MDX转MOBI过程及相关思考（附COED11th.mobi）

nullname

6 m" X. r% N# q" d, ^3 Z0 M! G( z3 V
  B# D* G5 Y3 |5 I, o00
6 R0 |5 \2 g. _4 T相较于MDX词典的百花齐放、门类齐全（从学习型再到母语型再到俗语习语俚语等，不一而足。） Kindle用的MOBI词典就显得冷落多了，有意义的词典非常有限，也许是因为Kindle的使用人数很少吧.... 基本就是官方的英英、英汉和 skywind3000 大神的这本 简明英汉必应版 了。
3 }  `$ D( J  ?其他的像书伴上的那些都很难用，主要问题就在于不具备 词形变化 的查询能力。比如书中出现了 looked, raised 这种单词，它们基本都不能直接查询到 look, raise。

之前在知乎上看见孙缓之的一篇帖子（见此 Kindle OALD9 民间发布（仅限交流使用）），可以用 dsl2mobi 这个工具来将 dsl 词典转化为 mobi，且具备词形变化的查询能力。但貌似 dsl 词典不是太好找。

& ~8 `1 P! k0 M因此，想试试能否将 MDX 转为 MOBI。教程不多，仅在书伴上找到了这几篇文章。（请见 《如何把 MDX 格式词典转换成 Kindle 字典》，《自制 Kindle 字典简明教程（入门篇）》，《自制 Kindle 字典简明教程（进阶篇）》）
8 f4 }4 t; f/ g; b% Z
; s6 l8 R# w( y" F6 M7 x根据  《如何把 MDX 格式词典转换成 Kindle 字典》 这篇教程，转化出来的词典不具备查询 词形变化 的单词的能力。主要原因在于没有添加变化后的单词，如图红色矩形区域（更详细的请见 《自制 Kindle 字典简明教程（进阶篇）》）。
' }' A  C: b, R$ E1 l/ V, P2 P" R
以 COED11 举例，这是转换后的 HTML 中的词头部分：
  r4 x* Z% F/ t% A) S5 y' g# q
: v1 n; q3 s, S2 }$ U3 ~) D$ Z若要具备 词形变化 能力，需要的区块（红色矩形部分）：
+ }1 _0 f2 V- Z8 ]$ Q

, ~2 J* i! p3 @4 s, Z
我抓破脑袋都想不出怎么样才能自动添加这些进去，后来想起 dsl2mobi 有这个功能，就下载下来研究了一下。该工具是 ruby 写的，基本看不大懂，不过我在其目录下发现了包含十几万英文单词词形变化的 TXT：
& e1 T' F* J( |/ m0 J


排列比较有规律，格式为  单词原型：变化1，变化2，变化3......  因此用 python 写了正则批量查询添加：

$ o+ O7 A) x: x0 y5 Q  R

. }8 `2 s  [1 U+ I$ I跑完之后：


' s; A& Q3 f& B; D* u/ S* c
基本原理大概就是从词典中取出主词条单词后再在 forms-EN.txt 中查询匹配，若成功则返回所有的变化形式并添加区块代码。然后重新生成 mobi 。
3 v! L$ A( R6 g  C# e2 i* y
兴冲冲的试了试，

                          两个看起来都没什么问题，和我们想想中一样。
6 x' Y, K0 K9 e
再试试，
$ @9 d% |2 O" Z1 n1 n: F0 Y
7 [, J+ U4 \8 a6 {7 m* I     查询dealt的时候，按设想，应该是查询deal才对，结果并不是。
$ _" L2 E* s  N
用官方的词典试试，

5 o6 ^; D, t9 ^) F7 Z5 a同样如此。


% {' [2 r' c" O" S. z$ m9 @, Q) J$ \
01

后来经过反复试验，发现了 Kindle 的查词逻辑：选中单词后，查询主词条是否匹配成功，成功则返回对应的条目，同时不再继续查询变形词条。没有主词条的话则查询词形变化区块是否有匹配，若有则返回变化词条的原型主词条。
+ b5 H) P3 B$ Q' U6 ^
deal 的词条部分已经添加了 dealt 作为变形词条，然而我手中的这版 COED11.mdx 和官方的Oxford Dictionary of English 都有了 dealt 这个主词条，词条内容如上图。因此不会返回 deal 词条的内容。
6 {$ _5 d3 t1 u8 q" {& [# o
知道问题所在后，如何解决呢？想了想，很难，因为英语词义太丰富（Rich）了。比如flame，它的词形变化理应有flaming对吧。但是flaming本身可能自成一义（火爆的，讨厌的，该死的），如果查询flaming的时候跳转到了flame，从flame很难猜到flaming的一些专有词义。除非亚马逊更新固件，修改上述的查词逻辑，即不论查不查的到主词条，变形词条所在的原型主词条一并显示。不过目前看来希望渺茫。


) |7 w5 P0 h5 Y& Z+ `$ E' @02
即使如此，还是有许多优秀的 MDX 词典值得页应该被转化为 mobi 以供大家使用的。个人认为kindle上不适合使用学习型词典这类词义较少的词典。比如你在看书的时候看到了square这个单词，假如你用牛津高阶，你翻到底都翻不到“步兵方阵”这个释义，最后陷入深深的自我怀疑...然后又去提问“为什么我每个单词的意思都看得懂但是就是读不懂句子的意思...”。

, @( G4 u+ N: [9 U9 _( o6 h经过一段时间的试验，我发现 The World Book Dictionary 和 Microsoft Encarta Dictionary 这两本词典非常适合“高阶有余，母语不足”的英语水平者的使用，但把它们转成mobi难度略大......由于水墨屏的特性，kindle 上词典个人以为只需要1.粗体 2. 斜体 3.浅色 这几种样式即可，不要图片、音频。同时要求css内置在mdx中，不能外挂。在此也向各位请教如何将外挂的css内置进mdx中的方法，我尝试了在html中添加style标签然后将css全部复制进去，但似乎并没有效果？各位如果有较好的适合在kindle上使用的词典也可以发出来大家尝试转换。
/ G# _+ D* E7 V' `  R
& z* A" ]2 E9 o' F& a2 n写的比较乱，抱歉。也欢迎大家交流讨论和指点。
* A! [- S2 o* D1 ^6 Q* r- v8 U
6 G) b: k% o0 d
9 N, D, q* L9 H) z. n3 |: E0 X最后附上制作完成的COED11th.mobi


) F; R2 ~$ X, c5 l; s' ~. L链接: https://pan.baidu.com/s/1TyMK4P1A6ltCEDr2Bt_rNg 提取码: zp3b

----------------------2019.10.12补链----------------------
链接: https://pan.baidu.com/s/1bSRfcScur482utaLmsxOgg 提取码: 4b5h
" Q9 Z% ^+ l$ u( n" R


$ q" z( j! a1 u" N9 o

: X# x8 y3 h8 {3 V
/ Z  R1 u4 |/ b7 A' M& m* _


  c+ o+ H3 j  I& z' ~3 B
; O# T. L1 K0 T  \4 [

johannhuang

按浏览器加载css文件的逻辑（不包括css外挂，css外挂是MDict和Eudic默认允许的非通行标准做法，国际软件一般还未支持）的三种：
2 L5 {1 F# [7 u9 r" e3 u7 Y3 z5 ~) j1. html tag 上的style, inline，如 <div style="font-size:14px">
: O- ^7 n! }! G7 R/ d. v2. <style>div {font-size:14px;}</style>
3. <link href="styles.css">
: ^& j% S( ^" _9 `1 d
第三种，根据mdict的设计逻辑，可以放到mdd文件中；前两种，直接在mdx文件中。
+ `2 r5 m6 E- A( N$ I8 D

jonah_w

00开头，程序员无疑了

jonah_w

看了下这个源码跟mac词典源码有点像

nullname

johannhuang 发表于 2019-9-16 18:36
4 m4 p& n% [/ j按浏览器加载css文件的逻辑（不包括css外挂，css外挂是MDict和Eudic默认允许的非通行标准做法，国际软件一 ...

学习了，不过我想的是是否有什么方法能将现成的外挂css中的样式还原进mdx中呢？因为mdx差不多本身就是多个html

nullname

jonah_w 发表于 2019-9-16 19:25
( o" z* K$ Y3 k! [4 Z看了下这个源码跟mac词典源码有点像

可惜只是像...若是一样的那大神就很多了..

Gyngreenlie

Great you are! thanks for sharing

长兴岛的海边

希望像楼主这样的热心肠同时技术又高超的人越来越多，Kindle词典的资源确实很少，而且官网的都很陈旧了，thesaurus 就相当于没有，作为用Kindle学习英语的人来讲，还是有小小的失望

johannhuang

nullname 发表于 2019-9-16 19:39
! m( k* A4 _4 {9 _' o学习了，不过我想的是是否有什么方法能将现成的外挂css中的样式还原进mdx中呢？因为mdx差不多本身就是多 ...

1. 解包mdd，加入css再打包，同时修改mdx里面得css引用
7 o2 h9 ~1 I6 E9 I" i2. 在mdx中按照前述方法2进行加style （但你似乎说了不行，不知道你为什么不行，可能有局部出错了）

nullname

johannhuang 发表于 2019-9-16 21:46
1. 解包mdd，加入css再打包，同时修改mdx里面得css引用
2. 在mdx中按照前述方法2进行加style （但你似乎 ...

我再试了下，这次删掉了一些比较高级的样式，有效果，一些颜色斜体之类的能显示，这样看来，应该是kindle的mobi不支持太多高级CSS，只支持简单的

nullname

试了一下午，崩溃了。可以插入外置CSS，在此篇文章《如何把 MDX 格式词典转换成 Kindle 字典》第三步之后生成的html文件<body>标签之前可插入<head><link rel.xxxxxxxx></head>来引用外部CSS，但是不知为何生成的margin和padding等在html中显示正常生成mobi后怎么页不正常。

天赋的太阳

楼主，很巧，我这两天也是在忙着转一部词根词缀的词典为mobi，按照书伴的方法做出来了，只是不支持模糊搜索，遂觉得很难受，查了一番后，刚巧也看到了知乎专栏上的dsl教程，只是我这本词典并无dsl格式，网上遍寻又是找不到mdx转dlc的方法，看到楼主的方法，我也想批量增加变形，只是Python还没入门，不知楼主能否分享一下Python代码，我自己试一试，恳求

天赋的太阳

天赋的太阳 发表于 2019-9-23 16:28
, i$ v: Y9 W% O9 t; q楼主，很巧，我这两天也是在忙着转一部词根词缀的词典为mobi，按照书伴的方法做出来了，只是不支持模糊搜索 ...

* o2 ?. I; r6 v9 _% D: o好，支持，感谢

vicizero

不好意思打扰了，楼主，链接挂了... :-P

nullname

vicizero 发表于 2019-10-11 20:24
不好意思打扰了，楼主，链接挂了... :-P

分享链接已补

vicizero

nullname 发表于 2019-10-12 08:48
分享链接已补

  F2 f) B! R- K9 l" t9 ^* e) p好的，已收到，正尝试使用

流星冲击

" @! t* h/ z! z2 R8 L
转macos词典和kindle词典最好的源文本格式是stardict格式，而不是mdict(mdx)和lingvo(dsl)格式，stardict可以通过词头添加｜来实现查询词条变形，例如walk｜walks｜walked｜walking（mdict需要用@@@link来实现），用pyglossry转成macos词典源码就自动转成相应的词性变化的词条索引，查walked会自动跳转到walk。
epub dict文档的格式、kindle词典、macos词典、epwing词典的源码在处理词性变化索引都是一致的，源码也类似。kindle词典还停留在xhtml时代，不支持音视频，支持css元素少，不开源，可能受限于机器性能，所以一直没有kindle fire8制式（类似epub3）的开发文档。
epub dict有开发文档了，但没有编译器和相关阅读器来支持，用epub3制式来开发一款词典，可用的css元素相当多，之前想用encarta dictionary研究如何转成epub，发现只能作阅读使用，不能用来查询单词，就放弃了。epwing的词头索引适合做日本语的词条索引，当然也适用于印欧语的词性变化词典的索引，但不支持css。macos词典自从2011年以来，苹果就没对其格式进行大的修改，可能js方面兼容性有问题，css应该没问题，用三指查询macos词典可是会上瘾的（即点生词即弹出解释界面，非常方便）。
0 o/ U( y+ u  r( X: S/ J8 f所以我的思路是，dsl，mdx等格式，先转成stardict，由于stardict开源，工具多，转换成mobi的源码可能会自带词性变形。
还有mdx内嵌style标签，需要每个词头content都要包含，你是想让mobi每个词条都实现某些css效果吧，mobi7不是可以内嵌css吗？为什么还要内嵌style标签？当然，我没有转过mobi词典，只是提出疑问，没有打击楼主制作mobi词典的热情。

nullname

流星冲击 发表于 2019-10-13 01:24
转macos词典和kindle词典最好的源文本格式是stardict格式，而不是mdict(mdx)和lingvo(dsl)格式，stardict可 ...

' [: u" z" B9 d9 x$ n- p9 A是的，书伴上的教程也是这个原理，即MDX转StarDict再转tab文件再转OPF最后转MOBI。因为tab2opf这个工具比较方便，且tab文件的格式也比较友好（每个词条由词头tab空格意向这三个部分组成），所以只要能转成tab即可，后来我也发现了pyglossary这个工具，但是该工具有个缺点就是转一些词典（尤其是一些汉语辞典）的时候，tab文件中意项部分全部都是数字形式的CSS，可能是该辞典在用MDXBuilder生成的时候添加了style资源。

& u, P$ e1 d& {4 H# N2 odsl2mobi这个工具可以直接为dsl词典生成带有词性变化的mobi，但是考虑到词典内本身存在的大量@LINK跳转，最好还是解包后进一步处理较好。
2 V. i7 }- ^: h1 m# f
. i9 N7 b# d+ Q8 G5 r1 J关于内嵌CSS，此篇帖子发出后我又经过试验搜索，最终得出的结论是，可以支持外挂CSS，在每个HTML文件的头部添加LINK即可。层主可以看看这篇：https://www.pdawiki.com/forum/forum.php?mod=viewthread&tid=36130

vpda2016

楼主，在下学习心切，也向你恳求相关Python代码，anyway，我已不胜感激。。。

nullname

vpda2016 发表于 2019-10-22 18:28
( ]- f9 L, P7 _) l0 j楼主，在下学习心切，也向你恳求相关Python代码，anyway，我已不胜感激。。。 ...

$ E/ J7 D& M+ `8 G代码已经发了，在这个帖子里面
3 c' c/ u+ C, ]1 W9 B
/ v- n" O* W5 O- _5 ]. @+ j4 L" Q9 z7 nPython辅助MDX转MOBI（以AHD5th为例）
5 t# p# @) I, z. Shttps://www.pdawiki.com/forum/fo ... hread&tid=36130
(出处: 掌上百科 - PDAWIKI)

vpda2016

nullname 发表于 2019-10-22 19:18
代码已经发了，在这个帖子里面
6 q; q0 ]2 R: E* f, y) F3 C. l
Python辅助MDX转MOBI（以AHD5th为例）

正在看，谢谢亲。大神。