我的词典制作方法
本帖最后由 DIC4Khmer 于 2016-3-11 09:11 编辑从接触MDICT，到立志做一个自己的词典，历时半个月，虽然很多问题不懂，但是到今天为止让我收获良多。
做图片词典的初衷是看见chigre3大大制作的精美的图片词典而心生痒痒，自己也确实需要一本衬手的电子词典，于是我开始了自己的制作之路。
感谢chigre3大大的支持，连非常珍贵的源代码都给我借鉴，感谢网站的知识分享，让我从搜索帖子中发现知识。但是作为一个小蜥蜴，自己心里的困惑是很多前辈想不到的。我们可能很简单的问题都想不明白，比如我最初一直弄不明白为什么我按格式做的词典加载到MDICT却无法搜索。但论坛里却没有相应的教程，可能是因为太简单了，前辈们没时间或者觉得没必要做，但是这可能会让我们这些小蜥蜴们卡在那里。
所以我希望能够把我做电子词典的过程分享出来，一是感谢论坛的帮助，二是希望能对其他人有所借鉴。
我的词典的外观是模仿chigre3大大的排版的，因为我觉得他做的很美观、很舒服，不一样的是：我因为不懂Python编程，完全没用上大大好心赠于我的源码，而是在自己使尽浑身解数之下，终于找到的一个只用word、excel和emeditor三个软件，不停的查找替换而成功做成词典的方法。这也是我的曲线救国之法，实属无奈。如果大家有兴趣，我会慢慢地把这个过程在这个帖子中梳理出来，逻辑其实很简单，只是过程很繁琐。
我的方法其实总结起来就是：１、获取原始文件；２、添加链接；３、去重，合并词条；４、加内部跳转命令；５、添加完整标记。
################################################################################################################################################
第一步：获取原始文件
我的原始文件的录入格式是：
词1|词2|词3|词4/词5|词6|词7|词8
其中，同列的词与词以“|”分隔，左右列单词间以“/”分隔。这里为方便输入，可以输入分号“；”代替“|”，后期将其替换为“|”即可。每行为一页，录入时确保数据准确，如果遇到左列或右列没有词，甚至于整页都是上一页某个词的解释时要尤其注意，（可以使用特殊标记表示，后期可以替换掉）避免后期出现错误。
词典录入完成后，利用word中的域进行自动排序，形成“页码 词1|词2|词3|词4/词5|词6|词7|词8”格式，如果前期录入时没有错误，自动生成的数字就是该数据行所在的页码，为避免出错，可以每录入100行就生成页码一次，然后将域文本转换为普通文本。重复此过程，直至完全获取原始文件。
注意：为了方便手机上使用，同时也方便后续联合查找，我制作词典计划将每个词条都添加链接。如果碰到同一个词在字典里出现多个词条，建议采取统一的处理方法，比如统一加编号“词1(1)|词1(2)|词1(3)”等，后期使用替换将(1)(2)(3)等编号去除即可；为方便操作，同一词的多个词条，我选择只计算一次。
第二步：获取每个词所在页码及对应左右列位置信息，即要最终实现【左1|4】或【右6|20】这样的效果，我们必须有单个词的页码及位置信息。
通过查找替换将word中“|”和“/”替换为所需数据。将word中全部数据复制到excel表A列中待用。
继续，再次对原始数据时行处理，这次更简单，删掉全部的数字，“|”和“/”全部替换为段落标记，让每个单词成一行。
将本次全部数据放到excel表B列中。
至此，得到excel中的数据文件。
下面，使用IF函数判断A列与B列同行数据是否相同，筛选出不同的成C列。
用left函数筛选出位置数据
然后，填充即可。
再使用countif函数就能得到全部位置信息。
第三步，去掉每个词对应的“页码+左或右”中的非页码信息，只保留每个词对应的页码
然后所有准备工作完成，开始格式编辑。
将词与页码两列数据，调换序列，页码在左，单词在右，然后拷贝进emeditor进行数据处理。添加链接。查找"^(.+?)\t(.+?)$"，替换为“\1\t<a href="entry://\2">\2</a>”，为每个单词添加链接。链接添加完毕后，再对某页的数据进行整合。查找“^(.+?)\t(.+?)\n\1\t”，替换为“\1\t\2|”，选择全部替换，反复多次，直到查找不到为止。这样我们得到了某页码下词的集合。如图：
将刚才的词与页码两列数据复制新的工作表中，保持词在左，页码在右的格式，然后在D列复制上刚才emeditor中处理的数据。在C列中使用VLOOKUP进行匹配，使每个页码都匹配上该页上所有的词的信息。剩下的就比较简单了，将ABC三列数据全部复制，选择性数值粘贴至新的工作表中，然后全部复制到emeditor中进行编辑。
查找“^(.+?)\t(.+?)\t(.+?)$”，替换为“\1\t<a name=\1></a>\1<Br>\3<Br><img src="/\2.png">”。
如果要添加上下页，可以参照tsiank的方法制作，https://pdawiki.com/forum/forum.php?mod=viewthread&tid=13451。
继续，将数据调整为MDX需要的三行式。查找“^(.+?)\t(.+?)$”，替换为“\1\n\2\n</>”，全部替换。
将数据保存为utf-8，无签名格式，然后用MDXBuilder进行生成即可。
当然，以上只是将大致的所需步骤进行陈述，对于字体、格式等排版方面的设置，大家可以按要求进行修改。
感谢支持！如有疑问，可用站内信进行交流。
感谢版主将贴子高亮！
搬个板凳 又一个图片版词典，而且是小语种！新手制作～鼓励鼓励！ chigre3 发表于 2016-2-19 01:56
又一个图片版词典，而且是小语种！新手制作～鼓励鼓励！
谢谢您的支持与鼓励 不错，条条大路通罗马！ 请问截图里的是泰文吗？ 楼主跟我是一样的，excel, emeditor，我也只有这两个耍得开。
好在，好几个小词典居然弄出来了。 fanziyu 发表于 2016-2-19 23:21
请问截图里的是泰文吗？
不是泰语，柬埔寨语 LYX1692 发表于 2016-2-20 10:42
楼主跟我是一样的，excel, emeditor，我也只有这两个耍得开。
好在，好几个小词典居然弄出来了。
对，其实后来发现思路其实很简单，就是操作上相对烦琐。 {:11_399:} 有耐心做词典，支持～ 技术贴，佩服。 原本使用python的原因是要每个词条所在整块区域的对应处也变色，这样一来，每个词条下方的整页面词条区域就都是有所区别的。。。工作量很大，这样的情况下用python最方便啦~
不需要这样的话，只是左右+序号位置的话用 EmEditor / UltraEdit / Excel 三者完美搞定！！！ 英语词典已经多得记不住了！
小语种奇缺！ 如果有图片示意说明，那就更好了。 chigre3 发表于 2016-2-22 07:43
原本使用python的原因是要每个词条所在整块区域的对应处也变色，这样一来，每个词条下方的整页面词条区域就 ...
嗯，受教了。 感谢楼主分享 我也要学习学习 这个版块值得学习。论坛中就缺少技术型的帖子，有的时候想找都找不到
页:
[1]