掌上百科 - PDAWIKI

 找回密码
 免费注册

QQ登录

只需一步,快速开始

查看: 28901|回复: 406

[工具] ⚜【支持超大文件】Python MDX词典打包工具 2019-11-19更新

  [复制链接]
  • TA的每日心情
    奋斗
    2020-11-15 11:37
  • 签到天数: 249 天

    [LV.8]以坛为家I

    发表于 2019-10-9 03:46:36 | 显示全部楼层 |阅读模式
    本帖最后由 lgmcw 于 2020-11-19 22:31 编辑
    8 ^: s% N4 @/ D4 A  B3 u+ K0 |* Y' p6 T* D% i3 v/ {* q
    这帖target的是硬核玩家,希望对有需要的人有所帮助。代码比较乱,拖了好久都懒得整理,正好朋友又找我需要,趁着一鼓作气整理出来就正好也贴在论坛里吧。我这里不跟进你那边的环境调试了,如果有运行错误自己修一下(python3可参考楼下的修改经验);不过还是鼓励回帖反馈。对我以后做新人友好版有帮助。; E7 ?/ v% |7 k9 G: i2 \  f; x
    以后我会做一款带GUI的,针对小白玩家。1 Y* w3 D8 a7 f! T/ d( X2 c

    ; w1 v, d- h: w0 c7 W5 g% ?# L入口文件,运行genMDX_ox4.py即可开始打包,附了一个牛津4的txt源码,我已经调试好,确保在我这里能工作,下载后可以直接运行用来测试程序。我的所有字典都是用这个程序打包,暂时没什么大问题。词条数最多我试过的简明英汉400多万词头;体积最大的OED,txt源码就有2.4G;这些打包都毫无压力。不过我这边还在用老古董python2.7;python3应该也能用,如果报错,可能需要自己debug一下。6 h; K# W8 P, S( j
    genMDX_ox4.py is the entrance file you want to use in CMD/terminal. I've also enlcosed a OALD4_azure.txt for testing purpose.
    4 e& x; O  p/ K) \9 |* V, O) O9 e* \: F; ]: P1 |
    6 A4 L: \6 L  `
    9 ~- r" c2 B8 c5 h9 a8 V
    Windows下运行举例(需安装python):
    ) C6 Z) u# w5 E- }7 F4 {: h  }3 ?4 P" ~- w5 j1 D
    ' T! M& y" m6 h  E; A, U' S
    相较于原版我主要改了两个地方:/ W8 u5 j4 F$ S) f  v
    1. 在代码里,以前一个字典的key只能对应唯一个value。而MDict完全支持多个相同词头对应多个意思。所以我改了代码,让一个字典的key可以对应多个value8 @& g% D, f# b" o$ u: ?
    2. 修改排序算法,原版是用的默认python排序,输出的文件在MDict简直不能查。GD勉强能查。
    4 |, _' R( L; M$ Y4 W$ B3 l) N- ^% o, V2 q

    $ K. W1 ~0 z# D0 v+ v9 N* ]3 x& B) ~+ I
    Python实现的txt转MDX代码:
    ) C5 z; j/ I' r, b. L: S5 p$ {: Z% A4 j$ p4 d) e* j% k; \$ t
    游客,如果您要查看本帖隐藏内容请回复
    欢迎提建议( I1 c5 S! k, V4 |  F/ T- [
    ⚜ 感兴趣可以看看我的其他字典,绝大部分都公开分享。+ y4 @/ F0 Q* s7 j' Q* s6 N( V0 u

    ' o; T; ?" h  [
    . h, E# d# d% i( @( H- p; N, B+ Q9 ?( h" q" C# g! O

    / e5 b4 z. w9 a5 i! j4 ~1 c+ o6 J3 O4 z0 h
    4 v0 q# X! H1 B7 V, _

    评分

    5

    查看全部评分

    本帖被以下淘专辑推荐:

    该用户从未签到

    发表于 2021-7-23 14:38:37 | 显示全部楼层
    python3.8.9调试成功!
    + k% k6 z' w( t& I- r
    3 l2 J. A7 i2 c. K3 U做了如下修改:: |' l- P2 D9 Q; ]6 [& g1 a+ r, c( {
    / L/ X9 f8 ^$ b9 e6 d; o
    1.genMDX_ox4.py
    8 M$ J; a% s- U5 [8 Q) r
    ( i/ x8 R, F. y(1)注释掉前三行# -*- coding: GBK -*-  # coding: utf-8  # encoding=utf8,解决SyntaxError: encoding problem: GBK
    : _% w1 q& r; u+ ^: B' ]' S3 S$ H! g$ K4 Z* T
    (2)注释掉import sys  reload(sys)  sys.setdefaultencoding('utf-8'),python3不需要了+ ]- T4 _2 G: U" s( }! y" E) p

    ! r' K9 n- B+ h! L1 H( }(3)打开、写入的文件加上当前路径(import os;current_path = os.path.dirname(__file__);current_path+"/OALD4_azure.txt",),解决No such file or directory:
    + n# {& O9 a9 t- p$ x7 j/ F# ^. s/ t  U
    (4)大神提示OALD4_azure.txt、about_OX4.txt使用utf-8格式。我试了下,两个文件转换为gb2312,代码修改为encoding='ANSI',也可以成功。另外,goldendict可以打开这两种编码的mdx,mdictpc版只能打开ANSI编码的mdx文件。# J: G2 P& i* o& A* v+ i8 H% T" b

    1 L6 ~  H+ d; z1 Y  ]- Q6 G, w2.writemdict.py
    / W4 A* j; `2 B0 {; R
    % H' O# g. S% m1 {1 ^修改 from cgi import escape为 from html import escape,解决cannot import name 'escape' from 'cgi' ,因为python3 cgi.py里面已经没有escape了。换成html,可以用,暂未发现问题。

    评分

    1

    查看全部评分

  • TA的每日心情
    无聊
    2023-12-27 22:43
  • 签到天数: 500 天

    [LV.9]以坛为家II

    发表于 2019-12-6 14:19:04 | 显示全部楼层
    我的是Python3.7的,genMDX_ox4.py文件里面的7 v- Y! ^; w0 i! p+ T. A
    imp.reload(sys)改为:
    2 J  h7 V( O- Jimport importlib
    5 {" q6 ^$ J& J! i5 yimportlib.reload(sys)
    7 n+ Y8 s& o' s. V) _" X0 `0 S! F然后删掉:sys.setdefaultencoding("utf-8")2 f. ~- O; K: b. r4 i7 H+ F
    测试通过。+ p' J$ ]% U$ \0 C

    ( h7 B2 r; U6 h9 M1 v/ n5 g但是生成的词典,用SourceEditor打不开,PC版GoldenDict,安卓版欧路可以打开。汇报完毕。

    评分

    1

    查看全部评分

    该用户从未签到

    发表于 2023-3-9 22:28:50 | 显示全部楼层
    好的,感谢老铁啊

    该用户从未签到

    发表于 2023-3-8 14:04:03 | 显示全部楼层
    感谢大神分享
  • TA的每日心情
    慵懒
    2023-10-11 10:27
  • 签到天数: 198 天

    [LV.7]常住居民III

    发表于 2023-2-14 11:51:09 | 显示全部楼层
    感谢楼主分享

    该用户从未签到

    发表于 2022-12-30 17:34:07 | 显示全部楼层
    谢谢高手无私分享这么好的教程
  • TA的每日心情
    开心
    2021-11-18 11:26
  • 签到天数: 3 天

    [LV.2]偶尔看看I

    发表于 2022-12-28 10:39:48 | 显示全部楼层
    试试看,谢谢大佬
  • TA的每日心情

    2022-5-16 09:51
  • 签到天数: 208 天

    [LV.7]常住居民III

    发表于 2019-12-9 09:53:05 | 显示全部楼层
    反馈个问题,直接跑大佬的源码,在mac上会报如下错误:' u$ K9 v9 E$ ^3 n
    Traceback (most recent call last):
    9 e( n5 w* i; H  n; b# p9 F- @  File "genMDX_ox4.py", line 14, in <module>; V' g8 ~5 ?* }( g, }& J: c" n
        reload(sys)5 n2 B0 O! u. S$ x) [# b4 B
    NameError: name 'reload' is not defined
    5 Z7 H+ R: A+ K% x9 }: G6 Y. R* t/ |
    % I- Z* O* j9 b6 u, l+ i# @1 D9 e- Y解决:/ X+ n1 X7 X7 i( M( k9 ^
    注释掉文件line14和line15,即可

    点评

    应该是python3和python2.7的区别  发表于 2019-12-9 10:15

    评分

    1

    查看全部评分

  • TA的每日心情
    慵懒
    2023-1-18 13:13
  • 签到天数: 539 天

    [LV.9]以坛为家II

    发表于 2019-10-9 08:44:33 | 显示全部楼层
    谢谢L大,等了1年了。
  • TA的每日心情
    无聊
    2023-6-6 10:30
  • 签到天数: 2 天

    [LV.1]初来乍到

    发表于 2023-3-29 17:40:05 | 显示全部楼层
    谢谢大佬 都是好东西来晚了 就看到要关站
  • TA的每日心情
    开心
    2023-2-21 17:06
  • 签到天数: 227 天

    [LV.7]常住居民III

    发表于 2019-10-9 06:37:56 | 显示全部楼层
    先收藏再研究,谢谢分享
  • TA的每日心情
    无聊
    2021-8-13 07:38
  • 签到天数: 195 天

    [LV.7]常住居民III

    发表于 2019-10-9 07:00:20 | 显示全部楼层
    thanks a lot
  • TA的每日心情
    开心
    2018-8-8 03:13
  • 签到天数: 1 天

    [LV.1]初来乍到

    发表于 2019-10-9 07:09:48 | 显示全部楼层
    感謝 lgmcw 兄:6 `7 G  [4 N9 s4 j
    分享
    【支持超大文件】Python打包MDX词典工具
    $ ^6 z5 R6 g/ e% e3 L
    非常需要此超大文件打包, 有的文件再合併後再用 mdxbuilder 打包MDX弄不出來# Z$ V$ L9 D  p5 q9 f
    謝謝仁兄分享此重量級工具
    $ M3 q+ U7 d7 }% [/ h' q; A
  • TA的每日心情
    擦汗
    2022-5-20 11:41
  • 签到天数: 222 天

    [LV.7]常住居民III

    发表于 2019-10-9 07:54:53 | 显示全部楼层
    謝謝分享資源
  • TA的每日心情
    开心
    14 小时前
  • 签到天数: 2307 天

    [LV.Master]伴坛终老

    发表于 2019-10-9 08:05:03 | 显示全部楼层
    好东西,学习学习,谢谢楼主分享技术
  • TA的每日心情
    开心
    2020-1-5 08:04
  • 签到天数: 50 天

    [LV.5]常住居民I

    发表于 2019-10-9 08:19:19 | 显示全部楼层
    謝謝分享此重量級工具,感谢 !

    点评

    如果是古籍文献,有可能需要用UTF-16。要自己摸索一下修改入口文件。  发表于 2019-10-10 01:04
  • TA的每日心情
    开心
    2022-1-21 00:52
  • 签到天数: 699 天

    [LV.9]以坛为家II

    发表于 2019-10-9 08:28:06 | 显示全部楼层
    学习,谢谢楼主分享技术,争取以后逐步从小白玩家进化到硬核玩家。
  • TA的每日心情
    无聊
    2020-12-19 21:10
  • 签到天数: 21 天

    [LV.4]偶尔看看III

    发表于 2019-10-9 09:06:01 | 显示全部楼层
    谢谢l大,准备考研结束后就折腾折腾
  • TA的每日心情
    奋斗
    2021-3-15 08:06
  • 签到天数: 585 天

    [LV.9]以坛为家II

    发表于 2019-10-9 09:07:57 | 显示全部楼层
    非常感谢你的分享。
  • TA的每日心情
    奋斗
    2023-2-19 20:22
  • 签到天数: 682 天

    [LV.9]以坛为家II

    发表于 2019-10-9 09:21:53 | 显示全部楼层
    好东西 谢谢分享
  • TA的每日心情
    无聊
    2022-9-25 21:09
  • 签到天数: 1136 天

    [LV.10]以坛为家III

    发表于 2019-10-9 09:30:46 | 显示全部楼层
    請問 mdxbuilder 目前能處理的文檔大概是多大?
  • TA的每日心情

    2019-9-20 08:37
  • 签到天数: 214 天

    [LV.7]常住居民III

    发表于 2019-10-9 10:06:07 | 显示全部楼层
    还是可以指定输入文件的命令行方式不较好5 G  X2 H9 `7 S" {3 y
    比如 python genMDX.py source.txt about.txt
  • TA的每日心情

    2023-7-8 15:11
  • 签到天数: 304 天

    [LV.8]以坛为家I

    发表于 2019-10-9 10:14:53 | 显示全部楼层
    emmm论坛有个excel转mdx的工具很不好用。。。
  • TA的每日心情
    开心
    2023-9-27 20:45
  • 签到天数: 847 天

    [LV.10]以坛为家III

    发表于 2019-10-9 16:54:33 | 显示全部楼层
    感谢分享,看看,学习一下
  • TA的每日心情
    奋斗
    2020-11-15 11:37
  • 签到天数: 249 天

    [LV.8]以坛为家I

     楼主| 发表于 2019-10-10 01:02:33 | 显示全部楼层
    HMPT 发表于 2019-10-9 10:061 b- e7 S) u# l' C2 K5 x. l: q* a
    还是可以指定输入文件的命令行方式不较好. l1 |6 ?, G( I" B* p
    比如 python genMDX.py source.txt about.txt ...
    " ?) \1 A/ S5 {$ M3 X- S/ {, p2 A8 O
    这个其实改一下入口文件就能实现,应该不难的。
  • TA的每日心情
    奋斗
    2020-11-15 11:37
  • 签到天数: 249 天

    [LV.8]以坛为家I

     楼主| 发表于 2019-10-10 01:03:25 | 显示全部楼层
    本帖最后由 lgmcw 于 2019-10-10 01:58 编辑
    8 O; k% p5 \- P) A8 L8 u- R
    oversky 发表于 2019-10-9 09:30
    4 G* ?( q. ?. `$ F; u& b7 E* V+ k9 v請問 mdxbuilder 目前能處理的文檔大概是多大?

    ! ~5 z6 d! {* _: o# L你可以咨询一下@喬治兄 ,他可是屡屡遇到上限。
  • TA的每日心情
    无聊
    2022-9-25 21:09
  • 签到天数: 1136 天

    [LV.10]以坛为家III

    发表于 2019-10-10 07:27:37 | 显示全部楼层
    lgmcw 发表于 2019-10-10 01:036 {- l. Q5 h! g# J" T
    你可以咨询一下@喬治兄 ,他可是屡屡遇到上限。
    0 B( [' o9 h' y  |. V+ b
    谢谢您的指引。

    该用户从未签到

    发表于 2019-10-10 11:24:07 | 显示全部楼层
    很有用的工具
  • TA的每日心情
    开心
    2021-4-24 17:14
  • 签到天数: 119 天

    [LV.6]常住居民II

    发表于 2019-10-10 11:45:08 | 显示全部楼层
    非常感谢分享!
  • TA的每日心情
    奋斗
    2020-11-15 11:37
  • 签到天数: 249 天

    [LV.8]以坛为家I

     楼主| 发表于 2019-10-12 12:38:31 | 显示全部楼层
    喬治兄 发表于 2019-10-9 07:09
    $ ^0 _( k# a& a" H0 C- A1 |) b6 a# o* L感謝 lgmcw 兄:
    % }0 c3 `  {4 s; \* J& v" ~' q  r. V分享  
    ! v( M0 X( _6 f) s非常需要此超大文件打包, 有的文件再合併後再用 mdxbuilder 打包MDX弄不出來

    4 |; a  e* C/ f5 Y" i& V! _& I兄弟可测试通过,此工具可还好用?
  • TA的每日心情
    开心
    2018-8-8 03:13
  • 签到天数: 1 天

    [LV.1]初来乍到

    发表于 2019-10-12 12:48:11 | 显示全部楼层
    lgmcw 发表于 2019-10-12 12:383 e, ]- w0 P2 K% a
    兄弟可测试通过,此工具可还好用?
    . Y0 l# `; V6 x, R5 n+ L
    謝謝 lgmcw 兄關心,小弟還未試呀,小弟會盡快試試,若有困難再向仁兄請益,謝謝啦!
  • TA的每日心情
    开心
    2019-3-26 21:36
  • 签到天数: 178 天

    [LV.7]常住居民III

    发表于 2019-10-12 15:33:11 | 显示全部楼层
    本帖最后由 流星冲击 于 2019-10-12 15:37 编辑
    4 w# L% i5 u$ _+ B( M- a0 a+ ?+ w8 a- o
    1. 在代码里,以前一个字典的key只能对应唯一个value。而MDict完全支持多个相同词头对应多个意思。所以我改了代码,让一个字典的key可以对应多个value。
    0 w6 M0 E& d9 b/ M
    8 x2 z/ M+ y1 _. {" A之前我和zzzz_sleep讨论过“以前一个字典的key只能对应唯一个value”的问题,他给出的方法是让类Mdict套壳的软件/app的作者去解决,例如用@@@link和a href=词头#锚跳相混合实现查询多个value的方式(具体zzzz_sleep给出的代码的用法我也忘记了,不过印象中还是基于一个key对应一个value的用法),现在楼主这个工具直接从代码层修改一个key对应多个value,这个要给个赞!
    # M3 ]& V3 k3 b2 o2 ]7 t; B
    5 D% z8 L8 x4 Y2. 修改排序算法,原版是用的默认python排序,输出的文件在MDict简直不能查。GD勉强能查。
    $ |( l( F3 J6 t7 n5 F' y; Y% A* X7 B
    我没用Mdict_PC来查询生成的mdx,对于GoldenDict,我看了某些帖子的说法,GD是全部提取mdx的headwords为一个缓存文件而不依赖原生的mdx算法的排序的,相同词头(例如a和A)是以类似多本词典联合查询单词的方式在一个页面内列出所有a和A词头的内容的,如果GD不依赖原生的mdx算法排序,楼主说“GD勉强能查”是单词基本能查询,不过不按照Azure排序(dot,doT,dOt...)这样排列下来?* |/ W4 K( d0 e. C; _8 T
    手机端的app,以Azure排序,单本词典查询的模式下,安卓mdcit和平典app(平典app可能有些带符号的单词查不到什么的,平典以前的国庆版本就查不到楼主你用python生成的新牛津v2.3.0 beta的单词词头)查询是完美支持这种排序的,而不是原生A再到a这样下来。深蓝dict不能单本词典模式查词,所以不能看到多个a和A,a和A的内容会挤在一个界面,由于不能单本查词,ff大的朗文5++ v1.3.5的气球在滑动单词页面时不能固定在右下角(直接在单词页面最右下角,对于长内容,需要滑动到页面最底部)。欧路app未测试。
    您需要登录后才可以回帖 登录 | 免费注册

    本版积分规则

    小黑屋|手机版|Archiver|PDAWIKI |网站地图

    GMT+8, 2024-3-29 22:35 , Processed in 0.061803 second(s), 12 queries , MemCache On.

    Powered by Discuz! X3.4

    Copyright © 2001-2023, Tencent Cloud.

    快速回复 返回顶部 返回列表