TA的每日心情 | 擦汗
2021-3-8 17:59 |
|---|
签到天数: 2 天 [LV.1]初来乍到
|
本帖最后由 lixun305 于 2014-1-9 19:25 编辑 , c6 ]- p- c% w8 E! H' }9 D7 g
0 N0 o0 a8 ^; l. r9 I6 [5 e
http://pan.baidu.com/share/home?uk=2718706185#category/type=0 这是连接地址，只是抛砖引玉.
, V& n, O, e1 n% p% d# rmdb词库：
% R# V1 H$ k0 |- ?$ u2 w1. 现代汉英综合大辞典
8 N6 {9 L0 V6 U' p2. 21世纪大英汉词典_微调版本( g( g, |1 T0 e) j: @. T
3. 牛津英汉简明词典修正版2 ~5 ?9 M6 `- Y. X' e( ?) W; E
4. 朗文当代英语词典5版5 }& J2 v6 W6 g6 [; @
5. 诗词总汇
# p3 Q5 G" f1 I4 y$ C; T, h ]6. 牛津英汉词典
; m* v$ Q9 b7 W' l7. 牛津高阶学习词典英汉双解第7版OALD7& ~$ N1 |; M- D% F
0 t* K9 ]. a( @( e6 v5 ]
分析有偏颇，不当之处，请谅解。4 p0 A2 c u% @1 T- y
) {# J& o. g$ [+ ]
mdx词典日渐丰富，仔细看来，下面列举的都是相通的：
1 `+ b; b2 N* D, {" ?& U( n# @1. chm (hlp) 文件 可以查找，复制，有索引。查找索引或内容或。。。$ J! O/ k) Y. h5 D& Q" \+ X7 a/ ?( y
2. 网上百科 例如百度，维基，内容海量，查找甚爽。+ }% |. _9 c4 p* F
3. dict(startdict)这个研究不深入，仅可以读取它的内容，相比查找方式和mdx差不多。" l \/ @4 ^/ m u/ L8 _
4. 有些软件生成的exe文件，也有内嵌的查找功能。 也包括大型的词典软件（例如牛津出的光盘版），一般小民也无福，无M消受啊。+ r1 I0 G3 G2 W. Q! z {% H
5. pdf 文件，可有索引，查找索引或内容。
# P: V8 d( a) N2 N! A( I3 `- q+ a6. xls文件 Excel格式，可以直接打开看，当然查找再方便不过了，不过，记录数不成超过65536(现代英汉综合大辞典，21大英汉辞典，牛津英汉简明词典。。。被pass了)。 单个条目不能超过32767个字符。这些限制可能excel2007以上都已解决，但我是一直windowsxp + office2003的ghost系统，谁想再重装一次恶心人的office2007呢。 唉，这个格式限制甚是恶心啊。
' p3 i5 F i# q6 ~0 j' o! U7. mdb文件 这个是微软access的主打格式，小型数据库文件，但接口方便灵活，规模较小（甚至绿色版都可以）。对记录总数和单条的限制几乎没有，对一般p民来说足够用了。
2 U+ Q3 e) [+ m% Q; q 网上许多软件其实就是mdb的外壳，查找，编辑等一体，当然，为了保护知识产权，加了密的居多（但可以破解2003, 2007格式，其它未知，:p)。
3 r. s4 j1 E, P
( b( g' S7 D: i, i4 s: s8. mdx mdx的词典丰富，内容紧凑，尺寸小，查询快速（只是快速，但这确实很重要），可联合查找，手机pc都可以用。。。优点不一而足, 我就不细说了，只说其缺点，这里绝无贬低之意，只为探讨，学术性的，:p...9 V; m1 Q! g7 _: z; [ Y6 i
(1) 只能对索引进行查找，因此基本上就是索引，内容两部分内容，更多的信息只能存于内容中，靠html的格式进行格式的编排。
9 r& d6 W% X! Q7 A: l3 b (2) 对索引的查找无法精细化，例如：& F) w4 z- h* n& e: L. n
大小写敏感 dog DOG, CALD cald，在很多时候还是有区别的.( o; X" n! ]) Y0 L6 I" W! h% z
查找个数无法限制，有时真的不需要找到很多，一个足以，或者三五个就行，可是出来一堆很头大。
2 ^+ {/ c- D2 Z! T5 F! C 没有匹配方式 例如： 这些匹配方式有时真的很有用，特别是有几十万个词条的时候，出来成百上千个查找结果，情何以堪。
0 K: \5 p) ~& X- D {1 A 精确匹配 dog dog, dogmatic，dog's head, 只dog可以0 A% ^3 i0 V- U3 m# M& Y: M
单词匹配 fat fat, fat salary, fat job均可' d3 @2 f9 U; g* n5 [/ r
模糊匹配 fat fate, stepfather 均可1 H% U+ M3 w: r- a4 X/ S
从头匹配 fat fate, fat job可以，stepfather不可以。 只有从头开始是fat的才可以。
/ E& T# N8 w& w% v1 o4 ^ (3) 无法高级查找(多个条件查找）例如：
% A+ w0 h6 X8 o; a 查找成语：要查 ?三?四组成的成语（不三不四，朝三暮四，丢三落四，低三下四。。。），其实就是含有通配符，需要满足有 三 四 关键词的查找方式。4 e. {- n& T- X, N& K6 @# m
查找诗词库中李白写到黄鹤楼的诗词：(望黄鹤楼, 与史中郎钦听黄鹤楼上吹笛, 李白见崔颢《黄鹤楼》有感)。 其实就是要求词库中至少有作者，题目（或内容）两个字段，然后查找条件： 作者为李白且 题目=黄鹤楼(模糊匹配，不从头匹配）。8 `! ^3 P7 N& A F+ a
(4) 无法对多个查找内容综合到一个窗口内并且对查找内容二次查找。
5 \( q3 M6 a. J Z8 c t- k$ N 例如诗词库查作者李白，出来984条记录（这是中华诗词总汇中收录的李白诗词）。 这么多诗词，包含作者，题目，年代，题材，类别，内容，感想，出处等信息，通过一个简单的分割条放置在一起，导出成txt或者html文件，不就是一本：《李白诗词大全》吗？ 如果仅仅在pc上查找，出来984条记录也挺头大的，于是二次查找很有必要，例如：就在这个结果中查找出现 “庐山”的诗词，并且逐一定位，很有必要啊。; t1 v+ i' f9 }" x/ j/ {& F
(5) 无法对词库进行编辑' M! _3 t* s. L% Z8 [; _* ]
包括删除，添加，更新，查补（用其它来源的词库文件对现有的进行查漏补缺）。. E1 m" h, R, a. F' V1 C( o
例如，安装了英汉词典，只有36691个词汇，好多查不到，但又不想用动辄30多万甚至上百万的词汇量，于是只对自己感兴趣的若干词条导入到其中，很有必要。1 z, o' _4 b+ }7 ~
再例如：看到错误或疑问，是否可以对源词库进行更新：例如孩子问杨万里的宿新市徐公店怎么背， 诗词总汇呀，赶紧查，(作者 杨万里 and 题目 宿新市徐公店)，出来了：篱落疏疏小径深，孩子撅嘴了，不对，我们语文课本上是篱落疏疏一径深，怎么回事，可不能与国家教育部的相悖啊，赶紧上网再查，果然，两个版本都有，没办法了，只好以国家出的为权威了，于是，需要更新这首诗，省得以后孩子再查的时候又错了。 但mdx不好办啊。2 O1 W3 C" d- I K7 M
再比如：诗词，高鼎的村居(草长莺飞二月天)，孩子又忘了，结果，诗词总汇居然没有高先生的诗词，于是添加进去吧。 但mdx不好办吧。
9 g9 r* X; v% p (6) 无法做到一些完美的查找。. [3 u9 E, X! I' z4 {( G$ j# _' m
例如，有了汉语字典库， 里面，部首，划数等都有了，做到新华字典的部首查字法不难吧，但mdx就word, content(一堆)两个字段，难呢。但对含有多个字段的词库来说，只要文件在手，编程不愁，部首查字有何难哉。 不就是定义一个部首，划数联合查找吗（ 部首=??? and 划数=?）。9 Q2 n0 J& p/ ]9 |7 I
再比如：四角号码查字法，虽然鲜有人用，但是，本人上初中，家里有一本《四角号码新词典》，商务印书馆的，熟记了口诀之后，有时查的还是挺快的，好吧，不说了，为了回忆一下以前， 这个汉字库中有一个字段就是汉字的四角号码，有了这个，不就是一个不同字段的查找吗（ 四角号码=？？)
6 c. p1 W! D$ C: [7 z (7) 无法保存查找结果。1 \. F/ h+ w$ G, d, n7 ?. T
两个方面。 一，查找的结果可以导出成txt或htm文件 二，查找条件（关键词，查找范围，匹配方式等）和哪个词库，哪个字段保存下来即可，想看一下历史查找记录，将这些查找条件调出来即可复现，关键是你得能调出来呀。0 e5 B! B$ v6 c
(8) 无法浏览整个词库
9 E$ h4 X C* | @6 `; \4 I+ u$ x 例如，诗词库，就像excel的表格一样，在一个界面下，按照字段，记录的二维表格方式浏览。当然，这种浏览更多是为了方便，直观的编辑词库。 如果词库太大，就不说了把，光打开一次就头大。
\8 P. i. j9 U7 w# D- y& @ 说道这里，如果词库太大，对他的编辑可以逐条进行。. t5 I) Z1 s" d' [& t8 ^7 |; Y9 C
(9) 待发现，呵呵。。。。。。5 }9 B# d7 g; Z e: b" _
+ _6 o% E, _. `: c3 d
以上问题，总有相应的词典软件或者词典库能够解决，但想都做到，并且做的通用性和专用型于一体，还真难啊，但如果有了词库文件，知其格式，不愁编程，这些又有何难哉？
& L& e- y$ j2 |' W& x 但，也不是所有问题都要靠编程解决的，我觉得，可以通过将各种词库文件进行相互转化（尽量做到无损，无误转换）来达到，因为，可以利用现有的各种软件，找自己趁手的就行。6 h2 i8 n; [8 d, j- C' g
本贴子就是想达到这样一个目的：实现各个词库之间格式的相互转换。 我认为，手里有了mdb格式的词库文件，还愁什么。 这个格式，太多的代码，文献资料，接口程序，通用软件可用。 而其它的，例如mdx，直到现在，我也读不出来，网上也找不到opensource，唉，词库如此丰富，用人如此之多，难道真像windows一样，也是个不公开格式? 废话不说了。& Q$ n) @6 W! J3 p# o
具体：, ?$ G& G2 s3 `
1. 实现 mdx dict txt xls 到 mdb格式的转换.4 ]4 K8 q- i* E
已经实现，陆续会有一些mdb格式的文件传到网盘上。目前只传了一个 牛津英汉简明词典修正版.mdb。
5 H* {5 S5 a4 U u$ x3 ~ 2. 利用GetDict得到mdx文件的 startdict格式或者UTF-8或者mdx源文件格式，将其转换成 mdb或者脱了html格式的txt文件。 UTF-8和html格式均可。7 G/ Y9 P$ l0 k8 |$ e; f$ o2 {3 i* G
已经实现。 但目前对一些音标（unicode字符或者金山拼音格式Kingsoft Phonetic Plain字体） 和比较复杂 unicode格式的转出文件会有乱码出现。
$ j2 R% F5 H( L- y$ u' J 为了压缩体积，可以剔除转出文件中的html格式（就是一堆<font><br></font>...），因为，如果不剔除，转换成的mdb文件很大。 剔除了，音标就乱码了或者只有金山拼音格式。 因此，仅仅保留音标的html格式也可以考虑。' E+ x! c, e7 x9 t9 d6 @
3. 利用 GetDict转出的dict格式的词库，实现 dict 到 mdb xls, txt格式的转换。5 _. }3 G6 h R6 O, `1 Y1 \' f
已经实现。
. C9 g$ |6 |( o: U: x 4. 自定义简洁 txt格式（文本），作为可以打开的词典文件。 例如，本人定义如下：; R& C) q" x' @/ d% G2 Q3 U
dog
4 g) h$ L8 |5 }( R( h4 J% Q n. 狗，一种动物。* M) [4 `' B8 }8 K' v' p% a# h
fat0 N$ W. R) j/ X" a; U% H8 b: [
adj. 肥胖的。& D& f6 j6 k) ?. Z- c7 q" ]
.....$ n; S P l" y$ k
就这样，一个词条占据两行。 . B P$ ]# @% h$ o {% S Y: D
5. 将mdb xls格式的词库导出成二维文本格式。
; V( ~) q" O: p. N9 m 例如:
; m5 Y( u5 Z4 h( T8 m6 r6 r 【word】 【explain】 【spell】, S* \9 T$ c; p1 q1 }, \, o: z
dog 狗 [dCg]
+ ^% M4 @, ?5 N0 X" e [ hotdog 热狗
& I$ d2 e& j- m% S0 x" W# n ..........
; J' \: D7 t2 O
" ^9 W" P$ O2 c 待续。。。。。: @6 r+ }4 A3 W C5 i
8 w' E, x8 B& e$ k! e) K8 I" V
6 z$ s( c; y+ H2 r6 j8 r $ y$ H5 y6 y( \9 L
7 J) b* l" {1 s |7 D& ^
) l0 K y1 W) A7 z d
1 B' h8 `1 _( V9 D 9 c# F* O) N/ Q' W' U
5 F! ]- q3 G' _6 s7 m
$ i. F) |) [4 q: Y( K- ` ' _4 U6 ?, f' a1 W; J
$ ?' _ Q. ?) j1 n( C4 V1 p( Z
/ ^8 p5 E' u: l
|
|
发表于 2014-1-8 18:21:47
楼主
