新手必看的 Mdict 制作教程和经验

独行者 · 发表于 2019-8-26 11:52:03

本帖最后由独行者于 2020-8-3 09:34 编辑

储备知识

必学：HTML/CSS/JavaScript 知识。
最好会：正则表达式、一门编程语言。
( z% n L- p9 n

MDX 规范

词条由三部分组成：

词条关键字：作为词条索引。
词典 HMTL：词条内容。
分隔符 </>：分割每个词条。
( l4 B, U# J" p

注意：

</> 后面不允许有任何空行。
HMTL 允许换行，也可以不换行。

" k0 L1 f% v' T+ m% I0 M

例子：

Antarctica# o6 V! [2 t& S$ N
<link href="styles_cb.css" rel="stylesheet"/><script src="scripts_cb.js"></script><div>南极洲</div>
2 f2 ^! _* Z2 t) p4 i% y6 Y
</>

复制代码

词典 HMTL格式

和标准的 HTML 几乎一样，不过这里去掉了 <html>、<head> 和 <body> 标签的包裹，另外增加了一些 mdict 自有的标记和格式。

下面介绍资源的引入，关于路径问题，请阅读下面的资源部分。

1 O) M" q, c" A5 }$ y' S& o引入 css 和 js 文件

<link href="styles_cb.css" rel="stylesheet"/><script src="scripts_cb.js"></script><div>南极洲</div>

复制代码

引入音频

<a href="sound://sound_file.mp3">keyword</a>

复制代码

引入图片

格式一：

<img src="file://abc.gif">

复制代码

格式二：

file:// 可以省略

<img src="/abc.gif">

复制代码

<img src="abc.gif">

复制代码

跳转

两种形式：

内联使用，可以多次使用：如 <a href="entry://ought to">，类似于标准 HTML 的 <a href="https://www.baidu.com">。还支持锚点，如 <a href="entry://look#verb">
查询某个单词时直接从一个单词跳转到另一个单词，只允许使用一次：如 @@@LINK=ought to。

" g3 W- V* Z" J8 Y& b* Q; L

资源

HTML 中引入资源文件时根目录为 mdx 所在目录。

存放

当资源文件数量极多时，不建议：直接将所有资源文件存放在 mdx 目录下。
建议：将资源文件打包为 mdd，注意 mdd 必须和 mdx 存放在同一目录下。
有多个 mdd 文件时，文件名以 xx.mdd、xx.1.mdd，xx.n.mdd 词典软件都会读取。
强烈推荐：将图片和 css、js 和字体打包为 xx.mdd，将语音打包为 xx.1.mdd，这样不想要语音文件的用户只需拷贝 xx.mdd 而不丢失样式排版。
/ G3 m% ]0 ^) A5 Q3 e3 q% H

优先级

裸露的资源文件 > mdd 中的资源文件。
$ C0 i( H7 l, p* Y( I; @

词典软件

MDict

作为官方词典软件，却是体验最差的。基本的功能都有，这里只谈缺点：

使用的 IE 浏览器，不支持许多新的 Web 规范，导致某些人制作的词典排版错乱，甚至某些引入了 JS 文件的词典直接弹窗报错。
音频只支持 SPX 格式，这是当年为了节省空间的产物，因为当年 MDict 的主要活跃在 Windows Mobile 上，那时的存储卡不便宜。但是如今已经不建议使用，因为音质太差，推荐使用 MP3 或 AAC 格式。即便是该作者开发的 iOS 版本 Mdict，同样也只支持 SPX 格式，这个很让人不解。
功能太弱，交互设计很差。
F! j8 V& m/ b0 m4 ]1 T8 M) e

GoldenDict

毛子开发的词典软件，起初不支持 MDict，好在在开源社区的努力下后来支持了。

优点：

因为是 Qt 编写，使用的 Webkit 浏览器，支持的 Web 标准虽然不是最新，但是大部分的词典都能正常显示。
支持 MP3 音频，就这一点就值得推荐。
方便地导出 HMTL。
漂亮的界面，可以自定义软件界面样式，还有很棒的交互设计。
支持全文检索、支持词典排序、支持自定义在线词典、支持复制取词，还有大量优点，请自行探索。

9 e0 L j2 V8 K

存在的问题：

性能很差，如果开启全文搜索，会很卡；载入词典过多，也会很卡，严重时直接闪退。
Qt4 版本的字体渲染存在问题，因此我一直用的 Qt5 版本。
取词能力较有道词典弱。
0 L3 h5 Q' V# y

欧路词典

集合了上述 GoldenDict 的部分优点还有以下优点：

界面更加现代化，更友好。
支持单词同步和收藏。
支持单词复习。
PC 端取词功能很强。
iOS 上最强词典。

6 p) z- [$ ~ w

缺点：

只能从网页或手机版导入单词表，但网页版导入经常出现导入失败或者导入数量不一致的问题，手机上又不支持词组或带有符号的单词导入。
同步功能存在 BUG，偶尔出现同步数量不一致，需要注销重新登录才正常。
最严重的 BUG，同时存在于 PC 端和手机端。
因为不同的词典可能会使用相同的标签和样式，如果直接载入，会干扰其他的词典样式。因此欧路和 GoldenDict 的做法是重写 CSS，给不同的词典的 HTML 加上一个独立 id，在每个样式名前面加上 id 编号，但问题在于有的作者的 CSS 中存在中文，为避免浏览器以 ANSI 编码读取，因此在 CSS 头部加上了 @charset "utf-8";， GoldenDict 能正确处理它，但脑残的欧路词典就不能正确处理，它会忽略第一个 CSS 样式，没有加上 id 名，如果第一个样式名是 body，则会影响到所有词典的排版，这是我们不希望看到的。% a# p5 {, {& @( |6 b/ e o/ f( s
7 _% J; Z. V3 e/ p# M

如原始 CSS
1. @charset "utf-8";
  5 D$ m/ W$ b. K/ t- H
2. : j! ~- c7 }1 \. t& \- y
3. body {5 l% A( x4 W. n5 e C# k" N
4. margin: 2em;
  . w. C) m3 ^/ R5 h! x/ k% ]
5. }
  ) }0 o" h! E$ ]" b9 _
6. ) R+ \0 k1 S, Y+ o& P. h
7. a:hover {. C) v% v* X- M8 ~' P4 L8 u
8. color: #4372b6;
9. text-decoration: underline
  ; d) V0 E& m2 I- h! U
10. }
复制代码
/ t' w, }6 c2 y1 S& e
GoldenDict 会解析为
1. @charset "utf-8"; 4 G0 u* k9 f+ R6 ]; }( K
2. ' X+ I- H" r. g( n1 T
3. #gdfrom-2af74dded57c0b4bf1a2e7c76ade8787 .mdict body {
  3 v' U! g H/ b# @6 o3 @+ P$ h0 ~
4. margin: 2em;
  # \- ]2 a1 I8 E; k" |
5. }+ |1 y; o/ f4 a" P7 S
6. 6 X0 }7 @1 d& j F) p. |6 g6 p
7. #gdfrom-2af74dded57c0b4bf1a2e7c76ade8787 .mdict a:hover {
  * _, T( F" ?! Z" w5 f" X
8. color: #4372b6;9 b( S: o s6 j6 a
9. text-decoration: underline' I0 @9 I6 B( s( x' ]! \* w
10. }
复制代码
/ N) K7 t- N) L, J/ |: `) j

而欧路词典解析如下，body 前面没有加上 #ID224342347child，进而影响到全局的 body 标签。
1. @charset "utf-8"; 4 k! H: E; M, h% N6 @) u I6 c0 a
2. . x- h$ X* i9 @8 T
3. body{
  / J7 p e* L+ ~4 U( i$ b
4. margin: 2em;2 x) R' P0 ], q& H) E) n; _1 K1 W* P
5. } ( k4 u/ i6 j, `. {5 d# y2 ]
6. $ z" I2 w8 x- ?
7. #ID224342347child a:hover {
  0 l) U" _) n6 F8 a! B R( f: Y% g* @
8. color: #4372b6;
  / R$ e1 N' N; S6 f: ^) O
9. text-decoration: underline. O8 ?( y& v n7 w8 q" B3 W0 `+ y
10. }
复制代码
$ I4 G U, ]+ L# J
这就是为什么许多人用欧路词典排版混乱的原因，这个 BUG 我已经反馈了，不知道会不会改，反正我之前提过好多建议，该公司都没采纳，这个 BUG 我看也未必会修复。
因此我的建议是删掉 @charset "utf-8";，因为欧路词典和 GoldenDict 本身就是以 UTF-8 打开的，无需再多此一举。增加了反而会导致欧路词典解析出错。
$ M- N# \9 Q/ n; a7 O) ?1 J8 w! ]

制作工具

EmEditor：一般的文本编辑器打开大文件会卡死，这个不会。
PatchO8C：提取 MDX 和 MDD。
MDXBuilder 3.0 Beta2：官方的制作工具，不要用 4.0，4.0 版本生成的 mdx 还未被解析出来，暂不被第三方软件支持。
GoldenDict：导出 HTML 方便排版调试。
3 P7 ?/ g: R0 o: e, C& |' ~, Y

制作步骤

获取数据源：可以是自己编纂的，也可以是其他格式的词典，还可以从网站抓取。
按照 mdx 的规则清洗数据：上面提到的 mdx 规范。
用 MDXBuilder 3.0 Beta2 转成 mdx。

J$ N# b* Q: ?, Z, c* p# @

配置

Source：即词典原始数据文本路径，扩展名随意。
Target：目标词典文件路径，扩展名必须为 mdx。
Sytle：留空，这个用不到。
Data：资源数据路径，有就填，没有就不填。注意了，资源数据一定要存放到一个单独的文件夹 xx 中，不要直接全部分散在 mdx 目录下，而且这个 xx 文件夹并不会打包到 mdd 中，它会作为 mdd 资源数据的根目录。
Options：
G+ Z2 I1 P3 v( m) s* Z, _; i
- Original：一定要选 Mdict(Compact HTML)，这种格式就是我们上面提到的规范。
- Encoding：为避免乱码，必须选 UTF-8(Unicode)。
- Title：词典标题，可以被欧路词典读取到。
- Description：词典描述，支持 HTML 标签，不过支持十分有限，词典软件可以读取到。
- 未提到的其他选项不管。
  * F8 K) ^3 O2 [8 D& y
. s4 r7 y" I2 a5 z8 z

制作技巧

体积不大的图片可以使用 base64。
iOS 欧路词典不支持字体文件，可以通过转成 base64 解决。
" I& N0 A9 E) Z) ?5 @3 r6 R

mtaa · 发表于 2019-8-26 13:10:58

本帖最后由 mtaa 于 2019-8-26 13:16 编辑

【性能很差，如果开启全文搜索，会很卡；载入词典过多，也会很卡，严重时直接闪退。】

说下遇到过的GD的问题。和楼主类似也是载入了很多词典，会闪退，最后发现有词典本身质量很差，一本简单的词典，里面html结构嵌套很深，像是直接从文字pdf转的html。
解决办法是一本一本添加词典，如果闪退就说明刚添加的词典有问题，移除这本就好了。

另外GD的全文搜索本身不慢，慢的是开始生成全文索引的时候。
MDX词条格式
词头 -> 对应文本（释义html）

GD生成全文索引的大致流程：

获取词头 -> 获取文本块记录地址，获取词头偏移量 -> 提取解压文本块 -> 使用偏移量提取词头对应的文本 -> 生成索引

上面这个流程是循环处理的，问题就出在第三步，反复解压同一个文本块。这里的文本块包含多个词头对应的文本。

举例说明下：
词头       文本地址       偏移量
a       -> 00000001 -> 0
bug    -> 00000002 -> 0
bugger -> 00000002 -> 64
buggy  -> 00000002 -> 128

MDX多个词头的文本是打包压缩在一起的，比如上面的bug，bugger和buggy三者的文本是打包在一起的，都是同一个地址00000002，在文本块内部通过偏移量区分不同词头的文本。
GD的全文索引生成是通用的，他没有为MDX单独处理bug，bugger和buggy三者的文本在同一个文本块的情况，对于00000002这个地址上的文本块，GD会反复解压3次，提取3个词头的文本，实际上解压1次就能提取这3个词头的文本。
真实的MDX里，这种反复解压同一个文本块的情况更多，这是GD全文索引缓慢的根本原因。

498018591 · 发表于 2019-8-26 12:04:27

谢谢分享经验！

喬治兄 · 发表于 2019-8-26 12:35:13

感謝独行者兄, 熱心提示 Midct 制作教程和经验
提醒了小弟, 差點都忘了還有幾招可以實現的方法
Thanks a lot

cocowind · 发表于 2019-8-26 12:45:15

这个是高阶的，可惜收费100米
最近学习到的制作mdict词库时候的一些经验
https://www.pdawiki.com/forum/thread-34178-1-1.html?x=180507

kid728 · 发表于 2019-8-26 13:58:14

小白求问，数据源也就是原始词典文本数据从哪找QvQ

独行者 · 发表于 2019-8-26 14:12:22

kid728 发表于 2019-8-26 13:589 o( T9 @" ] I& N t. U
小白求问，数据源也就是原始词典文本数据从哪找QvQ

从其他格式词典转，或者写爬虫从某些词典网站抓取。

kid728 · 发表于 2019-8-26 14:14:13

明白啦，谢谢解答~

我爱深蓝 · 发表于 2019-8-26 14:17:43

欧路也是令人不爽，奈何竟没有比他更好的，就想百度一样，加个inspect功能就那么难吗？

江湖侠客 · 发表于 2019-8-26 14:35:46

请教楼主，如果不会正则表达式，能在mdx解包的TXT文件中每个词条上加上<link href="styles_cb.css" 吗？有一词典没有css文件，想做一个外接css, 就这个问题难住了

独行者 · 发表于 2019-8-26 14:42:32

江湖侠客发表于 2019-8-26 14:35$ c3 B" H+ D( w. g+ s# I- J
请教楼主，如果不会正则表达式，能在mdx解包的TXT文件中每个词条上加上

有点困难，建议学习下，入门很快的。

oversky · 发表于 2019-8-26 15:35:41

建议把资源档存放的路径和 mdxbuilder 内 data 指定的路径，两者要如何对应也写一下。之前也试了好几次才成功，久了又忘了。

独行者 · 发表于 2019-8-26 15:42:05

oversky 发表于 2019-8-26 15:35
L1 n# \, m7 N- n$ M! r建议把资源档存放的路径和 mdxbuilder 内 data 指定的路径，两者要如何对应也写一下。之前也试了好几次才成 ...

如果不打包的话，根路径就是 mdx 所在的路径，如果打包成 mdd，最外层的文件夹是不打包到mdd的，只是起到收纳的作用。

realHank · 发表于 2019-8-26 16:40:00

Nice. Thank you for your sharing

chenboeli · 发表于 2019-8-26 18:28:23

很不错的总结，
想问一下：GD 方便地导出 HMTL这一条，批量的导出呢这方面，有经验吗？

独行者 · 发表于 2019-8-26 18:29:41

chenboeli 发表于 2019-8-26 18:28
" w3 S& f! Z6 f5 u& Z I很不错的总结，7 `# l$ T1 M' M, ~+ } h u l' m
想问一下：GD 方便地导出 HMTL这一条，批量的导出呢这方面，有经验吗？ ...

看看这个帖子 https://www.pdawiki.com/forum/fo ... &extra=page%3D1

chenboeli · 发表于 2019-8-26 19:57:07

独行者发表于 2019-8-26 18:29
' f$ S$ X: g- V- d1 B看看这个帖子 https://www.pdawiki.com/forum/forum.php?mod=viewthread&tid=35598&extra=page%3D1

非常感谢

lewpad · 发表于 2019-8-27 11:36:28

谢谢楼主，辛苦了。
GD在用。“性能很差，如果开启全文搜索，会很卡；载入词典过多，也会很卡，严重时直接闪退。” 词典过多，常无响应，不知有无解决办法.

quslrux · 发表于 2019-8-28 19:33:04

谢谢分享经验！

cocowind · 发表于 2019-8-30 14:34:54

请教一下：
是不是以格式@@@LINK=pic001引用的图片必须是JPG后缀？

pic001图片格式即便是png或者gif，都必须改为pic001.JPG才能在GoldenDict里正确显示出来

独行者 · 发表于 2019-8-30 21:30:29

cocowind 发表于 2019-8-30 14:34: p# ^, _( z C/ B0 w
请教一下：9 V( j* B. W3 A+ i) g* ?: K+ |
是不是以格式@@@LINK=pic001引用的图片必须是JPG后缀？

请重新阅读我的帖子。

liubingxy · 发表于 2019-8-31 22:04:33

谢谢分享，看上去还是不容易啊

我是小肥柴 · 发表于 2020-3-13 07:54:26

谢谢分享，收藏

lwx228 · 发表于 2020-3-14 07:49:28

每次回帖、谢谢！辛苦了。

yyksyh · 发表于 2020-3-25 09:13:13

这个优缺点说得太明了了，尤其关于排版，一阵见血。

		自动登录	找回密码
密码			免费注册

[教程] 新手必看的 Mdict 制作教程和经验

评分

本帖被以下淘专辑推荐: