掌上百科 - PDAWIKI

 找回密码
 免费注册

QQ登录

只需一步,快速开始

查看: 5837|回复: 22

[工具] 从mdx提取指定的词条,并打包成mdx[已失效]

[复制链接]
  • TA的每日心情
    奋斗
    2022-6-1 19:02
  • 签到天数: 377 天

    [LV.9]以坛为家II

    发表于 2019-8-11 19:40:53 | 显示全部楼层 |阅读模式
    本帖最后由 simonfire 于 2021-2-10 11:15 编辑 * Y  `" ]. c* ]+ g

    - [) O; s" S, y3 D7 [用python写的一个小工具,解析和打包都是用的zzzz_sleep的 mdict-utils。9 Q' @  L. f$ U" W/ {
    用法:把需要提取的单词制成一行一个的格式,命名为input.txt(文件编码有要求,必须是UTF-8(无BOM,也叫无签名),要提取的mdx文件命名为input.mdx,和解压的exe文件放在同一目录,双击运行exe文件就行了。正常运行的话,会生成名为output的txt和mdx文件。0 ?- _! D& r/ v% q% w
    目前只进行了简单的测试,有使用问题后续再修复吧. K, s% P$ z4 w* d$ _
    加了程序运行时打印正在提取的单词,你可以知道个大概的进度% C  I; D" z! t  v2 A4 p( ]
    然后现在程序是单线程运行,所以速度很慢(目测1秒才2-3个单词),最好不要弄太多词条去提取,后续可能会增加多线程,看情况吧$ h' c9 |# ?0 f5 `5 i7 e* f- h
    下载地址,度盘:+ k8 S6 R9 y8 Y( R
    链接:https://pan.baidu.com/s/11nIBxwL5-CYZhFfiK9njyw 提取码:0jfa 复制这段内容后打开百度网盘手机App,操作更方便哦. @/ a% m- @. x0 X2 B& N

    ; b, v5 f7 V# Y, [ps:要源码的朋友,我这代码总共10多行,没有一点学习价值,想学习的去看看 mdict-utils的源码吧。
    ; k$ X8 @8 R+ q4 U/ gps2:试着加多线程提升速度,但是发现并没有用,速度反而不如原来,不知道是我姿势不对还是怎么回事,所以这个速度问题应该会无限期搁置吧,哈哈。

    评分

    5

    查看全部评分

    本帖被以下淘专辑推荐:

  • TA的每日心情
    开心
    2018-8-8 03:13
  • 签到天数: 1 天

    [LV.1]初来乍到

    发表于 2019-8-11 20:18:51 | 显示全部楼层
    simonfire 兄:
    7 Q1 D6 M9 ]2 e$ S; [! q能想出如此的懒人包9 u; d+ L* k( Y8 r
    對於幼幼班的真是一大福利
    6 a1 {) ~6 y1 Z1 ?, XThanks a lot
    % p$ q9 R$ N- U5 K  S9 i( w3 _6 M
  • TA的每日心情
    开心
    2020-1-5 08:04
  • 签到天数: 50 天

    [LV.5]常住居民I

    发表于 2019-8-11 20:48:37 | 显示全部楼层
    按要求试了一下,没反应啊

    点评

    在软件的目录下,会生成一个output.txt,这个就是提取出来的结果  发表于 2020-6-26 18:34
  • TA的每日心情
    怒
    2019-2-16 21:57
  • 签到天数: 9 天

    [LV.3]偶尔看看II

    发表于 2019-8-11 21:11:52 | 显示全部楼层
    可以分享一下源代码吗?
  • TA的每日心情
    奋斗
    2022-6-1 19:02
  • 签到天数: 377 天

    [LV.9]以坛为家II

     楼主| 发表于 2019-8-11 23:31:26 | 显示全部楼层
    999阿彌陀佛 发表于 2019-8-11 20:48
    6 m/ U* `# Q$ G. T按要求试了一下,没反应啊
    % U* |- [. b, T0 a2 n
    你不要弄太多单词进去,然后保存为txt时编码选utf-8无BOM(也叫utf-8无签名),再试试
  • TA的每日心情
    奋斗
    2021-3-15 08:06
  • 签到天数: 585 天

    [LV.9]以坛为家II

    发表于 2019-8-12 08:16:56 | 显示全部楼层
    方法很特别!
  • TA的每日心情
    奋斗
    2019-10-13 07:34
  • 签到天数: 209 天

    [LV.7]常住居民III

    发表于 2019-8-12 09:06:31 | 显示全部楼层
    请问:之前Mdict Editor Tool等工具提取后的排序是按照字母顺序,并非input的顺序,不知道我们这个output.txt的顺序是?
  • TA的每日心情
    奋斗
    2022-6-1 19:02
  • 签到天数: 377 天

    [LV.9]以坛为家II

     楼主| 发表于 2019-8-12 09:36:24 来自手机 | 显示全部楼层
    VimVim 发表于 2019-8-12 09:06
    7 I7 M) ], e! t3 n5 ]: V& F请问:之前Mdict Editor Tool等工具提取后的排序是按照字母顺序,并非input的顺序,不知道我们这个output.t ...
    . u, n9 b6 F/ c* v
    输出的txt,是按照你的input.txt的先后,至于打包mdx后有没有再排序,因为用的是别人的写好的工具,我也没有研究

    点评

    太好了,正是需要这种排序!txt已能满足需求。  发表于 2019-8-12 14:56
  • TA的每日心情
    慵懒
    2020-4-10 13:19
  • 签到天数: 269 天

    [LV.8]以坛为家I

    发表于 2019-8-12 11:08:20 | 显示全部楼层
    老哥,源码能发出来学习一下吗?
  • TA的每日心情
    衰
    2020-8-15 10:40
  • 签到天数: 146 天

    [LV.7]常住居民III

    发表于 2019-8-12 15:49:51 | 显示全部楼层
    simonfire 发表于 2019-8-12 09:36
    5 H! C8 }# v4 l, R输出的txt,是按照你的input.txt的先后,至于打包mdx后有没有再排序,因为用的是别人的写好的工具,我也 ...

    / o3 v5 \: z4 v" p打包成 mdx 后,都是重新排序的,与原有 txt 顺序无关。
  • TA的每日心情
    奋斗
    2019-4-14 02:12
  • 签到天数: 93 天

    [LV.6]常住居民II

    发表于 2019-8-12 21:14:14 | 显示全部楼层
    本帖最后由 jonah_w 于 2019-8-12 21:15 编辑 1 Y3 K' U5 G4 }3 s8 @; ~* T# ]3 L

    ' q# e0 b5 Q& ^% a; m, s4 Y4 @如果要保证按input.txt里的词头先后的话,速度肯定会慢,不考虑前后或者按字母顺序的话(用哈希),速度应该会非常快(几万个词头,也就是几秒,根据以前经验猜的)。可以考虑下。
  • TA的每日心情
    奋斗
    2019-10-11 13:52
  • 签到天数: 142 天

    [LV.7]常住居民III

    发表于 2019-8-12 22:39:30 | 显示全部楼层
    开源一下,这样我可以看看为什么速度这么慢
  • TA的每日心情
    开心
    2020-1-5 08:04
  • 签到天数: 50 天

    [LV.5]常住居民I

    发表于 2019-8-13 07:50:36 | 显示全部楼层
    謝謝,單詞表保存為 編碼ANSI 就可以了。之前是utf-8,沒反應。
  • TA的每日心情
    奋斗
    2022-6-1 19:02
  • 签到天数: 377 天

    [LV.9]以坛为家II

     楼主| 发表于 2019-8-13 10:39:34 来自手机 | 显示全部楼层
    999阿彌陀佛 发表于 2019-8-13 07:50. g. J! Y. N: a
    謝謝,單詞表保存為 編碼ANSI 就可以了。之前是utf-8,沒反應。
      s) O/ ~$ ^: B, \+ s( P2 p
    你肯定用的是记事本了,弄这个你最好使用像notepad++或者emeditor这种编辑器。
    % g1 Y, ~% M6 n/ S  M不然你保存为ansi,英文没问题,中文就GG了,不过你要是不太懂,就凑合用吧
  • TA的每日心情
    开心
    2020-1-5 08:04
  • 签到天数: 50 天

    [LV.5]常住居民I

    发表于 2019-8-13 18:30:30 | 显示全部楼层
    謝謝。
    - Z7 ?7 \  v% E! j# T2 V5 x只是速度現在很慢,能不能改進一下?現在的詞典詞條都很多的。
  • TA的每日心情
    开心
    2018-8-8 03:13
  • 签到天数: 1 天

    [LV.1]初来乍到

    发表于 2019-8-14 03:07:32 | 显示全部楼层
    本帖最后由 喬治兄 于 2019-8-14 03:12 编辑
    / y. D5 f- G( H8 N: h( F/ O
    simonfire 发表于 2019-8-12 09:36' e# o* M/ l4 i; T
    输出的txt,是按照你的input.txt的先后,至于打包mdx后有没有再排序,因为用的是别人的写好的工具,我也 ...
    2 _5 q7 C) a4 K

    ' O- G) T, {; V/ H7 w7 d) k哈哈, 還是@VimVim 兄問到了重點: e9 q& g& e0 Q) Z$ h/ c, H' |* y
    小弟也正需输出的txt 按 input.txt 的先后: x& b! }, }3 d" H
    讚一個
    9 P' k4 `/ F  y: m6 a/ M1 I本想學此招 7 w: o! V' d% Y7 I- H0 t0 j
    [教程] 用Emeditor提取子字典
    ( ~; d2 {; Q9 F8 q* Rhttps://www.pdawiki.com/forum/forum.php?mod=viewthread&tid=34351#lastpost, e3 N) \9 e+ t  L9 @
  • TA的每日心情
    奋斗
    2019-11-15 20:13
  • 签到天数: 49 天

    [LV.5]常住居民I

    发表于 2019-9-25 03:19:24 | 显示全部楼层
    可以补档一下吗,谢谢楼主。。
  • TA的每日心情
    奋斗
    2022-6-1 19:02
  • 签到天数: 377 天

    [LV.9]以坛为家II

     楼主| 发表于 2019-9-25 11:32:31 来自手机 | 显示全部楼层
    亘佑 发表于 2019-9-25 03:19
    $ _9 W% ?. T" A3 Z可以补档一下吗,谢谢楼主。。

    6 k2 Z4 M+ h1 x2 _$ [2 N; {用另外一个吧,这个速度没那个快
  • TA的每日心情
    擦汗
    2020-7-3 13:51
  • 签到天数: 19 天

    [LV.4]偶尔看看III

    发表于 2021-2-9 19:12:23 | 显示全部楼层
    我目前用C#做,i5的CPU大约10秒不到可以提取陆谷孙英汉大词典中的1万单词解释。2 r; M: ?: q% _- Y
    作者没有说明提取一个子MDX有什么意义,我主要是用来定制我的通读而非查阅用的词典。比如我可以制作一个牛津高阶6级词汇的词典,里面词头不超过6级只有几千个且释义正文都是牛高中的。提取完之后稍微处理一下可以直接在浏览器中打开。所有浏览器中Chrome渲染速度最快,1000单词的朗文4词典大约1分钟就好了,之后你可以慢慢享受鼠标滚动阅读而毫无迟滞感。还有切图版的图片词典,那制作出来就和看纸版书基本一样的感觉了。
    + o6 u* f/ z: X做这个提取的小工具程序,初看起来简单得象1+1=2般简单。但真的是这样吗?非也!如果真正是严肃地以做产品的精神来做,还是要考虑一些问题的:
    0 L" P7 s& a1 N* x! C+ ]3 b- x(1)MDX中同一个词头有可能出现多次,比如有的单词每个词性就列一个词头出来,且并未加上上标来区分,看起来词头是一模一样的。0 m, |8 V3 W- L
    (2)词头内容可能是链接@@@LINK=,且链接可能有多级。链接最终到的那个单词如果不在原词表上出现怎么处理?是新加入这个词头还是不加入而拷贝它的内容过来?
    % |8 l! A7 ]; t, X4 S. n0 {" \0 b(3)如果原MDX制作有问题,A词头链接B词头,B词头又链接A词头,将陷入死循环,如何侦测出来?我目前用的是递归调用简单地用递归最大层次来限制死循环的发生。
    8 K9 ?6 z4 F$ i! @(4)前述1,2,3可能同时出现夹杂糅合在一起,程序怎么处理既不遗漏又不重复释义?' \/ h( H! a3 H
    (5)如果原词表不按字母顺序排列,应该给用户按原来顺序和按字母顺序两个选择
    1 h4 D" l. T1 f" g! w
    * p4 h; h, V( O, K* Y$ R6 n
    , A: {7 f8 _3 s: Z这些考虑使得编程复杂了很多!我用了整整2天才弄完它们。不到200行C#搞定。
    , s) x. l# q$ o1 E' i
  • TA的每日心情
    擦汗
    2020-7-3 13:51
  • 签到天数: 19 天

    [LV.4]偶尔看看III

    发表于 2021-2-9 19:15:47 | 显示全部楼层
    7 Q' l9 a. E. `; Z- k5 d, O
    我用C#做,i5的CPU大约10秒不到可以提取陆谷孙英汉大词典中的1万单词解释。7 D$ S! ]; h3 `* G: N
    作者没有说明提取一个子MDX有什么意义,我主要是用来定制我的通读而非查阅用的词典。比如我可以制作一个牛津高阶6级词汇的词典,里面词头不超过6级只有几千个且释义正文都是牛高中的。提取完之后稍微处理一下可以直接在浏览器中打开。所有浏览器中Chrome渲染速度最快,1000单词的朗文4词典大约1分钟就好了,之后你可以慢慢享受鼠标滚动阅读而毫无迟滞感。还有切图版的图片词典,那制作出来就和看纸版书基本一样的感觉了。# [. {  h1 u+ v$ ~: s, i  {
    做这个提取的小工具程序,初看起来简单得象1+1=2般简单。但真的是这样吗?非也!如果真正是严肃地以做产品的精神来做,还是要考虑一些问题的:& E4 u" w. U% \
    (1)MDX中同一个词头有可能出现多次,比如有的单词每个词性就列一个词头出来,且并未加上上标来区分,看起来词头是一模一样的。1 \+ ~2 k  ^/ a* r: [4 I4 w0 T
    (2)词头内容可能是链接@@@LINK=,且链接可能有多级。链接最终到的那个单词如果不在原词表上出现怎么处理?是新加入这个词头还是不加入而拷贝它的内容过来?1 W. d% L, j6 ?; U
    (3)如果原MDX制作有问题,A词头链接B词头,B词头又链接A词头,将陷入死循环,如何侦测出来?我目前用的是递归调用简单地用递归最大层次来限制死循环的发生。
    / g3 ^5 G% L/ k0 n; o* |  I(4)前述1,2,3可能同时出现夹杂糅合在一起,程序怎么处理既不遗漏又不重复释义?4 `, Z) y6 I9 H
    (5)如果原词表不按字母顺序排列,应该给用户按原来顺序和按字母顺序两个选择
    ; J& i. V; S3 f
    9 T3 K7 o5 `! _" e* o% U( ?) [这些考虑使得编程复杂了很多很多!我用了整整2天才弄完它们。不到200行C#搞定。
    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, 2026-11-22 23:30 , Processed in 0.022349 second(s), 24 queries .

    Powered by Discuz! X3.4

    © 2001-2023 Discuz! Team.

    快速回复 返回顶部 返回列表