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
2 ^9 a) S0 \" f5 N$ T9 ]
$ g: d% l, e+ s6 Rhttp://pan.baidu.com/share/home?uk=2718706185#category/type=0 这是连接地址，只是抛砖引玉.% k6 G9 |; P9 n
mdb词库：
6 E5 u8 F$ }" @; g0 D. o1. 现代汉英综合大辞典
- {9 \; E% |/ [4 n; J0 J2 P, Y2. 21世纪大英汉词典_微调版本
5 t2 x* K9 ], d( R% v7 D: }3. 牛津英汉简明词典修正版- ]6 F3 y! x3 x
4. 朗文当代英语词典5版
: w% ?! R7 n, w" z _4 C; D5. 诗词总汇' }, X+ W1 {5 \' T& ^$ e
6. 牛津英汉词典/ C8 Z1 {6 [$ U* Y' {' n
7. 牛津高阶学习词典英汉双解第7版OALD7
3 F8 F2 S4 ~4 O$ M" C( v$ ^" i9 P, C3 p) d& S% e6 ~+ B& N0 D" ?! w
分析有偏颇，不当之处，请谅解。
$ Z6 E0 c7 F f8 P# m% E# s8 E8 N$ m! a* g" S. G# E# @ e, L
mdx词典日渐丰富，仔细看来，下面列举的都是相通的：! `0 S1 o: ^# `7 l! M9 C0 e, M0 E
1. chm (hlp) 文件 可以查找，复制，有索引。查找索引或内容或。。。. w8 r0 {! w; f# F) w
2. 网上百科 例如百度，维基，内容海量，查找甚爽。- i! o4 y- a3 u3 n [- k2 A: n
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。
' F2 R w w. ~& \3 O; n4. 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。
h* u& c& K+ F/ [5. pdf 文件，可有索引，查找索引或内容。7 w# b+ P! X, {1 ~( X" m5 V
6. 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。# Z" n# C2 S/ q0 M: k; Q
7. 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。
( Q( B8 I2 b8 t. f. i( @ 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)。
$ R7 X! R7 u }( e8 k, O
% u3 S5 M0 X- X* e, }( q9 T8. 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...4 k- p# p" n( x
(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。( c" U% H& ]) k& V P B6 f6 w G
(2) 对索引的查找无法精细化，例如：
3 D5 i1 x- V |1 `. L 大小写敏感 dog DOG, CALD cald，在很多时候还是有区别的.
! J) M, }0 ]5 c; 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。# v5 e d" I# o/ b1 |( E1 u
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。/ e r, b) m( S# P4 O
精确匹配 dog dog, dogmatic，dog's head, 只dog可以
9 \0 W5 u, O( c& { 单词匹配 fat fat, fat salary, fat job均可
0 Q8 i$ b/ q7 }$ P @$ m8 y1 w 模糊匹配 fat fate, stepfather 均可
% S7 r% L6 X2 O: k2 m. K/ x9 X$ K 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。
# C# G2 X6 `# h* b& F4 A4 K0 V, s (3) 无法高级查找(多个条件查找）例如：
1 u3 u2 e. y9 X* h3 R; o3 f# x6 @. I 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。
1 ^4 h4 `$ r; m3 @5 t/ {" f 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）。
' ~1 A( r/ m0 p0 u6 W. J/ A7 y (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。
0 j; k' Z, v5 q, {, w, g8 a& { 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。
2 i- _$ M$ V) w2 o" p0 K9 I (5) 无法对词库进行编辑' t3 q) x, P2 ~; Y# o& p; a# Y
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）。( p2 b/ y/ P; z6 T4 E @5 |
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。: X: d/ _' a1 N# ?
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。
) Y( l" T& L2 q, z* J# K1 b 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。" {* ~' W+ W! y
(6) 无法做到一些完美的查找。: _ U+ `% o7 P/ E% r) U+ C# h
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=?）。8 l" L R% p' U( c2 Z
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=？？): ?1 _! B6 Q4 z) G
(7) 无法保存查找结果。
& f8 g% X }# B* F/ a 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。
9 v0 [. Z3 ]- e, A$ T (8) 无法浏览整个词库
" f. e; ^7 O: L# I 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。4 p/ X q/ O( _; B0 H# \& j4 h
说道这里，如果词库太大，对他的编辑可以逐条进行。6 h8 o1 }9 A6 E* u
(9) 待发现，呵呵。。。。。。. X, u6 _/ |" | ]. ]
- C( T8 s" K$ V' e
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？ 1 q+ x# b; i: L5 Y
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。0 R* J$ {; F# h& E; h
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。' P# g4 p0 w& L8 c, l3 X
具体： l' r; E3 a) Z7 H" w$ K* O, k! Z& [2 K
1. 实现 mdx dict txt xls 到 mdb格式的转换.* w3 O0 X9 Q( q5 s3 F" K
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。
) K2 ^% {/ v; e/ f 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。
" {9 f6 l/ ?) |; a 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。
+ K. c6 U6 U+ Z. g+ J& N* R3 ` 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。7 o4 }, P- Y# \1 w2 ?5 S
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。( o8 ]1 ^# l9 ?8 X
已经实现。
- U& Q3 ~8 `7 m& D$ s: G: I 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：
' Q8 y, }" i: E" V. c dog
1 I7 K3 ]( C' o n. 狗，一种动物。* `# p4 w+ M; s! {, e$ @% u: s
fat
0 a. r6 P9 {! g1 N adj. 肥胖的。) ^0 t3 ?3 Y" U3 O; @* V
.....: Y& C0 {( ^9 J; I i
就这样，一个词条占据两行。
1 E4 d9 Z# i8 r, y 5. 将mdb xls格式的词库导出成二维文本格式。7 l. r2 c3 N0 E1 V2 V
例如:
( C; F& Z! u( Z: Z! ^" _ 【word】 【explain】 【spell】
4 W% t* `* W9 e! W" B9 ? dog 狗 [dCg]8 r; I4 U8 b# j5 M' k
hotdog 热狗 & f5 q, X8 w* H2 a( S% i( {
..........
; l4 {" _) A" a* i w1 K( w7 `9 f % \2 a7 e: \: z$ h6 J
待续。。。。。
3 ~! Q7 w+ T$ p6 m# ^ $ @3 Y: M& J. {! {
N# w5 q) K- q3 A0 z9 ~6 n 9 z0 M1 y1 D/ b% j/ ]
4 `/ E3 V8 q, D. ^1 ~ ^ 0 G! x1 S. c/ z3 U% ~2 [
6 F9 t- `' R7 w0 l/ Q6 M
8 w- s* A( |/ F( A) `
, D7 w/ i4 E; }! O0 L+ C# e
* E( P8 i5 |* K: t' u# z # @- {* u7 X: g2 e! p
$ n1 G3 ^* [" y, t0 j
+ u, k X1 T$ W5 Q% c
|
|
发表于 2014-1-8 18:21:47
楼主
