设为首页收藏本站
切换到窄版

掌上百科 - PDAWIKI

 找回密码
 免费注册

QQ登录

只需一步，快速开始

掌上百科 - PDAWIKI»首页 › 交流专区 - Discussion › 词库制作交流区 - Dictionary-Making › 汉语大词典光盘版3.0及提取工具
123下一页
返回列表 发新帖
查看: 1935|回复: 71

[工具] 汉语大词典光盘版3.0及提取工具

[复制链接]
tsiank

该用户从未签到
发表于 2016-5-12 19:08:32 | 显示全部楼层 |阅读模式
本帖最后由 tsiank 于 2022-11-13 00:01 编辑 2 @) i: }0 g7 B4 l' n1 [
/ a! i5 D, x6 ?" z: l8 @
网上找到了一个汉语大词典光盘版3.0的提取工具，用python写的（原介绍：漢᷂ 語᷂ 大᷂ 詞᷂ 典 第三版 epwing化 toolkit 2010/09/29版 提取原版光碟中的VFP数据并生成EBStudio所需的源文件。-hydcd 3.0 epwing conversion toolkit 2010/09/29 Extract data from decrypted Foxpro database in original CD and generate EBStudio source files.）。
3 R) p$ t: @4 T' V2 g) D* R0 L. i! i5 i
不怎么熟悉，这语法也不知什么意思，反正总不能运行成功。在此发布出来供高人研究提取，以期得到一部真正的汉语大词典3.0版的mdx。
! m! p9 F. ?1 Y7 V* R
# e  T+ }; @* J: `  a% G- m2 Y- S% |8 a- z( f4 U) |9 V; |
3 }. x2 W3 R, O, b0 i

! V, H0 r4 P% ^* G. T
8 q. T$ l# w$ X& d附汉语大字典光盘版3.0下载地址：1 G# O6 Q% K; L) f  }" R' e, P
http://yun.baidu.com/share/link? ... adapt=pc&fr=ftw

本帖子中包含更多资源

您需要 登录 才可以下载或查看，没有账号？免费注册

x
回复

举报

tsiank

该用户从未签到
 楼主| 发表于 2016-5-21 17:55:13 | 显示全部楼层
sky66 发表于 2016-5-21 17:48
! u8 m2 s0 [$ |/ n9 s/ Lhttp://news.66wz.com/system/2016/05/20/104833730.shtml

/ W( J" Q( Q& A4 \估计至少还要10年时间，2025年能出齐就不错了。
回复 支持 1 反对 0

举报

sky66

该用户从未签到
发表于 2016-5-21 17:48:28 | 显示全部楼层
tsiank 发表于 2016-5-21 15:56: g1 N+ O5 o) N% a# d* v& [# E7 c
之前不是说2015年出第一卷吗？都2016年中了，还没见影呢。2020年出齐，我看没准。

9 g2 @4 ~/ C+ f( yhttp://news.66wz.com/system/2016/05/20/104833730.shtml+ U7 @  S7 X& I3 a8 l
陈增杰说，他目前负责第三册上半部分，初稿663页，计110万字，明年5月交稿。

4 H+ I: j5 U3 D+ _' b+ v
1 f0 I* `6 A! V( B2017 5月, 第三冊上半部才交稿, 之後還要再做校對整理, 印出來可能都2018了.- [2 y2 r5 E' A  k
要出齊, 可能還真的要很久. 現在的版本繼續將就著用吧..
回复 支持 1 反对 0

举报

gnoweb

该用户从未签到
发表于 2016-5-17 23:03:32 | 显示全部楼层
coolsummer 发表于 2016-5-17 16:41. B4 s- F' ~3 F& M; j+ ?
将tsiank大、gnoweb大贴出的撷取画面与WFG大的部落格相比对，两位的撷取似乎都没有部首、笔画、页码等资讯 ...
. F& U" p% S0 X( S# @8 p, I
: W' Q- W0 r7 ?4 ?) Y4 V: Q$ A5 A

' p3 R& }) Q6 @! ]& o+ J已修正。
回复 支持 1 反对 0

举报

tsiank

该用户从未签到
 楼主| 发表于 2016-5-16 18:06:23 | 显示全部楼层
chigre3 发表于 2016-5-16 17:43
3 G1 S' F% f+ w( T7 X这样也好 可以对照blog说的数据条目数量对比一下
& m8 N  `3 x* Y: l' }2 U8 X
18,014 個漢字字頭+336,706 條複詞，總共354720條，不多也不少。
9 J! x# A5 m4 D, e! w另外，光盤裏面的hd3dbs.mdb這個文件裏面就有所有的字頭和詞頭，網上的工具就能得到這數據庫的密碼。我就是用裏面的18,014 個字頭（扣除重複後共有13069個）用按鍵精靈循環13069次得到全部數據的。
回复 支持 1 反对 0

举报

coolsummer
  • TA的每日心情
    奋斗
    2019-11-28 00:17

    • 签到天数: 397 天

    [LV.9]以坛为家II
    发表于 2016-5-16 10:04:10 | 显示全部楼层
    tsiank 发表于 2016-5-15 21:01
    9 M1 D$ R4 _- G' j1 U初步完成，剩下的就是代码优化与排版的问题了。
    " o% K/ C- o) w% l
    tsiank大效率真高，又一部好辞典即将完成，恭喜贺喜！
    回复 支持 1 反对 0

    举报

    tsiank

    该用户从未签到
     楼主| 发表于 2016-5-15 21:01:43 | 显示全部楼层
    coolsummer 发表于 2016-5-13 11:49% r# b1 O( P  u, Y0 o* G' H% C
    WFG 大的法子避开了解码资料库，直接取得光盘画面呈现的 HTML，应该最不会有资料错漏的问题。祝 tsiank  ...
    9 K6 P- S+ I! r* L% C( M. G
    初步完成，剩下的就是代码优化与排版的问题了。3 D$ _) f) Q4 r+ p7 i" n1 \* I

    本帖子中包含更多资源

    您需要 登录 才可以下载或查看，没有账号？免费注册

    x
    回复 支持 1 反对 0

    举报

    chigre3

    该用户从未签到
    发表于 2016-5-13 18:17:55 来自手机 | 显示全部楼层
    看了下blog 提到了很多光盘原始数据的问题
    回复 支持 1 反对 0

    举报

    chigre3

    该用户从未签到
    发表于 2016-5-12 19:51:49 | 显示全部楼层
    上网查了一下，有人用这个工具在2010年就转了EBWIN格式了啊
    回复 支持 反对

    举报

    tsiank

    该用户从未签到
     楼主| 发表于 2016-5-12 19:57:24 | 显示全部楼层
    本帖最后由 tsiank 于 2016-5-12 19:59 编辑 / ]* j& ]( L0 L& ]' a; |
    chigre3 发表于 2016-5-12 19:511 ?$ W5 c, t- L# z$ L1 _
    上网查了一下，有人用这个工具在2010年就转了EBWIN格式了啊
    / ]% P0 y3 h, \! E8 r: v6 B
    4 Q# N- C, R4 z+ @+ B4 j$ P) q# ^
    是的。可又不是mdx格式。了EBWIN格式的也难以找到下载。这个生成EBStudio所需的源文件应该是txt之类的可编辑文本吧，只要能提取应该就可以做成mdx。
    回复 支持 反对

    举报

    cici920
  • TA的每日心情
    怒
    2019-2-16 11:33

    • 签到天数: 56 天

    [LV.5]常住居民I
    发表于 2016-5-12 20:45:41 | 显示全部楼层
    tsiank 发表于 2016-5-12 19:57
    6 P+ m1 _6 o7 q6 ^是的。可又不是mdx格式。了EBWIN格式的也难以找到下载。这个生成EBStudio所需的源文件应该是txt之类的 ...

    . h, `) V" t8 M) N, b( PO大对《汉语大词典》各个版本的整理。
      O) s5 @4 }$ K1 m2 }https://www.pdawiki.com/forum/thread-13694-1-1.html
    回复 支持 反对

    举报

    chigre3

    该用户从未签到
    发表于 2016-5-12 20:46:38 | 显示全部楼层
    http://pan.baidu.com/share/link? ... adapt=pc&fr=ftw) a% O1 ^$ Z# {3 {  i" ]
    回复 支持 反对

    举报

    tsiank

    该用户从未签到
     楼主| 发表于 2016-5-12 21:04:24 | 显示全部楼层
    chigre3 发表于 2016-5-12 20:46
    ! f0 f' ^8 S+ {" a9 Yhttp://pan.baidu.com/share/link?uk=3339042004&shareid=4125398604&third=0&adapt=pc&fr=ftw
    - x* s9 y- T% j# H0 [, |
    非常感谢，下来看看。
    回复 支持 反对

    举报

    chigre3

    该用户从未签到
    发表于 2016-5-12 21:06:15 | 显示全部楼层
    tsiank 发表于 2016-5-12 21:048 W  r. Q$ Y( J9 F* h* O5 J4 V
    非常感谢，下来看看。

    4 S& b8 ]0 I' u- A7 a$ M$ d下载得到的.zip，解压。然后用ebwin加载即可。
    回复 支持 反对

    举报

    tsiank

    该用户从未签到
     楼主| 发表于 2016-5-12 21:18:46 | 显示全部楼层
    chigre3 发表于 2016-5-12 21:06
    ! j& q; h7 }# g: s# N下载得到的.zip，解压。然后用ebwin加载即可。
    2 W+ A+ ^5 n% y
    我在用goldendict加载。半天时间了还初始化....我试着看能不能把它转成mdx.
    回复 支持 反对

    举报

    tsiank

    该用户从未签到
     楼主| 发表于 2016-5-12 23:52:05 | 显示全部楼层
    chigre3 发表于 2016-5-12 21:063 L4 w; I/ {' {9 B2 U* t
    下载得到的.zip，解压。然后用ebwin加载即可。

    , c' B& W1 P2 v% H用ebdump转出来的怎么都是乱码
    回复 支持 反对

    举报

    meigen

    该用户从未签到
    发表于 2016-5-13 00:13:39 | 显示全部楼层
    直接从光盘数据提取的话不知道会不会出现什么错误，就像之前的牛津双解7的数字问题，后来是运行查词界面，一个个单词输入查询得到的网页，类似于按键精灵，才有了完美版本。当然这个耗时就长了，而且电脑在操作的过程中，我们就没法做其他事情了
    回复 支持 反对

    举报

    chigre3

    该用户从未签到
    发表于 2016-5-13 00:15:19 | 显示全部楼层
    tsiank 发表于 2016-5-12 21:18
    . p0 ^: \# f- _% }% h7 m我在用goldendict加载。半天时间了还初始化....我试着看能不能把它转成mdx.
    % _0 i5 X" p) g8 N2 Y4 h
    貌似这个词典不能用GD加载
    回复 支持 反对

    举报

    tsiank

    该用户从未签到
     楼主| 发表于 2016-5-13 01:07:46 | 显示全部楼层
    meigen 发表于 2016-5-13 00:13
    0 w, x1 r1 T  I+ M/ N直接从光盘数据提取的话不知道会不会出现什么错误，就像之前的牛津双解7的数字问题，后来是运行查词界面， ...
    % C# z4 M0 m1 X+ X; k0 l% }! K
    研究不出个所以然。看来我也是不得不用按键精灵了
    回复 支持 反对

    举报

    tsiank

    该用户从未签到
     楼主| 发表于 2016-5-13 01:08:25 | 显示全部楼层
    chigre3 发表于 2016-5-13 00:15
    : D3 Q% N$ r( u; B; q6 @7 u4 i貌似这个词典不能用GD加载

    * j! A" `* }9 \, P: U+ i0 \: F4 O* K确实这样，十几分钟都没加载完，放弃。
    回复 支持 反对

    举报

    chigre3

    该用户从未签到
    发表于 2016-5-13 03:47:45 | 显示全部楼层

    本帖子中包含更多资源

    您需要 登录 才可以下载或查看，没有账号？免费注册

    x
    回复 支持 反对

    举报

    eeshu

    该用户从未签到
    发表于 2016-5-13 07:15:11 | 显示全部楼层
    本帖最后由 eeshu 于 2016-5-13 07:20 编辑
    7 V" t( F% J' k- B& E" V
    chigre3 发表于 2016-5-13 00:15
    ! g) ]3 B( \) K0 h# z$ S貌似这个词典不能用GD加载

    / w; [2 m% @, \+ H7 z7 t1 P) R1 _# l$ x" R2 W
    可以用GD加载，就是时间长了些，大概八九分钟左右。只是显示不是很理想，词组先于字。6 C- X5 T& p2 E7 J; J: _0 Q

    ) h% h2 x- M% K$ m' X& c6 q8 e$ ^. X3 n! O& ~# V. G

    . F& o4 n: H" y8 b  g4 C( T) t! }2 e- ~

    $ |, w/ e: _8 B' p$ D6 T

    本帖子中包含更多资源

    您需要 登录 才可以下载或查看，没有账号？免费注册

    x
    回复 支持 反对

    举报

    wawxing
  • TA的每日心情
    开心
    2018-8-15 07:35

    • 签到天数: 22 天

    [LV.4]偶尔看看III
    发表于 2016-5-13 07:58:02 | 显示全部楼层
    meigen 发表于 2016-5-13 00:13
    ( z! M! [) J3 _7 M' ?; n7 H直接从光盘数据提取的话不知道会不会出现什么错误，就像之前的牛津双解7的数字问题，后来是运行查词界面， ...
    & N# [( p" m$ s2 o
    在虚拟机中按键精灵。就能做其他事情了。
    回复 支持 反对

    举报

    tsiank

    该用户从未签到
     楼主| 发表于 2016-5-13 08:22:28 | 显示全部楼层
    eeshu 发表于 2016-5-13 07:155 n# B2 u" \/ ^& P2 N8 c. S# f9 X
    可以用GD加载，就是时间长了些，大概八九分钟左右。只是显示不是很理想，词组先于字。

    4 H# Y* U  z5 E' N* ]& e5 a( f: k5 A4 a# y4 F! h( z
    你们都用着EP版的，都没想过要转成mdx吗？我怎么觉得EP的排版那么差呢？而且常用字都用图片，真不能忍受。
    回复 支持 反对

    举报

    tsiank

    该用户从未签到
     楼主| 发表于 2016-5-13 08:25:52 | 显示全部楼层
    chigre3 发表于 2016-5-13 03:47
    : B0 B/ s: l" ]: y
    你这个倒没有图片字。
    回复 支持 反对

    举报

    eeshu

    该用户从未签到
    发表于 2016-5-13 08:45:57 | 显示全部楼层
    tsiank 发表于 2016-5-13 08:22
    / Z9 N! Y* O) ]) D+ W( w你们都用着EP版的，都没想过要转成mdx吗？我怎么觉得EP的排版那么差呢？而且常用字都用图片，真不能忍 ...
    8 D) t1 K* Z3 `8 t, A, u' `
    我也是看了你了的帖子才知道GD可以加载EP词典，排版的确差了点，不过我不会转mdx，而且汉语大词典我一直都用的你的图片和文字版本，我觉得挺不错的。难道这个第3版好很多吗？我听说光盘的数据并不全。
    回复 支持 反对

    举报

    tsiank

    该用户从未签到
     楼主| 发表于 2016-5-13 09:11:55 | 显示全部楼层
    eeshu 发表于 2016-5-13 08:45
    & R) }0 Z8 _9 B, D- k$ b% t1 }我也是看了你了的帖子才知道GD可以加载EP词典，排版的确差了点，不过我不会转mdx，而且汉语大词典我一直 ...

    0 T" c0 z; r) M  l4 x  L: x! E: l* p! k+ D网上流传的文字版mdx等源数据也都是从光盘版2.0或3.0提取的，可在提取转换的过程中又丢了很多数据，比起光盘版的更不全，所以才想要要重新提取。
    回复 支持 反对

    举报

    eeshu

    该用户从未签到
    发表于 2016-5-13 09:29:39 | 显示全部楼层
    tsiank 发表于 2016-5-13 09:11; d) N0 [3 R: S: T0 y$ Z: a
    网上流传的文字版mdx等源数据也都是从光盘版2.0或3.0提取的，可在提取转换的过程中又丢了很多数据，比起 ...

    $ Y6 q# X# ^0 u* @) D: \0 u原来如此，不过好在有pdf。mdx只是图个方便。你是精益求精的完美主义者。要谢谢你的不少大作，给我们带来不少便利。
    回复 支持 反对

    举报

    gnoweb

    该用户从未签到
    发表于 2016-5-13 10:18:26 | 显示全部楼层
    1、修改 makefile （参考图片，修改成自己的 python 相关路径）
    7 e" x2 L" X- M- j( Y! g$ N* q% h9 {
    # @% O" E, u9 \2、CMD 工作目录切换到代码所在目录，使用 make 编译出 hydcd.pyd（前提是电脑有安装 MinGW 32bit，使用 GCC 及 make 程序，用安装版本的 python 头文件与链接库编译出同版本的 hydcd.pyd，参考图片）
    / q% l) L/ h- M1 f
      j: ~6 K" _9 S' ^5 t6 s* M3、用虚拟光驱加载镜像，把所有 DATA 文件夹下的数据拷贝到代码所在目录
    # u9 [% F6 p* w. M' a% \9 h% k* p2 J1 b( R; a  i( F2 F; V1 B+ t7 {9 {/ T1 b4 G
    4、CMD 工作目录切换到代码所在目录，运行 python 脚本提取数据（E:\Python\2.5.4\32bit\python.exe G:\Thunder\Hd3tk_100929\hyd2epw.py G:\Thunder\Hd3tk_100929\output），不过这个步骤会运行出错（主要是涉及编码转换的），可以参考他这个代码推测 hydcX.dbf 里面每个字段是何种数据，然后自己根据需要输出自己想要的信息即可。这里用（E:\Python\2.5.4\32bit\python.exe G:\Thunder\Hd3tk_100929\getdata.py）进行了测试，应该可行。
    " ?# u$ ]/ g, |8 X+ v
    6 E- f5 F1 U" o# [$ Z( T  B* j
    ; a# R8 V  K+ k$ z, k5、需要花费时间做其他编码测试格式转换的工作。思路就是如此了。可以参考。
    回复 支持 反对

    举报

    coolsummer
  • TA的每日心情
    奋斗
    2019-11-28 00:17

    • 签到天数: 397 天

    [LV.9]以坛为家II
    发表于 2016-5-13 10:24:54 | 显示全部楼层
    这部 "汉语大词典光碟繁体单机 3.0 版"，台湾的 WFG (部件检索、教育部成语典、尔雅辞典的原制作者)曾从原始光碟转制成 mdx，原文见 汉语大词典3.0 (大陆地区可能要翻墙才能连结)，tsiank 大不妨参考，或是跟 WFG 大联系一下，应该可以节省不少时间。
    回复 支持 反对

    举报

    tsiank

    该用户从未签到
     楼主| 发表于 2016-5-13 11:29:53 | 显示全部楼层
    还是自己先弄吧，自己做出来的字典可以自己做主，好的词典重复劳作的多了。我现在正用按键精灵处理呢，看了一下他的帖子，方法和我一样，只不过他是自己写代码，我用现成的工具
    8 h/ @" y9 R- N  P. z3 j, C3 z5 ]9 n5 f

    本帖子中包含更多资源

    您需要 登录 才可以下载或查看，没有账号？免费注册

    x
    回复 支持 反对

    举报

    tsiank

    该用户从未签到
     楼主| 发表于 2016-5-13 11:32:29 | 显示全部楼层
    coolsummer 发表于 2016-5-13 10:24
    % o, ^4 y9 r9 N这部 "汉语大词典光碟繁体单机 3.0 版"，台湾的 WFG (部件检索、教育部成语典、尔雅辞典的原制作者)曾从原 ...
    4 T1 [) p0 P/ r+ z5 s
    还是自己先弄吧，自己做出来的字典可以自己做主，好的词典重复劳作的多了。我现在正用按键精灵处理呢，看了一下他的帖子，方法和我一样，只不过他是自己写代码，我用现成的工具
    ' G6 c% W& t; h2 G* ?7 D

    本帖子中包含更多资源

    您需要 登录 才可以下载或查看，没有账号？免费注册

    x
    回复 支持 反对

    举报

    下一页 »
    123下一页
    返回列表 发新帖
    高级模式
    B Color Image Link Quote Code Smilies
    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, 2024-4-24 19:52 , Processed in 0.062083 second(s), 9 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