简单的合词典

Yyang.

额...希望ff大 不要怪我。每一次都是用你的词典来举例子。
4 k8 y3 k' e; i2 Y! z没有办法谁让你的词典那么具有代表性呢
7 M# t# i7 @& k
大家在用小型的功能词典时，要分辨安装好多小词典，现在用这个合并就可以把几个小词典合在一起，方便使用。

4 J  f8 U3 Z7 H! N& g% L" x1.这个按照软件作者来说，是可以无限的合成词典
& ?+ O% X1 Z: m# [" N3 V2.这个方法适合大量的词典
- @0 w5 Y7 p, Y) v/ I3.这个方法是mdx解压得到txt，对txt的合并
% {0 @5 |4 _. ?4.存在问题
. O" b" f: u2 R    1.适合小型的词典
4 T2 `3 i' F: s! q# Q    2.没有复杂的css
0 E) \* k4 D, R$ e" R    3.没有或者很少的js
    4.没有跳转
! H3 `# W7 {* U3 r" o3 L    5.没有大量的图片
    6.没有语音的



" E# s$ [0 `; r一 需要软件
1 v0 \9 i4 g0 k7 ~1.[2018-3-3]MdxExport3.5-MDX与MDD资源导出小工具
7 z& U* {9 h0 Phttps://www.pdawiki.com/forum/thread-17709-1-1.html
2.[MDXBuilder] MdxBuilder 3.0 Beta2
) I1 Y. R/ h9 c  [! \# K3 fhttps://www.pdawiki.com/forum/forum.php?mod=viewthread&tid=3747
4 ]. x9 w4 w1 s3 j# ~( B6 U3.Mdict Editor Tool v2.0.35 -- 多功能个性化词典制作工具
! g* O0 ?% k& j% w  K' ^" Uhttps://www.pdawiki.com/forum/forum.php?mod=viewthread&tid=3747
+ C% K  _. u4 T' t: H4 F; T
第一步
2 M1 C9 q- q/ q# G1 H" ~& k* v使用[2018-3-3]MdxExport3.5-MDX与MDD资源导出小工具对mdx转换，转换为txt格式
$ Y3 `8 ~. l: j0 ~
2 ?0 v3 X3 ~" d1 k, P- e! D同理，对lang5++转换，得到

$ ^; f9 X( R, ^0 A( J6 D
第二步
/ j9 _$ ?3 v0 A6 W0 ^我们主力的软件3.Mdict Editor Tool v2.0.35 -- 多功能个性化词典制作工具
$ C$ z: v1 c9 \https://www.pdawiki.com/forum/forum.php?mod=viewthread&tid=3747

# q2 Y: J0 _1 s注意事项：1）css，js的生成名称是不能改的，必须和你设置的一模一样，否则无法检测到css，这里的css控制的是js词典跳转的按钮处格式和全局格式的控制
, h2 u5 j# C. U- P3 b% b) f, m3 a但是，仅仅使用这个新的css是不可以的，当设置好了新css，不想再麻烦调整新的排版，沿用之前的排版，那么就把之前的xxx1.css，xxx2.css，sss.css全部放到文件夹里面，比如文件夹叫测试文件夹，那就把以前除了mdx以外的js.css.mdd等全部放入测试文件夹

* @/ N, j% L+ D% e0 R; T: [

得到这个
6 e" @1 Y: @5 c1 P6 G0 s
# f  y  t2 P$ [! W
不想再麻烦调整新的排版，沿用之前的排版，那么就把之前的xxx1.css，xxx2.css，sss.css全部放到文件夹里面，比如文件夹叫测试文件夹，那就把以前除了mdx以外的js.css.mdd等全部放入测试文件夹
& r3 |7 u  p% d* E4 R. Q. O

: g% I% d/ c8 @3 N让我们来看看效果图
1.部分排版出现错误，js跳转没有问题，
% T8 s; ~* Y8 K1 g2.在线发音和离线发音都是可以的，想要在线发音，本词典必须放在第一位
0 R, {. P5 s" j1 Q3 i3.css可以修改


/ d* G. J: U$ x8 k+ ?- Y
由于是合成的词典，定有一定的概率出现js失灵，尤其是在两个或者多个词典在同一界面下的跳转
由于会出现加载问题，本词典必须放在第一位

; I+ m6 u; Y+ W0 Z9 h/ Y那怎么办尽可能的避免上述的瑕疵？于是根据自己的喜好，通过替换display：none实现全部展开
; J; ^! Q4 V* b) ^6 R$ G; o" p
+ Y  d/ E  X& _这就有一点比较麻烦，比如查找go这个单词，要在屏幕上滑动好久才能到第二个词典
8 [8 B) s  g1 L, V' s9 d
需要的工具
9 e  z' P. a1 F) A. X
. T- b" {$ s# r8 h( Y0 ^$ u1..emeditor64 百度
2.MDict
& q; J+ `% c7 x; A) `4 V- x$ Y! qhttp://www.mdict.cn/wp/?lang=zh
3.Google浏览器

' w+ s" |5 t2 b2 W我们来通过牛津搭配和牛津同义词字典来看看
我们还是老方法得到两个合并在一起的txt，实现替换
3 k3 U2 l, O$ p+ m
8 u! M' e+ X4 G( T
9 X: \, X2 H) @. [) |得到mdx

我们来改css，详细步骤看我另外一个帖子超级零基础小小小白Css修改教程贴，说下大致步骤
# P, s: x0 N  p: V& {1.使用mdict，打开我们得到的 测试文件牛津动词.mdx
- x3 t. s* f$ }+ Y; ^1 ^/ z* X2 c! L  l2.提取源
6 U1 n- F8 V+ n8 k; n! `' @3.使用Google打开  go.html
, |* j! x4 G* w' |% G4.使用MdxExport.exe打开mdd得到之前他们两个的css
* ^$ g2 |$ i3 V% V. ]
% O8 c. s8 h5 W- J) J我们查看测试文件牛津动词.mdx 排版一片混乱


/ t2 C/ T7 G" ?9 \% O3 g我们使用这个新的css导入看看是什么样
% j/ ], X, U1 A! e: {# q; f6 a8 C
4 V2 A( P8 r9 ]  F
$ M0 `% e, I) T$ ]( }我们导入之前原有的css
' U' ]6 {# P" G

# \& F, |6 ~8 C9 K* u修改新的css来删除标题字样
( R/ S7 h+ y* R- u8 \


, B/ R- [  H3 n9 ?+ _# f我们开始合并，使用MdxBuilder


4 {1 [7 f' r- ?+ {# h8 F7 F我们看看效果图
; Q  j3 W& V+ |: N/ K% k0 v7 B& w

大爷都读到这里了给一个咱呗，1米2米不嫌少，50，100米来着不拒~
% k5 p1 I! @/ l$ X  Q

& R3 G0 o* q+ f8 S& X9 q' y/ y0 a

QQending2

先码再看……
我粗略的看了一下
4 k/ M5 Y, r, J8 W1 q- A似乎是比较简单粗暴的合并方式？
3 R6 j5 Y. H$ r. P1 S我还是想自己提取节点数据，然后再写节点……

jiaoyulilun11

地主家也没余粮了。，感谢分享技术！！

wojiaojzm

学习了，谢谢大大

Bouroz

感谢教程贴，很有帮助，另外新手求教，mdict editor tool使用时，清空out文件失败，无法运行，怎么办？

Yyang.

Bouroz 发表于 2018-6-16 10:57
+ j* j8 o, j5 v& |: x4 t感谢教程贴，很有帮助，另外新手求教，mdict editor tool使用时，清空out文件失败，无法运行，怎么办？ ...

& k; I' f& {9 \; ?: R2 z....额 请问为什么要清空 out 文件呢？

Bouroz

Yyang. 发表于 2018-6-16 12:55
....额 请问为什么要清空 out 文件呢？

5 W; @$ f/ n/ G那软件打开一运行就这样，弹对话框示错，那贴后面也有人反应过这个问题，作者没有回复，我再试试吧

Yyang.

Bouroz 发表于 2018-6-16 13:02
那软件打开一运行就这样，弹对话框示错，那贴后面也有人反应过这个问题，作者没有回复，我再试试吧 ...

# L5 X% {7 b' r这个我就不怎么清楚了 我也不太了解 帮不上忙 我的系统是win 64位

Bouroz

Yyang. 发表于 2018-6-16 13:04
- K8 R' |, [+ c% s这个我就不怎么清楚了 我也不太了解 帮不上忙 我的系统是win 64位

8 S7 ?$ Q- s" g我的也是，win7都不行，我有时间再试试看吧

Yyang.

Bouroz 发表于 2018-6-16 13:13
我的也是，win7都不行，我有时间再试试看吧

( j& p8 @; T3 R5 O7 V) [嘿嘿 这个是粗暴的合词典 正如四楼/QQending2/所说 提取节点数据，然后再写节点再好不过了

Bouroz

Yyang. 发表于 2018-6-16 13:23
嘿嘿 这个是粗暴的合词典 正如四楼/QQending2/所说 提取节点数据，然后再写节点再好不过了 ...

那么我就有问题了，什么是节点数？新手不懂哈????，要不我还是继续默默的小改版吧……

Yyang.

Bouroz 发表于 2018-6-16 13:26
那么我就有问题了，什么是节点数？新手不懂哈????，要不我还是继续默默的小改版吧…… ...

1 S1 V; T# _% C, A4 \哈哈哈 我也不太懂 可能需要编程啥的 太高深了

Bouroz

QQending2 发表于 2018-5-8 11:38
* C$ `. R( x. Z1 z* B2 e9 W. }6 ~先码再看……
% S' `5 v* v! Q( {! P9 F我粗略的看了一下
" k" t5 q8 M! r/ q5 N0 N$ M/ t似乎是比较简单粗暴的合并方式？

提取节点的方法，有教程贴吗？最近想提取柯林斯的词频，然后加到我的词频词典里

QQending2

) I# G, B0 I- b9 k( {, q

Bouroz 发表于 2018-6-16 18:24
提取节点的方法，有教程贴吗？最近想提取柯林斯的词频，然后加到我的词频词典里 ...

* J) O- a7 o1 m# _$ P4 A) E
- S% N2 @  Y' f! a: t  `* n我也没系统化学过编程……
% k  g& [( L& `. U先用论坛给的解压工具把mdx解开
4 z  `7 S" x3 ~3 G. j3 u, z使用EmEditor找到一个最具特征的单词(entry)
提取出单词对应的那部分
为啥叫entry，因为不同entry有时候指向的是同一个单词
  H6 _5 Y0 X2 j. [只不过有时候为了单词的不同形式……比如单复数都能被搜索到。
+ Q; g+ _: L& h; H然后使用notepad++的tidy2进行格式化排版
当然你也可以选择不用。
9 A4 }  ^$ |/ c/ I$ F' o  d( z! e主要是用来观察这个词典的格式化排版。
. |$ D/ [  X& m词典的排版应该叫html的排版吧……
找到规律以后
我是用Python使用正则表达式进行提取的
比如论坛里比较著名的500万词的那个简明必应
他是把html展开了，一行一行的。
1 t9 U7 S' i% x( p但是其他词典的经常都是所有内容压缩在一行里了。
% t7 e. g! m4 c7 @提取的时候要找到标签内的关键词部分。
! c' z' y0 t( A1 Y
其实吧……不知道你信不信
我把论坛内的柯林斯 朗文 牛津 麦克米伦的词频都提了
0 L: q) V5 y- n% k; ]COCA BNC ANC之类的也都提了……
但是语料库的，我发现人家官网的Sample就是按照rank排序的，只不过没有Freq
( M5 `& p" i) y3 c/ s, v/ W
; B. d# g$ e/ o: [- }. T, y5 f我现在就是没时间把这些做成一个完整的查询系统
不过做好了一个词单的对比分析器。
可以对比出两个词单之间的差距
& f) Y7 y. }: F- y( _+ y. u6 z然后他们本身分布在上述语料库和词典的词频(RANK)分布如何……
4 b0 C: s) P1 L
至于教程……
% w% v) N; L# I9 e* L5 [5 e最近在复习考研，都挺久没上论坛了。

QQending2

Bouroz 发表于 2018-6-16 18:24
9 F; f$ m) r8 n# \0 j提取节点的方法，有教程贴吗？最近想提取柯林斯的词频，然后加到我的词频词典里 ...

( F/ ~% r$ \# {9 P- x/ J2 |7 s$ v
这样吧，我把提取出来的FF大Collins Cobuild和2017.5那份很多道理的Collins Cobuild
8 D& ?! w1 I0 G- s# j& }5 G的分享给你，7天有效期的链接

+ B2 ^; U8 M1 s9 E. @

QQending2

Bouroz 发表于 2018-6-16 18:24
* U3 @* @) d  e/ O# S5 L' P0 r提取节点的方法，有教程贴吗？最近想提取柯林斯的词频，然后加到我的词频词典里 ...

+ t) p$ @  E" }# p3 F7天有效期……东西以后是要完全公布的，如果抓取源的大佬对抓取后再次分享发布不抵触的话。
8 C4 e% _7 W# L/ s- T3 l链接：https://pan.baidu.com/s/1BeE-t51SD32TI6lWSsBN3w 密码：r9iu
2 N) ^, r5 N. P* P7 O但是暂时各种东西没做完，我就不单独把所有的研究材料发出来了。

QQending2

Yyang. 发表于 2018-6-16 13:28
% f. F* {% `% [! v6 Y哈哈哈 我也不太懂 可能需要编程啥的 太高深了

您做的JavaScript的排版应该也属于编程部分吧
而且也挺繁琐的。
其实提取词典不比您那个麻烦多少。
但是如果跟防抓的词典网站折腾，那估计就有的弯弯绕了。
; B1 d0 g0 z/ Y9 V# |2 f
' @$ e2 p9 H! B9 h% l( _我看bt4baidu分享的抓取词典的开源代码部分。
7 _# ^* e+ R$ @$ L  o# ?2 i0 L* N好像就包含了如何抓取并且生成各种节点……
8 g+ [, @' P% p7 M6 p$ s
但是总归，只要符合规定的html标准，其他的就按照自己的心意来就行了。
' s& ^$ V7 v0 E" g7 E2 q甚至可以基本上不用后期的Javascript或者jQuery之类的进行二次处理可能都能有一定排版。
当然，自己如果把排版设置的太死，后面修改都不方便了。

QQending2

含PoS(Part of Speech)词性版的
) {& `3 t, [! o  H8 w$ Q我还没完全写好整合

# Y, @' h* B* W% {' z

4 \# Q9 i; _+ l! ^2 k这个东西我就先不公布了，理由如上
就是先自己研究明白了，而且还不知道设计啥版权不呢……
2 z( C' a: b3 R& D0 w: E3 `# H" [( Q, }
这里还得谢谢楼主提示了我用EmEditor这个软件
不然大量数据的观看真是要死要死人的

Bouroz

QQending2 发表于 2018-6-20 10:37
4 l$ J! g; G. b- c! n' d含PoS(Part of Speech)词性版的
0 P) I& B& t& [$ u$ r# O我还没完全写好整合

非常感谢你的回复和帮助，词典我就不下了，我前两天新更新了一版词频词典，欢迎你的使用，也期待着你的大作！https://www.pdawiki.com/forum/fo ... p;extra=&page=1

Dukejms

这个楼主怎么被禁言了，发了不少css改编作品，总体还不错的。