mdb xls mdx dict词库格式相互转换
本帖最后由 lixun305 于 2014-1-9 19:25 编辑http://pan.baidu.com/share/home?uk=2718706185#category/type=0这是连接地址，只是抛砖引玉.
mdb词库：
1. 现代汉英综合大辞典
2. 21世纪大英汉词典_微调版本
3. 牛津英汉简明词典修正版
4. 朗文当代英语词典5版
5. 诗词总汇
6. 牛津英汉词典
7. 牛津高阶学习词典英汉双解第7版OALD7
分析有偏颇，不当之处，请谅解。
mdx词典日渐丰富，仔细看来，下面列举的都是相通的：
1. chm (hlp) 文件可以查找，复制，有索引。查找索引或内容或。。。
2. 网上百科 例如百度，维基，内容海量，查找甚爽。
3. dict(startdict)这个研究不深入，仅可以读取它的内容，相比查找方式和mdx差不多。
4. 有些软件生成的exe文件，也有内嵌的查找功能。 也包括大型的词典软件（例如牛津出的光盘版），一般小民也无福，无M消受啊。
5. pdf 文件，可有索引，查找索引或内容。
6. xls文件Excel格式，可以直接打开看，当然查找再方便不过了，不过，记录数不成超过65536(现代英汉综合大辞典，21大英汉辞典，牛津英汉简明词典。。。被pass了)。 单个条目不能超过32767个字符。这些限制可能excel2007以上都已解决，但我是一直windowsxp + office2003的ghost系统，谁想再重装一次恶心人的office2007呢。唉，这个格式限制甚是恶心啊。
7. mdb文件 这个是微软access的主打格式，小型数据库文件，但接口方便灵活，规模较小（甚至绿色版都可以）。对记录总数和单条的限制几乎没有，对一般p民来说足够用了。
网上许多软件其实就是mdb的外壳，查找，编辑等一体，当然，为了保护知识产权，加了密的居多（但可以破解2003, 2007格式，其它未知，:p)。
8. mdxmdx的词典丰富，内容紧凑，尺寸小，查询快速（只是快速，但这确实很重要），可联合查找，手机pc都可以用。。。优点不一而足, 我就不细说了，只说其缺点，这里绝无贬低之意，只为探讨，学术性的，:p...
(1) 只能对索引进行查找，因此基本上就是索引，内容两部分内容，更多的信息只能存于内容中，靠html的格式进行格式的编排。
(2) 对索引的查找无法精细化，例如：
大小写敏感dog DOG, CALD cald，在很多时候还是有区别的.
查找个数无法限制，有时真的不需要找到很多，一个足以，或者三五个就行，可是出来一堆很头大。
没有匹配方式例如：这些匹配方式有时真的很有用，特别是有几十万个词条的时候，出来成百上千个查找结果，情何以堪。
精确匹配dogdog, dogmatic，dog's head, 只dog可以
单词匹配fatfat, fat salary, fat job均可
模糊匹配fatfate, stepfather 均可
从头匹配fatfate, fat job可以，stepfather不可以。 只有从头开始是fat的才可以。
(3) 无法高级查找(多个条件查找）例如：
查找成语：要查 ?三?四组成的成语（不三不四，朝三暮四，丢三落四，低三下四。。。），其实就是含有通配符，需要满足有 三 四 关键词的查找方式。
查找诗词库中李白写到黄鹤楼的诗词：(望黄鹤楼, 与史中郎钦听黄鹤楼上吹笛, 李白见崔颢《黄鹤楼》有感)。其实就是要求词库中至少有作者，题目（或内容）两个字段，然后查找条件： 作者为李白且 题目=黄鹤楼(模糊匹配，不从头匹配）。
(4) 无法对多个查找内容综合到一个窗口内并且对查找内容二次查找。
例如诗词库查作者李白，出来984条记录（这是中华诗词总汇中收录的李白诗词）。 这么多诗词，包含作者，题目，年代，题材，类别，内容，感想，出处等信息，通过一个简单的分割条放置在一起，导出成txt或者html文件，不就是一本：《李白诗词大全》吗？ 如果仅仅在pc上查找，出来984条记录也挺头大的，于是二次查找很有必要，例如：就在这个结果中查找出现 “庐山”的诗词，并且逐一定位，很有必要啊。
(5)无法对词库进行编辑
包括删除，添加，更新，查补（用其它来源的词库文件对现有的进行查漏补缺）。
例如，安装了英汉词典，只有36691个词汇，好多查不到，但又不想用动辄30多万甚至上百万的词汇量，于是只对自己感兴趣的若干词条导入到其中，很有必要。
再例如：看到错误或疑问，是否可以对源词库进行更新：例如孩子问杨万里的宿新市徐公店怎么背， 诗词总汇呀，赶紧查，(作者 杨万里 and题目 宿新市徐公店)，出来了：篱落疏疏小径深，孩子撅嘴了，不对，我们语文课本上是篱落疏疏一径深，怎么回事，可不能与国家教育部的相悖啊，赶紧上网再查，果然，两个版本都有，没办法了，只好以国家出的为权威了，于是，需要更新这首诗，省得以后孩子再查的时候又错了。 但mdx不好办啊。
再比如：诗词，高鼎的村居(草长莺飞二月天)，孩子又忘了，结果，诗词总汇居然没有高先生的诗词，于是添加进去吧。 但mdx不好办吧。
(6) 无法做到一些完美的查找。
例如，有了汉语字典库， 里面，部首，划数等都有了，做到新华字典的部首查字法不难吧，但mdx就word, content(一堆)两个字段，难呢。但对含有多个字段的词库来说，只要文件在手，编程不愁，部首查字有何难哉。 不就是定义一个部首，划数联合查找吗（ 部首=??? and 划数=?）。
再比如：四角号码查字法，虽然鲜有人用，但是，本人上初中，家里有一本《四角号码新词典》，商务印书馆的，熟记了口诀之后，有时查的还是挺快的，好吧，不说了，为了回忆一下以前， 这个汉字库中有一个字段就是汉字的四角号码，有了这个，不就是一个不同字段的查找吗（ 四角号码=？？)
(7) 无法保存查找结果。
两个方面。 一，查找的结果可以导出成txt或htm文件二，查找条件（关键词，查找范围，匹配方式等）和哪个词库，哪个字段保存下来即可，想看一下历史查找记录，将这些查找条件调出来即可复现，关键是你得能调出来呀。
(8) 无法浏览整个词库
例如，诗词库，就像excel的表格一样，在一个界面下，按照字段，记录的二维表格方式浏览。当然，这种浏览更多是为了方便，直观的编辑词库。 如果词库太大，就不说了把，光打开一次就头大。
说道这里，如果词库太大，对他的编辑可以逐条进行。
(9)待发现，呵呵。。。。。。
以上问题，总有相应的词典软件或者词典库能够解决，但想都做到，并且做的通用性和专用型于一体，还真难啊，但如果有了词库文件，知其格式，不愁编程，这些又有何难哉？
但，也不是所有问题都要靠编程解决的，我觉得，可以通过将各种词库文件进行相互转化（尽量做到无损，无误转换）来达到，因为，可以利用现有的各种软件，找自己趁手的就行。
本贴子就是想达到这样一个目的：实现各个词库之间格式的相互转换。 我认为，手里有了mdb格式的词库文件，还愁什么。 这个格式，太多的代码，文献资料，接口程序，通用软件可用。 而其它的，例如mdx，直到现在，我也读不出来，网上也找不到opensource，唉，词库如此丰富，用人如此之多，难道真像windows一样，也是个不公开格式? 废话不说了。
具体：
1. 实现mdxdicttxtxls 到 mdb格式的转换.
已经实现，陆续会有一些mdb格式的文件传到网盘上。目前只传了一个 牛津英汉简明词典修正版.mdb。
2. 利用GetDict得到mdx文件的 startdict格式或者UTF-8或者mdx源文件格式，将其转换成 mdb或者脱了html格式的txt文件。UTF-8和html格式均可。
已经实现。 但目前对一些音标（unicode字符或者金山拼音格式Kingsoft Phonetic Plain字体） 和比较复杂 unicode格式的转出文件会有乱码出现。
为了压缩体积，可以剔除转出文件中的html格式（就是一堆<font><br></font>...），因为，如果不剔除，转换成的mdb文件很大。 剔除了，音标就乱码了或者只有金山拼音格式。 因此，仅仅保留音标的html格式也可以考虑。
3. 利用 GetDict转出的dict格式的词库，实现 dict 到 mdb xls, txt格式的转换。
已经实现。
4. 自定义简洁 txt格式（文本），作为可以打开的词典文件。 例如，本人定义如下：
dog
n. 狗，一种动物。
fat
adj. 肥胖的。
.....
就这样，一个词条占据两行。
5. 将mdb xls格式的词库导出成二维文本格式。
例如:
【word】 【explain】 【spell】
dog 狗
hotdog 热狗
..........
待续。。。。。
高手，说说方法嘛 hmh986 发表于 2014-1-8 22:22 static/image/common/back.gif
高手，说说方法嘛
无他，就是用GetDict转换出来的源文件，用vc编程，写入数据库 mdb 中。 当然，其中大量的判断和处理还是很挠头的。毕竟我不了解html脚本，不知道mdx格式，就是看出来的算法。 本帖最后由 vbnet 于 2014-6-8 13:54 编辑
期待
日汉词典 楼主见解较高，思考缜密，多谢分享 希望分享楼主以前的程序：Sqlite2mdb
原链接已失效 tjzzw 发表于 2014-6-28 19:20 static/image/common/back.gif
希望分享楼主以前的程序：Sqlite2mdb
原链接已失效
一楼的连接一直有效啊。 程序就在 mdx_ from mdb下。 呵呵，学习了，等楼主的待续。 不错的想法，希望你成功。 本帖最后由 vbnet 于 2014-7-8 04:28 编辑
话说我也喜欢mdb格式的词库
配合单词表、真人wav、TTS 、图片
很便利
请问楼主
mdb中重覆词条如何合并比较快?
xls中我用vba做合并，但是太慢，跑一半还会溢位
txt用站上的RegEx Dotext，因正则不熟，所以没效果 mdx 文件是不是这样的：
内容上分成索引 和 内容；
程序运行是 索引读入内存；
检索时根据索引再打开文件定位到指定位置读取具体内容？ 顺便请教下楼主，我正在写个图片词典软件。但是图片库是开放式的，所以没有办法做成类似mdd的资源文件形式，要不是放在目录下，一个图片一个文件，要么存在例如sqlite数据库里面。不知道哪个方案读取性能更优？ 网上有很多软件都可以直接读取 mdx mdd 文件，他们把文件格式破解了？ 本帖最后由 fghhfg 于 2014-7-28 02:21 编辑
mdb? why not sqlite?
cc-cedict .sql:105MB .mdx:6.6MB .txt:57MB
ahd4-asicsfree: (.sql:116MB data:50MB) (.mdx:25MB .mdd:45MB) .txt: 95MB
LDOCE5-asicsfree: (.sql:508MB->.zip70MB data:10KB) (.mdx:80MB .mdd:5KB) .txt: 508MB->.zip70MB
页:
[1]