含所有文件及图片等。
五、使用https://calc.xycost.com/Chatgpt/ScrapeWeb.aspx来抓取相应的链接，如果链接含中文，也可用ai来生成列表
六、AI知识库-导入文本数据集-网站链接，粘贴上面生成的链接即可。
七、使用嵌入模型来进行向量化，然后AI就可以使用了。
八、修改\eingeering\html\下的chmviewer.aspx.cs及default.aspx中的相应内容，如下所示，是通过目录下的catalog.txt文件来显示内容的，该文件可通过本人的采集程序生成。
{ "hainan-2025-quota-docs", "海南省2025预算定额章节说明" },
{ "hainan-2023-quota-docs", "海南省2023概算定额章节说明及文件汇编" },
{ "hainan-2017-quota-docs", "海南省2017定额章节说明" }, // Ensure this directory name matches exactly
{ "guangdong-2018-quota-docs", "广东省2018定额章节说明" },
{ "guangxi-2024-quota-docs", "广西清单定额说明及计算规则" }, // Original name was "广西2024定额章节说明及文件汇编" - ensure consistency
{ "jiangsu-2014-quota-docs", "江苏定额说明" },
{ "jiangsu-municipal-2021-quota-docs", "江苏省市政工程消耗量定额(2021年)章节说明" },
{ "zhejiang-2018-quota-docs", "浙江省2018序列定额章节说明" },
{ "zhejiang-policy-docs", "浙江省政策性文件汇总" },
{ "hubei-2024-quota-docs", "湖北2024序列定额章节说明" }, // Original name was "湖北省2024序列定额章节说明"
{ "henan-2016-quota-docs", "河南2016序列定额章节说明" },
{ "beijing-housing-repair-2023-calc-docs", "北京房屋修缮工程工程量计算标准(2023)说明" },
{ "beijing-housing-repair-2021-budget-docs", "北京市房屋修缮工程计价依据预算消耗量标准(2021)" },
{ "beijing-construction-2021-budget-docs", "北京市建设工程计价依据预算消耗量标准(2021)" },
{ "highway-2018-compilation-docs", "2018公路系列定额编制办法及说明" },
{ "inland-shipping-2019-budget-quota", "内河航运工程预算定额(2019)" },
{ "dredging-2019-budget-quota", "疏浚工程预算定额(2019)" },
{ "coastal-port-hydraulic-2019-quota", "沿海港口水工建筑工程定额(2019)" },
{ "distribution-network-20kv-2022-docs", "20kV及以下配电网工程预规及定额章节说明(2022年版)" },
{ "hydropower-budget-quota-docs-2024", "水电工程概预算定额说明文档(2024)" },
{ "water-conservancy-budget-rules-docs-2024", "水利概预算工程及编规说明文档" },
{ "soil-water-conservation-estimate-quota-docs-2024", "水土保持工程概算定额(2024)说明文档" },
评论0