关于如何存储便于网上浏览的电子书籍

    最近很忙，心情也很糟糕，做项目怎么也进入不了状态。打开blog居然很久没有写点什么了，索性将以前的一个项目拿来说一说，欢迎批评，指教。
    其实呢，也算不了什么项目，只是远程培训，考试(asp web程序)中的一部分，主要是为员工提供网上电子书籍的查询和浏览。其中网上考试和考试管理是用asp做的，就暂时不说它了；而这个电子书籍的查询和浏览是asp.net+c#的web程序，也没有什么说头，我要说的是如何将客户的书籍转换成电子文档并存储到数据库当中。
    客户的书籍量非常大，有600 多本书，所以把书录入到电脑中这一步不可能由机器来完成，据说有这样的机器，但客户是承担不起的他们宁愿请别的公司来做。
    所以到最后要解决的问题就很简单了：
    1.要求第三方公司将书籍录入到word文档，插入正确的书中附图，最后另存为.html格式文件。
（这点一般公司是做的到的，实践证明他们做的很好，注意对书籍的索引编号可参考：书名id->章名id->节名id->图片id 来考虑）
   2.根据前面的索引编号，依次读取.html文件内容，剔除无用部分（wrod自动生成的vml代码，它的存在可能导致你无法正确读取文件中的图片），然后将内容和图片分别存储到数据库当中。这一步需要注意图片标签的替换问题，因为浏览电子书籍时必须将书中的图片也一并显示，所以必须将图片标签指向一个显示页面，列如：src="showimg.aspx?imgid=001",根据索引编号必须将书，章，节，图片做到一一对应，以免出现张冠李戴的错误。
    以下是一些可以删除的内容（供参考）：
   

 1<!--[if !mso]>
 2//可以删除的内容（包括开始和结束标签）
 3<![endif]-->
 4
 5<!--[if gte mso 9]>
 6//可以删除的内容（包括开始和结束标签）
 7<![endif]-->
 8
 9<!--[if gte vml 1]>
10//可以删除的内容（包括开始和结束标签）
11<![endif]-->
12
13<![if !vml]>
14//可以删除的内容（包括开始和结束标签）
15<![endif]-->
16对于一般的书籍浏览而言，删除他们对内容的浏览是没什么影响的。
17

    到这里，就已经完成大部分了，剩下来就是编写程序将html文件导入数据库。读取文件时，先提取文件中的src值，然后根据它来找到图片的存放位置，并依次提取所有图片，替换src值为显示页面，最后存储html内容和图片。
    以上就是存储电子书籍的处理方法，不知道大家还有没有其他好的想法，这个方案的后期问题就是，数据量比较大时，处理速度会比较慢。