MDX转MOBI过程及相关思考（附COED11th.mobi）

nullname

' j& i* s1 J5 c
4 }( H+ ~! K0 T% i00
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。
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。
: h- y3 O% a, B" x1 p# {: N
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。
. f: G4 u( S2 b7 S  {
* h& |- N* x+ f& p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）》）

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）》）。
, w% a4 S8 \/ Q$ D5 H
以 COED11 举例，这是转换后的 HTML 中的词头部分：
6 z0 o2 m; ~+ L& X4 y# T. t6 V
' `  B- k8 t2 m4 G) K若要具备 词形变化 能力，需要的区块（红色矩形部分）：

3 q- U: S' y/ L& ~1 T% J" O
6 A% @. w; u3 o% w7 _# C9 }* X: @
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：



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：

, E2 \* K/ j0 u: Q

. `. a, t8 E, s. u2 L跑完之后：
: Z/ Z4 o7 L: ?/ z; F' Y' _

5 V) v. Q7 l9 O5 w0 ]2 b. E
9 I* ^2 q& a. {  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 。
( \; e* Q6 r: |3 F. W# T$ ?
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。
& Q2 d3 ?8 |; q2 N
) q( g% ]- O3 j5 C再试试，

     查询dealt的时候，按设想，应该是查询deal才对，结果并不是。

8 b9 F! [3 A" ?& ^用官方的词典试试，

同样如此。
- U# P0 f, Q, I# N6 |, [

( a3 e7 ^. p" p7 S$ c2 ^  G
5 T4 m0 H0 G; h: C! ~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。
+ e: f4 K3 E- T- K& y# u- s
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。
7 W5 l, D2 O* S( W
5 R& R# I1 x- }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。


/ Y" }" C  e% Z  C6 r) A' {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...”。

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。

1 S& f( L- D0 k7 V( S写的比较乱，抱歉。也欢迎大家交流讨论和指点。
5 p  W  Y9 ~( H  Z; J( i7 S2 V# S! x
; x; l. w0 j5 Z2 C* n6 _
最后附上制作完成的COED11th.mobi
6 d% V" b0 B) ?! I. S/ w' V! |

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





# t- h# U/ A' A) K  G% `
' l+ |# ?, `* z* R9 H

5 E( u" P% P) o4 o4 s8 G


, a" S, \9 L* g& B- l2 _

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：
6 k& r' M& t5 N9 p: h. ~% h- k! b1. html tag 上的style, inline，如 <div style="font-size:14px">
) Y6 a0 F" p, o4 U2. <style>div {font-size:14px;}</style>
3. <link href="styles.css">
: k, K+ d: \( I) s7 G" \4 j) E
% a1 b8 ~6 E* K8 ~. v" j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。

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
5 T/ l) `; T8 n8 }* n! Y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 ...

  J. H9 j* H- [7 l3 }2 @1 p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
% T4 P* v. j  F, L7 s; 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
! U, [: L' H$ Y- P( @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 ...

0 ?# V0 K1 O* [* _5 j, d6 A# o% F1. 解包mdd，加入css再打包，同时修改mdx里面得css引用
" d: Z5 _1 Z; v3 n! b2. 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
" ~- s6 _6 v# `9 Q, z: _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 ...

- h8 d2 z9 k1 L5 [! w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
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 ...

) u) e3 t5 f* p3 i- K. E/ g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
, x3 v! Q7 O4 l) ?9 c/ G" d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

) i5 r2 C1 s) s, j好的，已收到，正尝试使用

流星冲击

# v# P+ E; A7 h2 F% z! [! A* z
6 |$ i6 l' R* N0 k# y: @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）。
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。
' S& ]5 L: O# N, o0 A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
: w) Z0 r/ ?& M  v1 A4 @+ R; p; E; U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 ...

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。

dsl2mobi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。
4 @# r5 Y! t6 N7 j# B
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
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。。。 ...

代码已经发了，在这个帖子里面
- m2 P! J% E  L1 n
4 _: s  D" O4 Y$ uPython辅助MDX转MOBI（以AHD5th为例）
, Y4 T# {$ B* M% ghttps://www.pdawiki.com/forum/fo ... hread&tid=36130
* K- E  s9 V( P! K" K7 V; L(出处: 掌上百科 - PDAWIKI)
0 K, I+ _( {. r6 d6 c4 P. M3 v4 d4 o' y

vpda2016

nullname 发表于 2019-10-22 19:18
. r/ n0 b) K8 g3 s2 D7 f代码已经发了，在这个帖子里面

# u; t1 G+ c0 _! r5 m7 R! |1 k8 sPython辅助MDX转MOBI（以AHD5th为例）

" q6 G& y3 ~" g. v3 G正在看，谢谢亲。大神。