有道字典手机版提供了离线柯林斯词库
如题，离线词库格式为dat，下面是离线词库链接，不知哪位大神可以提取出来，毕竟坛中的双解柯林斯多或多或少的有些缺失。http://pan.baidu.com/share/link?shareid=1275951598&uk=2500300905 本帖最后由 bt4baidu 于 2016-9-28 08:40 编辑
如果官网的数据更新更全,可以把离线版的词头提取出来,用这个词汇表去官网抓取即可
如果离线数据收了官网未收的单词,抓取时会报404错,自然知道官网缺哪些词,就可以把这些词从离线版里抽出来整合进去
至于官网收而离线未收的单词,就比较不好办,不过既然qiuhao1112之前用单词表轰过,可以用他那版的词头和新作差分一下,也就是几行代码的事情
或者用CED的单词表和新作差分后,再去轰一下也未尝不可
只提供思路,英汉词典,本人是不会出手的{:4_108:} 非常有必要！以后说不定都搞成在线的了，趁现在还有离线数据把它搞出来也是一件大功德 本帖最后由 kyletruman 于 2016-9-28 01:16 编辑
henices 发表于 2016-9-27 23:12
有重新弄的必要吗？
个人建议henices大可以把有道的柯林斯双解的离线数据提取出来制成mdx词典，然后跟qiuhao1112常委网页上抓取的版本进行合并，能做到词条的完整。qiuhao1112常委抓取有道柯林斯双解的数据是用单词表去轰炸的(这种情况是针对词典网页完全没有词头索引的情况)，难免有遗漏的词条。(抓网页的单词表中没有那个单词就会造成词条的缺失)。但是，有道官网的柯林斯双解数据更加新和更加完整。您可以在有道官网查grieve词条，可以发现第二个义项下的释义与离线版的柯林斯双解相比，官网的增加了grieve的语域Scottish。说到这里，突然意识到我刚才说的合并词典很有困难：有道官网的柯林斯双解数据更加新和更加完整。
我在这个链接下的帖子中探讨了grieve词条：
https://www.pdawiki.com/forum/forum.php?mod=viewthread&tid=17422 這是當然有必要的！有道的柯林斯英漢雙解大詞典，誠如 O 大所說，是以稀為貴的代表。即使可能有這樣那樣的問題，但是結合多個數據源，一定是能精益求精的。 有重新弄的必要吗？ henices 发表于 2016-9-27 23:12
有重新弄的必要吗？
{:4_104:}
相当有必要！
qiuhao1112 抓取的版本，缺了大概 1% 。不过有道这离线版本，其实数据也比较糟糕，不过凭兄台的能力，肯定没问题的。
有道词典的《柯林斯英汉双解大词典》，收词量其实是 Collins English Dictionary 级别，远超金山词霸的《柯林斯COBUILD高阶英汉双解学习词典》，堪比《新牛津英汉双解大词典》，虽然缺少了词源，译文也欠讲究，但是终究是稀有的东西，很有参考价值。
henices 发表于 2016-9-27 23:12
有重新弄的必要吗？
有必要，很有必要。{:11_395:} henices 发表于 2016-9-27 23:12
有重新弄的必要吗？
目前发现qiuhao1112常委的有道柯林斯双解的词条与有道官网相比，少了词条bloodletting，不知道有没有少其他词条。 henices 发表于 2016-9-27 23:12
有重新弄的必要吗？
大神您既然都问出来了，想必也是已经有几分想制作的念头了。其实这个柯林斯词典的母本就和柯林斯的足本（http://www.collinsdictionary.com/dictionary/english）有渊源。可以说，它是个双解版的类足本词典，这类词典基本上比较少。
想楼主与大家都比较喜欢的《新牛津英汉双解大词典》，可以说能与之比肩。细想起来了，同等规模的双解足本，大多没有电子版数据。比如新出的《新世纪英汉大词典》，所以这本有道柯林斯，就是当仁不让的柯林斯双解足本的替代品了。它里面的内容是混搭的，融合了COBUILD的例句解释（这就对英语学习者比较友好了）和《新世纪英汉大词典》方面的大容量（其词条容量是柯林斯高阶的两倍多），不可谓不强。
楼主已经掌握解析 dat 数据的秘诀，取得数据也是不费吹灰之力之事。若是下定决定决心制作。也是很好的事情！另外，bt4baidu 大神的思路也是极好的，楼主也可以参考看看。 bt4baidu 发表于 2016-9-28 08:39
如果官网的数据更新更全,可以把离线版的词头提取出来,用这个词汇表去官网抓取即可
如果离线数据收了官网 ...
官网有防爬虫之类措施没？ henices 发表于 2016-9-28 09:06
官网有防爬虫之类措施没？
都能用单词表去轰，肯定是没有啦
就算有，无非是封IP，现在都是ADSL，重启一下路由IP就换啦
据我所知，除非记录一个IP在某个时间段的访问量，否则是没办法防的，但是抓网页其实费不了什么带宽，基本上像样的服务器都不会在乎这点下载量，抓本词典也就几百兆1G而已，和普通网页用户访问几乎没啥差别，一般服务器也懒得费那个工夫 henices 发表于 2016-9-27 23:12
有重新弄的必要吗？
离线的词条数是97239，qiuhao1112大的词条数是91384，少了6%。 henices 发表于 2016-9-28 09:06
官网有防爬虫之类措施没？
建议:你若真打算做,抓网页时不妨把图片一并抓下来,很多词条都有插图(其实是网易盗用wiki等网站的图片)
有时候一图胜过千万语 真是奇怪，我有一次用有道官网查单词，居然被封了一次IP 本帖最后由 kyletruman 于 2016-9-28 12:33 编辑
bt4baidu 发表于 2016-9-28 12:09
建议:你若真打算做,抓网页时不妨把图片一并抓下来,很多词条都有插图(其实是网易盗用wiki等网站的图片)
...
以前没有用mdx词典时，用有道在线的柯林斯双解用了无数次，没有发现柯林斯双解有过图；有图的单词图片经常是错的，要抓有图的单词，不如去抓bing dictionary online的图片，单词与图片对应得非常准确！
bing dictionary online: http://cn.bing.com/dict/ 才发现原来有道的柯林斯不是单单的cobuild双解啊，我一直奇怪为何讨论这个：不是早就有了吗？原来如此，大力支持有IT能力的兄弟搞一个。 本帖最后由 kyletruman 于 2016-10-13 13:02 编辑
还发现一个单词pal，在线版的有道柯林斯双解是有语域 [非正式，老式]http://dict.youdao.com/w/eng/pal/#keyfrom=dict2.index，而离线的柯林斯双解数据没有这部分。看来离线的柯林斯双解数据没有跟上在线的柯林斯双解数据的更新。
已经用离线词头抓取数据，整理制作中 支持 非常有必要，加油 有道 有些坑 顶 感谢您的分享 感谢！！！！！！！！！！
页:
[1]
2