Python辅助MDX转MOBI（以AHD5th为例）

nullname

( U5 x& l& S* ~3 c) d) l: ^: x; C# M一、前言
( B7 O0 w* @( e/ J+ r1 t
本篇文章的所有部分均来源于书伴的《如何把 MDX 格式词典转换成 Kindle 字典》 ，只是仅通过该教程的方法所转出来的词典基本没法用，原因是Kindle不支持@LINK跳转、不需要音频、以及需要添加Kindle支持的变形词搜索功能。经过几天的摸索，逐渐有了点头绪，并制作了AHD5th，试用两天后觉得尚可。便于昨天发布。帖子见此：[Kindle词典]美国传统词典American Heritage Dictionary 5th（精制版）。
0 Z: G! X7 L3 E9 W3 G, M
) l4 y, D0 \5 L- M' ?本文章展示如何通过Python来最大限度的优化以生成体验较好的Kindle MOBI词典，为各位提供一种思路，以期众人群策群力，制作出更多好用的Kindle词典。

为了文章的连续性和完整性，对于完全相同的部分将全文引用这篇文章《如何把 MDX 格式词典转换成 Kindle 字典》 的内容。

8 d; i" l# g/ K) n. g' q4 M
/ M6 z. \; x; H& W/ j二、正文        

书伴的这篇教程共有四步，还用到了一些工具。工具请自行下载，因下面所用的代码是Python 3的，所以除了Python 2 ，Python 3 也需要安装。第一步和第二步是一样的，不赘言，仅截一张图于此。
+ X& d! _# j' m  f! v8 ]


( H2 }' b: k: s8 m7 B1 O# t9 @" c

工具准备好后，选择你想转制的MDX词典（本文只针对英文词典，即英英/英汉），下面以论坛里的American Heritage Dictionary 5th [IPA]为例。
7 E, ^* `0 j+ Q. c' @5 O

2 ^# j  T/ W' i, o* `( g经过第一步和第二步的处理，我们会得到一个体积较大（视MDX而定）的TXT文件。其内容格式应该是这样的：


( m, p- W& }! x  z) P

  [$ v- z) h7 q
9 K, v3 P( r5 ]/ z( Q得到该TXT文件后，我们可以选择几行看一下或者搜索一下如".jpg", "<img", ".wav",="" ".mp3"之类的关键词，把图片和音频等等鸡肋全部删掉。同时，这类CSS引用也可以删掉，以减少文件体积，提高后续处理的速度。CSS引用可以在最后一步添加。比如随便看一下，扫一下就有这些：
) u5 E1 M3 J- O1 V2 @+ p




5 J# o3 }% [- {# R. c1 f' G我用的是Notepad++，以下是我用来替换的正则表达式：

6 A+ z4 P6 U, a3 F9 m        图片：<img.*?>
* y0 r5 D7 u! L; o4 I        
        音频：<a href="sound://.*?"></a>

        注释行：<!--.*?-->
& m! i  r* A7 r: e8 D9 ]- B# d        
8 O6 h4 ]/ q8 ?# P可能还有一些冗余的标签，视词典而定，比如我这里就有<span> </span>，直接全词匹配删掉即可。
) ]# k8 u& c0 o8 }! r9 u; A& M
* D, R4 Z3 b4 m$ d$ [$ ^- i; X7 E我这里这样处理了一下之后，文件的体积直接下降了25%（约100MB --> 约75MB）。

简单处理完之后，便是正式处理@LINK跳转了。TXT文件的格式只有这两种：单词 + Tab + 意项  或者 单词 + Tab + @@@LINK=另一个单词
/ p( o& q% u! ~/ a
这里我们主要要将跳转词后@@@LINK的跳转链接替换成目标词的意项，因为Kindle不支持@LINK跳转。为方便后续称呼的方便，我在此做个定义。以开头两个词条为例：
9 N6 e/ x3 U; Q7 {! r  d! b
$ Y4 o  R. }. S9 X" G



! v$ h( b! @' a) ]9 Q但是这里也要分情况，因为如果一股脑全部将@LINK跳转都替换为目标词意项的话，看起来简单。但实际上会导致文件的体积无比巨大，因为里面存在着大量的像这样的跳转：
, Y/ L& m  \0 ?  [& i- d


: n: Z6 D. s. M: _: z

! x5 T' ]# y8 t. ?仅仅是advocate这样一个词，就有七个变形词，它们的目标词都是一样的，如果只是粗暴的替换，那么最后生成的词典肯定无比庞大，甚至如果你内存低点最后都不够用来生成词典。（猜想而已，我没这么干过，有兴趣有空闲的朋友可以试试）

因为Kindle词典支持为某个单词添加不同的变形词，利用这一特点，我们可以在此处判断，如果跳转词是目标词的一个简单变形，那就跳过该词条。判断的依据来源于dsl2mobi这个工具里面附带的英语单词变形词列表。文件名称：forms-EN.txt，内容如下：
5 A9 I6 n9 ~7 w
1 Q* |* F$ G# S: ?

        
5 p  z$ Y# ]$ P0 h: e( c% O" `2 r
简单总结一下，做了个程序流程图：
2 B% L% K' x3 u+ e$ m4 F4 q. R. C
* J0 L; b2 O1 Z( y; m
0 C# F/ B! _4 ]+ H+ s/ h. I) v& X
) C& L( n3 ]9 O" e
" ]0 K9 R1 Q- G# G3 s
+ j! o+ {+ R( }6 I; T9 `这是代码，你需要修改第3、4、5行的文件路径和第50、51行endswith方法和replace方法中的值改为你操作的字典的实际值。详细的内容请看注释。

; `  a4 q/ w, M( c; y# @+ n


1 b7 N* O# N! |% I. z. P

; q! l4 ^* o3 @4 h$ c" @

注意：Fix_Redirections.py有一个同级文件夹wordforms，文件夹内有forms-EN.txt，请勿修改。


% Z" i$ W) l2 H4 Z" Y& n" ?# e5 B修改完了然后执行代码，你看到的图应该是这样的：
, e6 m3 {; J$ u) y+ N9 f0 D- [: W
( w0 T7 |3 \" z

7 t" {1 k8 x8 d

- k8 O! e# A4 a/ ]% r, H0 C. n. Q这一过程的速度取决于你的电脑配置和词典的词头数，我跑这部AHD大概花了大半天的功夫。
# o3 Y8 r: L1 b! U8 K+ w
跑完之后的文件可能存在很多空行（不一定，看词典），这里附上一个去空行的脚本，使用方法：

) X: d7 p- u8 F$ h1 o


( @/ i4 i; G3 t6 B9 h' a7 p


9 j. T! S5 c3 k* A2 b执行完成后会在处理的文件目录下生成一个名字带_stripped的文件，这就是去除了空行的文件。
* ^5 E; u  m' {/ g, `& q! n
- H1 R3 e6 K1 ^( W! C9 e4 {) N


. b& T! ~. `" z: f8 B7 K9 Q
这时候可以打开文件看一看，应该是满屏紧凑，没有空行，没有@LINK跳转的，就像这样：

+ \7 t$ i8 X/ \, {

/ [& N/ j* w. _4 j  F! P5 f( L

到了这里，就可以开始正式进行第三步了。这里用到的是tab2opf.py这个工具，该工具基于py2，所以要用py2来执行。从书伴直接下载的tab2opf虽然没问题，但是根据我的经验，把253行的print df给注释掉，速度会提升许多，而且出错的机率也会减少。除此之外，由于词典的不规范及其他特殊原因，我们上述生成的xxx_stripped.txt难免会有几个或十几个错误行（MDX词典本身的问题），因此，最好加一个异常处理的块，遇到错误行直接提示一下就跳过，免得程序中止运行，你们可以参照下图修改，注意红色箭头的地方。

4 @5 F# f6 B' t4 E


1 f, C! A7 i; D: p
/ V4 ~/ m- n( t! [3 K0 ]/ Q$ g然后执行命令：python2 tab2opf.py -utf xxx_stripped.txt

5 m+ G: R: L6 ?8 y; u; Q8 U执行完毕后会生成一个opf文件和一堆html文件，如下图所示：

$ ~9 z' p  Y9 e  r" R0 |* j

+ z! u$ t) {* n1 B  c

" o: ~* k; f+ `$ }8 A0 F在进行下一步之前，我们还得写好CSS，我的电脑配置不行，打开太大的HTML文件很卡很卡，因此我提取一些意项较多的词条来单独修改建议"go", "take", "in", "the"等，这里我提取“go”词条，复制"go"词条所在的一整块<idx:entry> </idx:entry>，然后加上头和尾（头尾可在任意一个html文件中复制即可），保存为html即可。如图所示：


! ~+ K( W8 o1 b( F) w" q, S5 `


3 N6 o$ @  w& H9 p/ A  c因为我们要测试css，所以再添加一个head标签并在其中用link标签引用一个css文件，然后就可以写css了。

& y; l4 _7 X' T0 S( Q1 {. S! h
8 J4 g& c; l+ t# T3 q$ F: {7 J2 J

. k0 F( ~( @: ~4 u5 X0 r; O
' C) e" o# Q5 d' x9 zMOBI的字典只能生成v7版本，该版本对CSS的支持极其有限，margin只支持left其他方向都不支持，即使是看起来有效的margin-left，也不过是在转化过程中替换为blockquote而已。所以只考虑粗体、斜体、下划线和颜色即可，当然不管这里用什么颜色，Kindle上都是浅灰色。
: d# t1 H( L+ l" W1 ]- K2 U
这是我修改完毕后的效果。
, R; A: O5 u% E9 p" [3 ]
2 u4 }7 G8 A9 X; z$ S


2 H' E- R, h% {: _6 G
  i8 a( l" S9 ^3 y6 D( qcss满意后，那就可以给所有的html文件批量添加link引用了，这里notepad++可以单独完成，就不写脚本了。方法如下：
2 _  B/ \+ y+ I" |8 h
打开任意一个html，Ctrl + F，然后切换到文件查找选项卡，下面注意选择正则表达式，如图所示：


- J& @0 Y3 N6 _' G! s: ~% ~& s6 @
8 }- X) V6 p, ]) g& V
: N4 D! U: l5 q. ~" c  X  q: S) y

1 N- l2 ^) w6 }" ]# k查找目标： (<html.*?>)

8 L0 t: M: S# b* L+ _9 W3 j9 ]' @替换为：\1<head><link rel="stylesheet" type="text/css" href="test.css" /></head>

; g/ X! j/ W  k" f: E! S* F6 Y; V文件类型：*.html
, n0 i0 f' n; i  L
目录：即html文件所在的目录

* y! B2 Y4 K" {/ Z) ?* x" R

然后点击文件中替换即可，这样，所有HTML都添加了CSS引用了。
/ ?9 T7 r9 ]- V5 Q6 J! e" W
, F# Z- G# Z1 j2 T) D/ [2 k现在到了另一个重要时刻了：为即将生成的Kindle词典添加变形词，原理就是检测forms-en.txt里面的单词然后提取出变形词添加进去，上面说过了，此处不再赘言。
5 z$ L9 P+ }2 P# J! N! Z
代码很长，不贴了。用法很简单：Add_Infl.py html文件所在的目录

/ O  \. u" J% B) T9 h


; F8 [. u7 r; @2 A2 |6 N7 s: L
文件在此，解压后其他文件和文件夹勿动，以免程序不能正常运行。

6 t# z- ?9 c  z* J9 _
  F6 Q" \, M( K, E
然后会在目录下生成一个名为OK的新目录，新的HTML文件即在此。

4 N8 i  [9 }- `最后就是把之前的opf和css复制进去，然后用mobigen.exe生成即可，mobigen.exe -unicode xxxx.opf
, c3 f- H  `: j! b7 p
% r2 Q4 r" Z  K9 g如果你想修改生成后的词典名称，打开opf，修改这一行即可


$ I/ {! n( N; l0 k

4 ~6 c- E1 |: ?) d7 K5 u* A
" d1 {, Q+ S1 k" @  L) K6 {/ X完。

& K) A( g* e, Q8 u1 h# v0 r: _三、结束

/ _/ k. h+ ]* W$ P  [9 N第一次写这种教程帖，步骤、截图等等都很繁琐，几次我都差点晕了。简单看了几遍，算不上流畅但也不至于晦涩。若诸位有什么问题或发现什么错误也可以在下面回复，希望能有更多优秀的Kindle词典出现。
' N8 @& l$ K4 ^% c
5 A$ V1 B3 f# d0 N! a" E: Q5 R另外：关于Kindle上的汉语词典，我发现kindle支持将繁体作为简体的变形词，意味着若处理得当，那就直接为简体词头添加繁体的变形就够了，不必再另添词条，词典体积将大大减少。各位有兴趣可以试试。

卡拉奇

这种技术贴，要好好给楼主点赞

wrscn

技术文章，不错。

Gyngreenlie

给技术型楼主，点赞。

cocowind

过程详细，及时总结惠己惠人

999阿彌陀佛

这种技术贴，要好好给楼主点赞，惠人以漁！

Wallacebai

喜欢技术贴， 感谢楼主。

陟彼高冈

大妙好！！！！！！！！！！！

Fulowl

非常感谢