TA的每日心情 | 擦汗
2021-3-8 17:59 |
|---|
签到天数: 2 天 [LV.1]初来乍到
|
本帖最后由 lixun305 于 2014-1-9 19:25 编辑
- n' a+ u/ N/ _2 A0 N$ z9 X6 v- Y! F" y* `9 ~/ l
http://pan.baidu.com/share/home?uk=2718706185#category/type=0 这是连接地址，只是抛砖引玉.9 N$ M2 j6 E( D" \ @$ i
mdb词库：: Y1 _$ G7 X3 {% ]* t
1. 现代汉英综合大辞典
; c! A* y' S' v. b: z7 D9 y: ?8 \) L2. 21世纪大英汉词典_微调版本
i2 R3 | t( j. c9 N3. 牛津英汉简明词典修正版
8 ~$ @7 j: c T& t4. 朗文当代英语词典5版
1 |2 R7 k" s; Q7 H5. 诗词总汇
* V2 g% y9 u8 F. y6. 牛津英汉词典
/ d$ u8 A; C- D A1 X7 l7. 牛津高阶学习词典英汉双解第7版OALD7 w( _9 L% y+ @2 e/ M! h* ], B6 f& y
7 P( ?4 P+ B* n# n. x l- H分析有偏颇，不当之处，请谅解。7 G; ~$ x; D/ {5 c% ?
; h: \; f$ A# I3 e9 Lmdx词典日渐丰富，仔细看来，下面列举的都是相通的：
. X5 y, K3 ]# n2 l1. chm (hlp) 文件 可以查找，复制，有索引。查找索引或内容或。。。. Z' t9 ~* Z8 o9 a
2. 网上百科 例如百度，维基，内容海量，查找甚爽。
3 j6 Z/ e+ Z) S/ a% w; ?: ]6 I4 e3. dict(startdict)这个研究不深入，仅可以读取它的内容，相比查找方式和mdx差不多。
T" {$ j' ~) f7 C- k$ F: e4. 有些软件生成的exe文件，也有内嵌的查找功能。 也包括大型的词典软件（例如牛津出的光盘版），一般小民也无福，无M消受啊。
' a) w6 N" j1 a& A9 v" I( c8 {5. pdf 文件，可有索引，查找索引或内容。$ E3 |5 s+ N; G6 l
6. xls文件 Excel格式，可以直接打开看，当然查找再方便不过了，不过，记录数不成超过65536(现代英汉综合大辞典，21大英汉辞典，牛津英汉简明词典。。。被pass了)。 单个条目不能超过32767个字符。这些限制可能excel2007以上都已解决，但我是一直windowsxp + office2003的ghost系统，谁想再重装一次恶心人的office2007呢。 唉，这个格式限制甚是恶心啊。$ ` t6 Z: h6 S. Q0 X, u
7. mdb文件 这个是微软access的主打格式，小型数据库文件，但接口方便灵活，规模较小（甚至绿色版都可以）。对记录总数和单条的限制几乎没有，对一般p民来说足够用了。
# j; b [5 F* u/ T% [' n( S 网上许多软件其实就是mdb的外壳，查找，编辑等一体，当然，为了保护知识产权，加了密的居多（但可以破解2003, 2007格式，其它未知，:p)。' T; K% J2 I, n* j, ]. a2 ^
9 g a1 I u( c8. mdx mdx的词典丰富，内容紧凑，尺寸小，查询快速（只是快速，但这确实很重要），可联合查找，手机pc都可以用。。。优点不一而足, 我就不细说了，只说其缺点，这里绝无贬低之意，只为探讨，学术性的，:p...: o; ]* B t) D* ]+ r; ]8 x9 H
(1) 只能对索引进行查找，因此基本上就是索引，内容两部分内容，更多的信息只能存于内容中，靠html的格式进行格式的编排。
( ^5 n) a/ F) G; x. x. {) }/ x2 S (2) 对索引的查找无法精细化，例如：
( Z- x7 k) @5 H; S; D' }* n 大小写敏感 dog DOG, CALD cald，在很多时候还是有区别的.7 X. c( Q8 P4 y$ L% Y& L
查找个数无法限制，有时真的不需要找到很多，一个足以，或者三五个就行，可是出来一堆很头大。
& M r1 a' A0 O) I( ^/ ] 没有匹配方式 例如： 这些匹配方式有时真的很有用，特别是有几十万个词条的时候，出来成百上千个查找结果，情何以堪。
8 }5 s$ Q' T8 L, e 精确匹配 dog dog, dogmatic，dog's head, 只dog可以
* n, W0 T6 q1 R2 h+ T7 ^6 E 单词匹配 fat fat, fat salary, fat job均可) g4 w9 ~5 {$ j# T/ S
模糊匹配 fat fate, stepfather 均可
' [# E7 s) x+ } 从头匹配 fat fate, fat job可以，stepfather不可以。 只有从头开始是fat的才可以。 s9 w+ |) l1 |9 v, {+ T
(3) 无法高级查找(多个条件查找）例如：
3 k, p; D& L: a: w 查找成语：要查 ?三?四组成的成语（不三不四，朝三暮四，丢三落四，低三下四。。。），其实就是含有通配符，需要满足有 三 四 关键词的查找方式。1 g0 o3 {/ u6 Y: P, y* ?8 O8 U5 w9 |
查找诗词库中李白写到黄鹤楼的诗词：(望黄鹤楼, 与史中郎钦听黄鹤楼上吹笛, 李白见崔颢《黄鹤楼》有感)。 其实就是要求词库中至少有作者，题目（或内容）两个字段，然后查找条件： 作者为李白且 题目=黄鹤楼(模糊匹配，不从头匹配）。
! G' A* M& k+ g7 c6 U0 ?4 K (4) 无法对多个查找内容综合到一个窗口内并且对查找内容二次查找。8 M5 ?. v7 A5 t0 I
例如诗词库查作者李白，出来984条记录（这是中华诗词总汇中收录的李白诗词）。 这么多诗词，包含作者，题目，年代，题材，类别，内容，感想，出处等信息，通过一个简单的分割条放置在一起，导出成txt或者html文件，不就是一本：《李白诗词大全》吗？ 如果仅仅在pc上查找，出来984条记录也挺头大的，于是二次查找很有必要，例如：就在这个结果中查找出现 “庐山”的诗词，并且逐一定位，很有必要啊。
, W/ x* ` s; |! F (5) 无法对词库进行编辑/ O1 T$ j- W- B3 v! ~8 ^7 f
包括删除，添加，更新，查补（用其它来源的词库文件对现有的进行查漏补缺）。
9 _% ]8 {3 J* W- h' B 例如，安装了英汉词典，只有36691个词汇，好多查不到，但又不想用动辄30多万甚至上百万的词汇量，于是只对自己感兴趣的若干词条导入到其中，很有必要。
: q3 V7 y7 c; p f* I. a' d. a/ O 再例如：看到错误或疑问，是否可以对源词库进行更新：例如孩子问杨万里的宿新市徐公店怎么背， 诗词总汇呀，赶紧查，(作者 杨万里 and 题目 宿新市徐公店)，出来了：篱落疏疏小径深，孩子撅嘴了，不对，我们语文课本上是篱落疏疏一径深，怎么回事，可不能与国家教育部的相悖啊，赶紧上网再查，果然，两个版本都有，没办法了，只好以国家出的为权威了，于是，需要更新这首诗，省得以后孩子再查的时候又错了。 但mdx不好办啊。
- Y8 w# t- V% u, }' c" g 再比如：诗词，高鼎的村居(草长莺飞二月天)，孩子又忘了，结果，诗词总汇居然没有高先生的诗词，于是添加进去吧。 但mdx不好办吧。
) {& X# J4 t, p (6) 无法做到一些完美的查找。
7 N0 u/ w, N' l& u 例如，有了汉语字典库， 里面，部首，划数等都有了，做到新华字典的部首查字法不难吧，但mdx就word, content(一堆)两个字段，难呢。但对含有多个字段的词库来说，只要文件在手，编程不愁，部首查字有何难哉。 不就是定义一个部首，划数联合查找吗（ 部首=??? and 划数=?）。9 w$ J* S4 w) a) W. Z! n9 l
再比如：四角号码查字法，虽然鲜有人用，但是，本人上初中，家里有一本《四角号码新词典》，商务印书馆的，熟记了口诀之后，有时查的还是挺快的，好吧，不说了，为了回忆一下以前， 这个汉字库中有一个字段就是汉字的四角号码，有了这个，不就是一个不同字段的查找吗（ 四角号码=？？)3 [3 E5 f/ e) G( D
(7) 无法保存查找结果。
; h" Z, I9 G8 M# v7 g" Y2 \9 o 两个方面。 一，查找的结果可以导出成txt或htm文件 二，查找条件（关键词，查找范围，匹配方式等）和哪个词库，哪个字段保存下来即可，想看一下历史查找记录，将这些查找条件调出来即可复现，关键是你得能调出来呀。
% p' D7 q1 ^0 K' I" R+ t' [; O (8) 无法浏览整个词库
7 d% A3 x, D. o, Z$ [$ h9 V 例如，诗词库，就像excel的表格一样，在一个界面下，按照字段，记录的二维表格方式浏览。当然，这种浏览更多是为了方便，直观的编辑词库。 如果词库太大，就不说了把，光打开一次就头大。
. j1 S* x" Z" b; D. Z 说道这里，如果词库太大，对他的编辑可以逐条进行。/ i3 B4 w7 L& I6 Y. {* |) p7 p
(9) 待发现，呵呵。。。。。。
/ G! d( J( w. i3 Z
- G. q3 |! Y/ L5 g) t& [ 以上问题，总有相应的词典软件或者词典库能够解决，但想都做到，并且做的通用性和专用型于一体，还真难啊，但如果有了词库文件，知其格式，不愁编程，这些又有何难哉？
?; `7 H" j/ T3 z/ v, L3 q 但，也不是所有问题都要靠编程解决的，我觉得，可以通过将各种词库文件进行相互转化（尽量做到无损，无误转换）来达到，因为，可以利用现有的各种软件，找自己趁手的就行。
+ ]% A m! ?# j7 \* R9 L$ a( A3 S 本贴子就是想达到这样一个目的：实现各个词库之间格式的相互转换。 我认为，手里有了mdb格式的词库文件，还愁什么。 这个格式，太多的代码，文献资料，接口程序，通用软件可用。 而其它的，例如mdx，直到现在，我也读不出来，网上也找不到opensource，唉，词库如此丰富，用人如此之多，难道真像windows一样，也是个不公开格式? 废话不说了。: x8 p# q0 K# v
具体：
: |+ g: q% j u, t! d" D$ G 1. 实现 mdx dict txt xls 到 mdb格式的转换.# v: j- r% C) b7 H$ \+ T- X0 l
已经实现，陆续会有一些mdb格式的文件传到网盘上。目前只传了一个 牛津英汉简明词典修正版.mdb。
* d) d6 R- r) _5 o5 J. {2 q 2. 利用GetDict得到mdx文件的 startdict格式或者UTF-8或者mdx源文件格式，将其转换成 mdb或者脱了html格式的txt文件。 UTF-8和html格式均可。' S- ^5 ?- W: t) P' O1 @
已经实现。 但目前对一些音标（unicode字符或者金山拼音格式Kingsoft Phonetic Plain字体） 和比较复杂 unicode格式的转出文件会有乱码出现。& s! A7 A8 D$ _( k
为了压缩体积，可以剔除转出文件中的html格式（就是一堆<font><br></font>...），因为，如果不剔除，转换成的mdb文件很大。 剔除了，音标就乱码了或者只有金山拼音格式。 因此，仅仅保留音标的html格式也可以考虑。
$ ?( c4 N% n9 i& A. o 3. 利用 GetDict转出的dict格式的词库，实现 dict 到 mdb xls, txt格式的转换。 h' O3 U3 Z& ~! s' m- _
已经实现。
( q' l" A+ E" O Z& @$ @+ O$ ` 4. 自定义简洁 txt格式（文本），作为可以打开的词典文件。 例如，本人定义如下：4 F' p6 f$ h/ \5 D$ \' L7 [' V0 g
dog
: L8 |% O! T. e' O9 l: P n. 狗，一种动物。
6 C6 m" @3 ] J; |0 x fat9 W7 `8 F: f1 d6 f& A3 l* A) d
adj. 肥胖的。 S6 N- Z Q! |. v$ l0 ]2 x
.....
9 C2 G; d& Q. l& R 就这样，一个词条占据两行。
9 |8 y6 o# z- A& k8 v! K8 t 5. 将mdb xls格式的词库导出成二维文本格式。5 b7 X9 @8 a% t2 C' t
例如:+ H# G1 a/ Q+ Q2 t: c9 A `7 r5 P- O
【word】 【explain】 【spell】
, o" t8 F/ H, c1 G+ e dog 狗 [dCg]
6 [! u9 P0 X. X7 V. q& {: l hotdog 热狗 4 D1 t, g; g4 V6 `! Z' R' I
..........4 Y& ~9 e6 r1 {8 m' k" Q
, J6 k2 R2 X7 x5 P
待续。。。。。
) O) w9 X* k! I8 }9 Y$ B. [' o
7 b) `1 I1 _4 ~+ _
; J% M/ Q' b# b; Y ( h% c0 v4 R. @7 D6 w
! ?- Y+ ?+ N- U! F# ]" i
' u* A" g% V- M / j, A" @; H9 Q- J( n& w7 ~5 I' U
4 v9 ?1 b. h. z: E* z
& E$ E7 @8 j/ C; D
: d4 ?0 o3 x+ Y# I& r# [ 0 L# Q; U/ b) q w
: A5 u( _1 I3 E6 |: C- }; m
4 g! ^& m% H& t6 y. j& @' E4 Q! r* \( \ |
|
发表于 2014-1-8 18:21:47
楼主
