我们完成了中文版发布

由志愿者j抓取的 爱阅电子书（发音为ai rit i-books; airitibooks.com）。

CADAL 是一个古籍收藏。bpb9v解释道：“1. CADAL有两个建设阶段，第一个阶段（数字化一百万本书籍）从2001年到2006年，第二个阶段（数字化150万本书籍）从2007年到2012年。之前由“woz9ts”发送下载链接的图书馆来自第一阶段。
2. 这个图书馆是由一个名为“h”的人在2016年之前下载的。他们利用一些漏洞进行下载。我找到的关于这个图书馆的最早链接是发表于2015年4月。
3. 在这个图书馆中，有超过60万份文件，其中大约一半是书籍或杂志，另一半是论文。似乎没有办法通过ID分离这些文件。
4. 我听说“h”在2021年分享了一些来自第二阶段下载的文件，但我没有找到其他的信息来源。此外，我在我的云盘中找到了一个名为的文件夹，里面有许多读秀书籍，但我不知道它的来源。”

由我们的志愿者cgiym提供，来自各种来源的文本（以子目录表示），包括来自中国工信出版社（一家主要的中国出版商）。

由志愿者cm抓取的关于中国建筑的书籍：我通过利用出版社的网络漏洞获取了它，但该漏洞现已被修复。

由志愿者“qp”抓取的中国平台书库。

读秀是一个庞大的扫描书籍数据库，由超星数字图书馆集团创建。大多数是学术书籍，扫描后以数字形式提供给大学和图书馆。对于我们的英语读者，普林斯顿大学和华盛顿大学有很好的概述。还有一篇优秀的文章提供了更多背景信息：“数字化中国书籍：超星读秀学者搜索引擎案例研究”。

读秀的书籍长期以来在中国互联网上被盗版。通常它们被转售商以不到一美元的价格出售。它们通常通过中国版的Google Drive分发，这些平台经常被黑客攻击以增加存储空间。一些技术细节可以在这里和这里找到。

尽管这些书籍已经半公开分发，但要批量获取它们还是相当困难的。我们将此列为待办事项的高优先级，并分配了数月的全职工作时间。然而，在2023年末，一位令人难以置信、惊人且才华横溢的志愿者联系了我们，告诉我们他们已经完成了所有这些工作——并为此付出了巨大的代价。他们与我们分享了完整的收藏，不求任何回报，只希望能长期保存。真是令人钦佩。

读秀的种子和文件路径包含从原始ZIP文件转换而来的PDF文件。部分转换使用了我们采用志愿者代码的pdgconvert工具。那些已经处于适当格式（如PDF、EPUB或DJVU）的文件被包括在不同的“上传”种子子集合、数据集描述和文件路径中。

由志愿者w直接从读秀收集的读秀epub。只有最近的读秀书籍可以直接通过电子书获取，因此这些书籍大多数都是近期的。

更多格式为“TS*”（较新文件）的读秀文件，由志愿者“w”抓取。

志愿者“woz9ts”解释说：“国学大师资源库是https://www.guoxuedashi.net/。这个网站有一个不错的古籍收藏。它发布了多个版本的本地图书阅读器（带加密的metadata和全文数据库）。我找到了提取密钥和解密数据库的方法。我的‘gxds’收藏涵盖了国学大师资源库/软件文件夹。”

由志愿者“w”抓取的huafuzhi.com。主要由c-textilep（中国纺织出版社）出版。

由志愿者“bl”抓取的台湾华文电子书库。志愿者“bpb9v”指出：“我认为国学大师的私密社区以前抓取过这个。我在书商网站上看到过一个收藏。”

龙泉司法档案精选，由志愿者c提供。部分metadata可在index for Longquan archives.xls中找到，更多信息在instruction.txt中。

志愿者“w”抓取的人邮社。

由志愿者“qp”、“w”和“ma”抓取的科学阅读。“qp”解释：“在2024年8月，网站出现了前所未有的漏洞。我们安排了大约30人来抓取。”

上海图书馆的古籍。

志愿者“w”抓取的ZJJD.cn。更多信息：[1]。许多图书仅为预览版，因此只包含metadata。“w”将“.zjjd”扩展名解密为“.pdf”，使用AES密码"xSeZw1dY2HKAj3yk"。

由志愿者和联合收藏的蜀阁。

志愿者“w”抓取的书魁网，一个中国影子库，它以独特方式分发和加密文件。我们推测解密网址jyjl.org由同一人运营，但被分开以避免法律问题。我们设法获取了他们的“二级图书馆”（CDL，中国数字图书馆，由国家图书馆建设）。“主图书馆”仍需完成，不过它似乎与我们现有的“读秀”收藏有显著重叠。
 
志愿者“bpb9v”解释：“他们从未提到这个图书馆的全名，只说‘中数’。我猜这指的是‘中国数字图书馆（Chinese Digital Library, CDL）’。这个图书馆由国家图书馆下属的一家公司建设。有时它被称为‘中数书屋（CDL Book Room）’。”

来自志愿者“w”的中国社会科学图书馆的metadata抓取。还需要有人来抓取实际的文件。

超星是读秀背后的公司。bpb9v解释：“超星期刊：这些期刊可以在https://epubf.5read.com/qikan/ZYJC/ZYJC202201/index.html这样的链接中阅读，原始PDF文件可以从https://epubf.5read.com/qikan/ZYJC/ZYJC202201/files/extfile/ebook.pdf下载。ZYJC是《中国中医基础医学杂志》的缩写。220101表示2022年第1期。”

由志愿者“woz9ts”抓取的影子库“台湾图书馆馆藏书籍（2T）”。看起来它来自这些官方网站[1][2]。我们结合了来自台湾特藏预览.zip和【新】台湾特藏目录.xlsx的metadata。我们将文件转换为PDF，但也保留了原始.zip文件（因为有些无法正确转换）。

文曲经典图书馆。bpb9v解释：“这个网站现在无法访问，因为有人（可能是书商）在短时间内抓取了过多的数据。约有8万份PDF文件和4千份epub文件（还有一些mobi文件）。所有pdf文件都在官网上，因此现在无法访问。但是epub文件存储在阿里云服务器上。它们都已上传。”

来自志愿者woz9ts的收藏：program-think，haodoo（附加metadata和代码：[1][2][3]），skqs（由迪志（Dizhi）在台湾创建；有两个地方：[1][2]），mebook (mebook.cc, 我的小书屋，我的小书房 — woz9ts: 此网站主要专注于分享高质量的电子书文件，其中一些是由站长本人排版的。站长于2019年被捕，后来有人整理了他分享的文件集。）。

志愿者“woz9ts”解释：“万方新方志45616是一个重要的收藏。方志是一种书籍，包含一个镇/县的历史、经济、农业、地理、文化及其他评论。这些书籍由地方政府每隔几十年编纂一次。XFZ表示新方志。万方是一个数字图书馆。”数据似乎是从较小的PDF中拼接而来的（见 './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'），而pdf内容的创建者似乎是'pdftk'。所有文件似乎都是在2020年8月11日左右生成的。duxiu_main2/万方新方志45616中的文件名与万方的标题相匹配。

相关链接[1][2][3][4][5]。