在Calibre中用正则表达式去除日文的注音（振假名）

最近下载了一本轻小说生肉，因为日语太菜，看不懂，打算把它丢去机翻。
原文是AZW3，打算先用Calibre转成txt文档再进行翻译。

注释的原理：ruby标签

日语轻小说中含有大量的注音（也叫振假名，日语为「振ふり仮名がな」；或Ruby，日语为「ルビー」），比如说：

林道を抜け、緩やかな丘陵きゅうりょうに出ると、山賊討伐を任された《七光しちこう騎士きし団だん》の視界前方に、青空に聳そびえる石造りの古城が現れる。

这段话中含有几处注音，在AZW3中，这些注音假名是通过HTML5的新标签ruby实现的：

<ruby><rb>丘陵</rb><rt>きゅうりょう</rt></ruby>
<ruby><rb>七光</rb><rt>しちこう</rt></ruby>
<ruby><rb>騎士</rb><rt>きし</rt></ruby>
<ruby><rb>団</rb><rt>だん</rt></ruby>
<ruby><rb>聳</rb><rt>そび</rt></ruby>

如果要把文章丢进翻译器，我们不希望注音和文章混在一起，需要去除注音。

Calibre转换遇到的问题

如果我们不做修改直接，直接用Calibre对文章进行转换，会得到：

林道を抜け、緩やかな丘陵きゅうりょうに出ると、山賊討伐を任された《七光しちこう騎士きし団だん》の視界前方に、青空に聳そびえる石造りの古城が現れる。

可以注意到，Calibre直接删除了标签，导致振假名混在了文段中，如「丘陵きゅうりょう」，「七光しちこう騎士きし団だん」，这对我们阅读造成了影响，也对翻译效果造成了影响。
所以，我们有必要在翻译前将文档预处理，去除其中的注释。

用正则表达式去除注音

上面已经提过了注音的结构，我们可以用正则表达式对文章中含有此类结构的注音进行去除。
注意到注音的结构均为：

<ruby><rb>被注音文字</rb><rt>注音</rt></ruby>

因此我们用正则表达式检测此类结构，仅需将其中被注音的文字和注音换成任意字符：

<ruby><rb>(.*?)</rb><rt>.*?</rt></ruby>

其中.*表示任意字符，增加符号?使其非贪婪。因为我们要保留被注释文字，所以用小括号扩起被注释部分，小括号相当于一个变量，可以在替换时被重新引用。
在Calibre转换书籍时，在“搜索&替换”中，将上述表达式输入，并在替换文本中输入\1（表示我们前面那个小括号中的文本，即被注音文字）

这样在转换过程中，出现的注音就会被替换了。

效果

使用正则表达式转换的文段：

林道を抜け、緩やかな丘陵に出ると、山賊討伐を任された《七光騎士団》の視界前方に、青空に聳える石造りの古城が現れる。

可以看到，其中的振假名已经去除，基本符合了我们的要求。这样我们就可以把它扔到翻译器里愉快地看机翻啦~

新人第一次发帖，请大家多多包涵 QwQ