mdx 科普、制作教程大合集[进行中][20180121]

Oeasy · 发表于 2016-12-21 11:23:18

本帖最后由 Oeasy 于 2018-1-22 00:06 编辑

我准备有空就写点关于 mdx 制作的文章，发到公众号（@ducidian https://www.pdawiki.com/forum/thread-19351-1-1.html）上。
► 个人公众号第一发： [2016-12-22] mdx 制作浅谈 https://mp.weixin.qq.com/s/S7Yrqee2lSvdReKnfU5jyQ
[2016-12-23] 三分钟怼个《中华汉英大词典》（上） mdx [仅 1 词条] https://mp.weixin.qq.com/s/1v6keF0Nr7tgadM1C69sGg
[2017-01-06] mdx制作随想：时间、金钱、精力、学习…… http://mp.weixin.qq.com/s/YiA4GzSpHjdJXFA3JIJuRg
[2017-01-21] GoldenDict 全文搜索几例 http://mp.weixin.qq.com/s/gHMJrVG_bmGw142fEEtNeQ

拟把这个贴打造为教程合集贴，一贴在手，别无所求。如果有什么细节上的问题，也可以跟帖回复，有时间有经验的朋友，看见了会帮忙的。
有一些问题，太大了，很难回答的。请多用 Google、Bing ，想知道什么，就搜一下，比如 HTML、CSS、JavaScript、Python、正则表达式、爬虫，把关键词一搜，就有海量的资源、教程，专门再写相关教程，太耗费时间了。
- 请耐心一点！善用、多用搜索！mdx 制作不难，拿出一节课的时间（45 分钟）认真阅读本文以及文中链接，基本就入门了。入门抓核心，高手看毫厘。剩下的就是多实践，多动手。
- mdx 诞生于 2002 年，已经有 16 年历史了，你遇到的问题，基本前人都遇到过且提供了解决办法。

关键技术（不是必须，随用随学，现学现用）：
- HTML、CSS、JavaScript
- 正则表达式
- Python 等编程语言

---

新手必备工具（Windows 操作系统）：
- MDict Windows 版 (1.3 RC4) 下载：http://www.mdict.cn/download/MDictPC.zip
► 用于制作过程中的测试，看效果，当然，也可以用其他支持加载 mdx 的词典软件测试，但是根据我的经验，MDict PC 版速度最快，不过可能同一个 mdx 在不同软件上，排版效果会有差异，这是另一个话题了。
- 文本编辑器
► Text Editor，用于编辑、查找、替换 txt、css、js 等文件，根据投票结果，本坛 mdx 制作者用得最多的是 EmEditor ，请自行 Google、Bing、Bidu、Sogou、360 搜索下载。
[索引] mdx 词库制作者们，你们最常用什么文本编辑器？ https://www.pdawiki.com/forum/thread-19418-1-1.html
- MDXBuilder (3.0 Beta2) 下载：http://www.mdict.cn/download/MdxBuilder.zip
► 用于将 txt 转为最终成品 mdx，将 css、js、音频、图片等打包进 mdd。
- MdxExport 3.3 下载及讨论：https://www.pdawiki.com/forum/thread-17709-1-1.html
► 这个工具作用和 MDXBuilder 恰好相反，可以将 mdx 转为 txt ，将 mdd 里的文件提取出来。
MdxExport 3.3 的前身是 GetDict2.6/2.3 etc.
熟悉 Python 也可用 readmdict.py https://bitbucket.org/xwang/mdict-analysis 提取 mdx/mdd 内容。

---

解压缩“MdxBuilder.zip”，里面有个文件“manual_Chn.txt”，里边很多内容我觉得都过时了甚至有误导，然而下面的内容太重要了，看懂了，掌握了，其实就已经入门了：

3) MDict的html格式
7 K7 ~$ e1 g: q: A) m5 r. X每个项目两行
* \& o, t l8 A第一行是关键字5 g' E- H3 R! G4 _1 I! w
第二行开始是正文, 这里的正文应该包括关键字。可以使用html的标记(不要包含<html>4 |( O% c1 s u& U
<body></body></html>, 这个程序会自动加上, 另注意在转换时要指明源数据为html). ' r! P9 X% c3 m8 ^
如果需要显示音标的话，可以利用html指定字体就可以显示了。(参见下面的例子)
+ m+ w6 s# R$ @" |7 A7 m+ L d正文结束后必须用一行</>表示结束
. w2 F; E4 |& F6 S2 p8 f
3 \% _6 q" h0 X4 J* N$ o$ r6 w- r例子:' l2 B0 r, X! g" P1 R$ h7 V2 H* z
Whole: \6 f1 x3 U! l0 g* F8 m) {
whole3 a* o) \$ H" \1 w, G7 K6 u/ {- m
 
: L- h. n F9 P& C(hol,hJl; houl)9 g5 |8 X" X4 g. L" V
</>" H' n( ~1 {( R: }# C' ]
8 `& g- q* W7 Q
(注意"</>"和下一个记录间不要有任何其他空行，请参考example.txt中的例子)
/ C( t( K1 _& e1 }2 V* Y1 b; O8 T1 I" D3 n4 @- Z
在html中连接到其它关键字的方法：
, F. v% S- D3 x* P9 Y<a href="entry://key#section">key</a>
" x2 U+ U6 {4 D2 X' j- |# u' \: i0 p, g其中key是关键字，section是对应关键字页面中的section名称.
2 z+ J0 o2 L$ N" i( S) a5 M" u6 n6 A! N6 `" \9 Z' x) e7 i
在html中嵌入图片的方法:(PC版的MDict 1.0以上版本才支持图片)
/ o' m7 [/ q: n' B<img src="file://abc.gif"> 或者 <img src="/abc.gif"> 其中src指向的文件名大小写不敏感
- e; r& ~ Q' ]. X2 l8 Z: ^并将所有图片文件放在一个单独的目录中(不要与词典源文件放在同一目录中). 数据目录中可以
% k9 x. ]8 p4 K! G) r5 f" y' }带有子目录。在使用MdxBuilder制作词库时，将Data路径指向上面存放数据的目录，该目录中的0 U& X' p \5 S6 g
所有文件都会被压缩到后缀名为.mdd文件中,使用时该.mdd文件应当与.mdx文件在同一目录下。
/ y) y( D' S, z4 m, E! @1 ^6 z
% s, D- {# n3 [1 l在html中嵌入声音的方法:" [8 q' m( V" p& C8 b5 P
使用链接<a href="sound://keyword.spx">keyword</a> 这样的形式，点击该链接的时候可以进行发音
+ D9 y' \; F" T+ \. e发音仅支持.wav和.spx格式的音频文件。- i& E# m. M ]

- e$ b- H ^: X0 w, H+ _% Q- A内部重定向(内容链接):5 Q5 U: Y: Y! x1 ~; I5 f) {
1) 当两个关键字所指向的内容是一样的时候，可以采取重定向的方式来达到"链接"的效果。内部重定向的格式为:
9 k9 F' N Z4 w4 C3 f@@@LINK=关键字0 z6 A/ R' {) i+ r0 ^ N- U( ^
例如color 和 colour 都指向相同的内容，制作词典时可以正常编写color词条，但对于colour词条，可以写成:
3 j, w, j: T7 G' r. W% z6 A, K$ r! P" |; T5 t
colour) B! @: u; N/ |5 y
@@@LINK=color) u3 R4 C: r! i- E, Q2 {! s2 b
</>- L( K% T% x4 O8 `

4 B7 J! B: V8 G* p( d _% W当显示colour条目的内容时，程序会自动找到color的内容进行显示，链接是可以多重嵌套的。

特别说明：建议新手、老鸟，没有特殊需求，用 MDXBuilder (3.0 Beta2) 制作 mdx 即可。mdx 格式已经有更新，新版本的 MDXBuilder 4.0 生成的 mdx/mdd 仅有 MDict 才支持，其余软件如 GoldenDict、BlueDict 等，统统支持不了！也无法提取出内容！
参考：http://www.mdict.cn/wp/?page_id=5227&lang=zh
> MDXBuilder 4.0 测试版： *4.0版制作的词典必须最新版的MDict程序配合使用(目前只有 PC 2.0 及 Android 2.0版)
---

---

ldlcau mdict版制作方法和常用工具 https://www.pdawiki.com/forum/thread-899-1-1.html [O注：部分内容显陈旧]

- Oeasy [实例][解压mdx/mdd再打包为mdx/mdd][乱][多图] https://www.pdawiki.com/forum/thread-13388-1-1.html
- 词库制作中可能有用的软件、技术整理 https://www.pdawiki.com/forum/thread-11016-1-1.html

抓取：
Oeasy [wget 不需要编程] 制作Dictionary of Phrase and Fable, E. Cobham Brewer, 1894 https://www.pdawiki.com/forum/thread-11431-1-1.html
bt4baidu 【史上最全】在线词典抓取、制作技术汇总 https://www.pdawiki.com/forum/thread-13219-1-1.html
- https://github.com/OZv?tab=repositories
yaodis 我是这样用 python 制作词典的 https://www.pdawiki.com/forum/thread-12399-1-1.html
chigre 【直播完成】一个在线词典的离线MDX化制作[2012-11-29] https://www.pdawiki.com/forum/thread-10260-1-1.html

dsl 转 mdx，常用正则表达式
Hugh 【图文】手把手教你[转换]+[排版] MDX格式词库 https://www.pdawiki.com/forum/thread-10689-1-1.html

图片版 mdx 制作：
tsiank 图像版mdict字典制作方法 https://www.pdawiki.com/forum/thread-13451-1-1.html
vbnet [索引] 20160710更新( 全部)_制作图片字典工具的试作 https://www.pdawiki.com/forum/thread-16663-1-1.html
chigre [索引] 20161116_【教程】全索引精确定位图片版词典的制作 https://www.pdawiki.com/forum/thread-18134-1-1.html

EPWING 转 mdx
qunwang6 Epwing2Text && HTML+ 外字转换 https://www.pdawiki.com/forum/thread-13867-1-1.html

Babylon / Lingoes / StarDict 等转 txt
bgl 转 mdx / txt 的一点经验 https://www.pdawiki.com/forum/thread-21725-1-1.html
chigre 各种格式词典数据转TXT文本的工具软件(.BGL .LSD .LD2 .MDX STARDICT) https://www.pdawiki.com/forum/thread-10267-1-1.html

游客，本帖隐藏的内容需要积分高于 1 才可浏览，您当前积分为 0

开源代码
github 等地和词典有关的 https://www.pdawiki.com/forum/thread-16586-1-1.html

qunwang6 \BGL\DSL\MDX\CD\ ===> OSX.dictionary https://www.pdawiki.com/forum/thread-13014-1-1.html
---
感谢 MDict 作者 Rayman 十多年的坚持；
感谢各种代码、小工具、软件的开发者；
感谢诸多 mdx 制作者、分享者；
感谢词典编纂者、出版者、服务商，各种百科编辑。

---
- Windows下将startdict转为txt的工具 CvtStarDict2Txt.rar
http://www.programgo.com/article/34123760162/

- 制作KINDLE的词典 https://www.pdawiki.com/forum/thread-15128-1-1.html
- strnghrs - 博客园 http://www.cnblogs.com/stronghorse/

sky66 · 发表于 2016-12-21 22:13:56

laohuhua 发表于 2016-12-21 20:49* L' p6 G$ L% W" E3 r/ i5 h- |
可以麻烦你按上述五类展开论述一下吗？多谢。

个人经验浅谈, 首先只要知道 mdx 源文件的格式是这样就好了.

词头
释义内容
</>

### 一、格式良好的文本数据9 w/ g( L8 n+ K- j: e A+ A
- Kindle 文字版电子书（mobi、epub）: W1 b8 ~) K5 S' V4 |2 _
- 原始的 XML、JSON 等格式的词典数据[有极个别词典光盘，数据就是一个或多个 XML 文件]& S; d& X* V0 d& Z
- 区分了词头、内容的两列或多列 Excel 表格
c9 i& B2 |1 I' O# C+ p- 自行整理、总结的各类适合制作为 mdx 的文本
, r' b- x& h1 }/ _* h0 m$ _. ~* b. L- 部分文字版 PDF ，这个得看运气了，有的好做，大部分尤其是多栏的、图文混排的很难做+ F- `' r0 O" q$ I
- 其他

1. 例如: CNET.epub, epub就是一个压缩文件, 解开, 内有两千多个 xhtml文件.
使用 emeditor 提取出所有 <body>与</body> 之间的内容,
用正则将词头整理出来, 再将</body> 改为</>,
最后用 MdxBuilder, 一个初版mdx词典就完成了.
再来就是要考虑如何排版与精美呈现.

2. 例如: 某个JSON格式的词典数据, 内容如:

"notes": [
. t1 M& v# A$ K; Z2 i) G
"古国名，建国于主前753年，其最盛世时国境东西约九千里，南北约六千里。"% y* F% N! x+ c7 T0 A T
],
4 F3 F2 F6 w( [- s2 B# H
"chinese": "罗马", 7 l6 F, E8 {9 y0 y
"english": "Rome"$ i! u2 Y+ K Y, e0 o
},

复制代码

使用emeditor提取出 "罗马" 和 "Rome" 为中英词头, "notes"底下的自然就是释义内容
然后将 }, 改为 </>, 完成

3. 例如: 某个词频.xls 表格, 内容如下:

1 the
$ }7 Z8 M9 R0 I- Z
2 be9 r' H/ o* m5 x3 Q
3 and, m. }: h6 Q2 y9 Y- e
4 of
# A0 g1 }. b0 N. l$ A
5 a

复制代码

复制到 emeditor, 找 (^.*?)\t(.*$), 取代为 \2\n\1 \2\n</>
这样就完成了一个简单的词频词典, 要精美就要更多数据与排版了

4. 例如: 某个基础词汇.doc 文件, 内容如下:

10. absolutely ['æbsəlu:tli] ' K. c* `. Z' g: H* N
adv. 绝对地；完全地；是这样

复制代码

同样的, 复制到 emeditor, 再用emeditor整理成如下 mdx 格式.
absolutely
<tit>absolutely</tit> ['æbsəlu:tli] <pos>adv.</pos><def> 绝对地；完全地；是这样 </def>
</>
再制做个对应的 .css, 调整颜色与排版, 完成.

5. 例如: 某个词频.pdf 文件, 内容如下:

1152 absolutely r
% C; r) T, e: W1 r
no, right, • nothing, sure, • necessary, ...

复制代码

同样的, 复制到 emeditor, 再用emeditor整理, 排版, 完成.

不过有些PDF就不是这么顺利了..

chigre3 · 发表于 2016-12-21 21:07:48

感觉论坛到了一个瓶颈期：
该有的差不多都有了，会做的差不多都走了，
真的需要一组帖子来普及词典制作~
为下一波高峰助力

泥丸 · 发表于 2016-12-26 00:17:28

提示: 该帖被管理员或版主屏蔽

henices · 发表于 2016-12-23 15:46:46

我一般都是兴趣驱动, 最近对一部词典有些兴趣, 可能会抓取制作.

deeke · 发表于 2016-12-22 02:06:30

做词典讲究四门功课：

1. HTML + CSS
2. Regular Expression
3. Javascript
4. Python

sky66 · 发表于 2016-12-21 14:16:02

汉语大词典, 历经上述三重境界(修改原mdx版、转换dsl版、整理光盘数据)
五种数据来源(PDF文字版、dsl版、扫描版、在线版、光盘/app)
最后连纸本书也买了...

duancj · 发表于 2016-12-21 13:37:20

很好的帖子，感谢O大

zhu1234 · 发表于 2016-12-21 14:30:41

好帖。总结归纳得好。

laohuhua · 发表于 2016-12-21 20:49:12

可以麻烦你按上述五类展开论述一下吗？多谢。

minsk · 发表于 2016-12-21 23:21:58

不可能整理到那么详细的，能把通用的方法讲清楚就已经很不错了
至于各个网站和词典的排版细节太多了，讲不完的

lxchen2001 · 发表于 2016-12-22 03:13:19

deeke 发表于 2016-12-22 02:06* G( B) i6 _6 F0 a4 s* Z
做词典讲究四门功课：
, e9 N! i, l) Q& \! I7 w6 d. u4 o6 \0 k( | r+ E$ g8 l5 i9 D3 T
1. HTML + CSS

先从1开始吧门槛没那么高

用点心的半天时间就看能看懂H5+C3

秋天故事 · 发表于 2016-12-22 03:14:19

好贴，真金白银，赶紧找个位置坐下来听课~~

感谢O大无私分享心得~~

lxchen2001 · 发表于 2016-12-22 03:17:00

chigre3 发表于 2016-12-21 21:07
; X8 N: B# d7 m }感觉论坛到了一个瓶颈期：
' k% J+ ^0 n: J0 M/ ^该有的差不多都有了，会做的差不多都走了，
8 ~1 R, b& ]& b- P8 X# G真的需要一组帖子来普及词典制作~
; V" `, {/ {" s4 ? ...

我表明过我的看法，也懒得多说，现在是大锅饭时代。

迪克特 · 发表于 2016-12-22 08:50:23

制作图片版字典需要一张一张处理图片，一个一个词头校对，非常耗时！非常耗时！

Oeasy · 发表于 2016-12-22 09:07:42

sky66 发表于 2016-12-21 14:16
( Q% z V4 ? G1 k% }汉语大词典, 历经上述三重境界(修改原mdx版、转换dsl版、整理光盘数据)3 G9 V# q) F" e; S5 L+ g' Z# U3 k
五种数据来源(PDF文字版、dsl版、 ...

真爱，佩服。
好词典当得起这番折腾。
像《牛津高阶英汉双解词典》（第 8 版），分享了的，没有分享了的，各种版本不下十个，而且大多都是自行提取，从第一步开始做。

迪克特 · 发表于 2016-12-22 10:09:05

制作词典耗时费力，需要组织制作团队！或者请吃鱼出山！

adv122 · 发表于 2016-12-23 04:06:03

本帖最后由 adv122 于 2018-1-22 16:00 编辑

多谢O大分享

xzqxq · 发表于 2016-12-24 06:59:23

希望楼主尽快完成，非常需要这样一个完整的教程。

mingqing007 · 发表于 2016-12-25 00:24:58

其实有个完整的详细的教程真的挺重要的，感谢分享~~~

泥丸 · 发表于 2016-12-25 00:40:42

sky66 发表于 2016-12-21 22:13 G; z! E7 I( s' d7 N$ N3 _
个人经验浅谈, 首先只要知道 mdx 源文件的格式是这样就好了.; V8 L5 g% }! ^
2 E/ Y9 ?" F9 K
词头

真的是手把手授人予渔

njuzwr · 发表于 2016-12-26 19:32:04

学一学如何制作

70A · 发表于 2016-12-27 14:05:24

楼主2016-12-23的那个《中华汉英大词典》（上） mdx [仅 1 词条] “怼”得妙极了，读完贴忍不住笑出了声。随时都在楼主这个帖子的新内容，期待中。

九合诸侯 · 发表于 2016-12-29 05:11:43

按照HUGH的转换和排版帖子想转一本DSL，可惜卡在排版那一步了，花了几个小时，毫无进展，还是缺乏CSS和HTML的相关知识啊。

akureyri · 发表于 2017-1-3 13:37:43

Thanks very much !!!

		自动登录	找回密码
密码			免费注册

泥丸泥丸当前离线积分 720 该用户从未签到	发表于 2016-12-26 00:17:28 \| 显示全部楼层提示: 该帖被管理员或版主屏蔽
泥丸泥丸当前离线积分 720 该用户从未签到
	回复举报

[索引] mdx 科普、制作教程大合集[进行中][20180121]

本帖子中包含更多资源

评分

本帖被以下淘专辑推荐:

本帖子中包含更多资源

评分

点评

评分

点评

本帖子中包含更多资源

点评