|
本帖最后由 philostone 于 2012-3-1 17:51 编辑 5 G" ]- ^& _3 A$ e
2 D G" q/ n* z$ U% k1 t2 q7 W4 O6 b* I v1 R" T0 _2 X
一、准备维基资源数据文件
' R/ ^8 N1 v" \# S1. 登陆维基资源数据网站http://dumps.wikimedia.org/backup-index.html;
& _; C3 k! V9 _# R2 d2. 在该网页上查找想要的维基资源(可以用ctrl+f快捷方式),中文代码为zh,意大利文代码是it,zhwiki就是中文维基百科的数据,itwiki就是意大利文的维基百科数据;: J# [8 L% H5 i* {# t
3. 在具体资源网页上下载文件结尾含pages-articles.xml.bz2的文件;6 h4 W8 y3 M& b4 l3 z4 f7 \
4. 下载后解压出文件结尾含pages-articles.xml的文件,把文件名中pages-articles.xml前的部分删掉。
, |6 b% W; |9 L, Y/ r1 B h# f5 b9 Y" ^1 Y, H
二、准备并使用xml转txt的工具,这种工具很多,操作最简单的主要有两种:5 [4 K }7 ~ }
1. WikiToMDict2.0.exe 下载地址http://115.com/file/dpdhh53x#
5 G8 x( B* M& C9 g: g; {在DOS下(CMD下)转到工具所在目录,(不管转何种语言的何种维基资源)键入wikitomdict2.0执行转换;
* Y5 @ r5 k4 a. q/ G- u2 H9 W2. Wiki2TXTv2.1.exe 下载地址http://115.com/file/e73kk63j#. S4 ^8 w2 }7 L9 ^4 }
在DOS下(CMD下)转到工具所在目录,键入wiki2txtv2.1 it wp(注意it前后各有一个空格)。其中it 表示意大利语,如果你转的是中文资源需要用zh 代替it;wp表示百科,如果你转的是文库,则应键入ws。" o c; \/ k' S* b- s/ V+ a
3. 等待一定时间即可完成格式转换(转好的txt文件可以重命名)。. w8 {7 v* x9 `/ j' M Y
9 o( a# A9 V4 B) H$ v! b: W
三、用Mdxbuilder转换TXT文件为MDX文件 u0 F6 @, w( x. i" e3 a
1. 下载最新版的Mdxbuilder程序文件,$ w: I( M5 M# y6 f0 }
2. 在source栏浏览找到转好的txt文件,在Target栏键入想要转换成的mdx文件名(及其路径),style栏可以留空,data栏是在有图片、声音等其他附属文件时才用的,如果有这类文件,输入其所在地址和文件名,original format一般选 MDict(Html),encording一般默认选UTF-8(Unicode),但在法语等语种最好用UTF-16,当然相应的上面的txt也得先打开另存或用其他工具转为UTF-16编码;Title就随便写个标题了;Description主要是词典封面设计,可有可无,了解些html语言,如同设计网页一样可以把词典封面设计得很漂亮,比如你在data所指的文件夹中存了个名为X的图片,你就可以用<img src="/X">把图片弄到封面上……9 e: W# }/ R$ Z1 m
这些完成后点start就开始转换了,依文件大小时间长短不等。
* F6 |3 i0 z! S5 H0 r# a- S- C' Z( k/ l/ U* }& ^
四、可能遇到的问题
- q/ X! e d6 U' {3 W* R1. 如果转换时出现词条名过长的错误,就得按Mdxbuilder提示的位置,打开txt文件查找修改。打开大txt文件推荐使用uedit32(请自己到软件网站或利用迅雷等下载工具下载新版本来使用)。打开文档后,首先ctrl+h切换成十六进制模式,再ctrl+g 输入Mdxbuilder提示的出错位置并查找,然后再ctrl+h切换成文本模式找到对应位置对词条标题进行修正。修正时,如果不好确定词条名,建议到http://www.wikipedia.org/,在相应语种维基资源下,粘贴入从该问题词条中复制的一段正文来找到词条标题。; o# {8 X6 A1 W4 ?
2. 下载解压后的XML文件过大,比如英、德、法等语种的维基资源,可以使用Split.exe这个程序(下载地址http://115.com/file/be6dijue#)来劈成多个部分来转为txt,再用TextForever.exe这个软件(下载地址http://115.com/file/dpdh0bl8#)来合并。
0 t3 u0 w. z1 h2 x0 a, l4 Y0 ^+ h1 p- h3 }
5 ]: c5 Q) l& e, E: D, k; D附:ISO 639-1语言及代码
9 r: J4 z4 F; \3 L6 K3 e |
|