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: 6587|回复: 33

[词典讨论] 汉语大词典一家子mdx版欣赏

[复制链接]

该用户从未签到

发表于 2016-6-6 22:16:26 | 显示全部楼层 |阅读模式
本帖最后由 tsiank 于 2016-6-7 08:14 编辑 ' Y0 V: t1 e& B. o; k

/ f0 |2 v) |, {0 ^3 J! S' f近段时间一直在摆弄汉语大词典,因为网络上现在流传的各种大词典文本版有着诸如词条缺失,排版断行不妥,增补失当等问题,刚好又在网上发现了大词典3.0光盘提取工具,于是想着不如从源头重新制作一次。只是没想到这个工具是半成品,各种搞不定,于是发贴https://www.pdawiki.com/forum/fo ... CA%B5%E4&page=3
: h7 n1 M! S, c" ]: `希冀高人出手,后终于在gnoweb大神的帮助下搞定,使继EPWING之后,又一版本完整再现了光盘版3.0数据。其实说“又”也并不妥当,之前就有高人提取过,只是没注意到而已。
! i; |; b, z. l
1 b2 F$ o* l8 D8 v. L: L9 R3 g$ E汉语大词典光盘繁体版3.0共收18,014 个(去除重复共13069个)汉字字頭,336,706条复詞。因为光盘版3.0采用的是BIG5编码字集,所以只能收录13069个字头,超出BIG5范围的字只能舍弃,这就造成了字头数,词条数以及例证都要比纸质版少得多。且因为是在简体版的基础上加工的,也出现了简繁一对多的错误。在删除BIG5范围外的字时,由于操作失当,产生了许多词条内容重复错乱的问题(参见此贴:http://blog.xuite.net/fg_wang/twblog/106485207)。比如“吻喇喇”,3.0第二、第三义项的释义及内容都是词条“唿喇喇”的,因为“唿”字并不在BIG5编码中,所以3.0并没有词条“唿喇喇”,不知为什么把这两个词条内容并一起了。再比如“五奴”条,因为释义中“䭔”字并不在BIG5码内,所以3.0的释义是直接把“雖喫䭔子亦醉,不煩酒也”这句翻译成了白话文。像这些问题改不胜改。
: J: P' V: H2 I$ K, m, m( Z5 C3 ?8 C$ p0 p. O/ @: r

- {2 F( T0 r( h3 |
0 W. h" t: u2 R7 Q) v7 |7 h3 P' Q: _# f/ ~. Q7 }
) M8 A9 n& }9 v* q1 N
依据光盘版3.0而制作的其他字典格式版本有DSL版、MDX版和EPWING版。DSL版和MDX版特点是查不到“堃,煊”等字词,因为不在BIG5范围内。也查不到“誕”字,可能是制作过程中词条丢失。只有EPWING版数据与光盘版一致。
% s8 p" Y0 |3 e) H
' o+ {% @& d( E( ~- `5 Y
: b  F" j9 ?5 H$ I, p5 {) L7 P汉语大词典光盘版2.0因为采用了GBK编码字集,所以收录字头27898个,去除重复去计20902个,刚好是GBK编码的全部汉字。复词343307条(提取后的词条数是343303,那4条不知道跑哪儿去了)。由于GBK编码比BIG5编码的字多了七千多个,所以字头数,词条数以及例证都要比3.0版的多,而且由于是简体原版,也就不存在简繁转换错误,也基本不存在词条内容错乱的问题(目前为止只发现了十个带“冤/寃”和“蠹/蠧”的词头有些内容重复错乱)。其文本质量相对3.0要好很多。此外,似乎还有另一个版本的光盘版2.0:http://www.guoxue.com/?p=4453 ,网上说其共收入18,013个字头,336,385条复词,比这个版本的2.0要少,是不是也是繁体版的原因?我没找到下载。这个光盘版2.0沒有提取工具,只能用笨方法去複製,而且几乎没有什么排版,所以提取数据后又在排版上花了很大的精力。2.0虽然比3.0文本好一些,可缺漏之处依然大量存在,一般缺失的都是“同某某词条”,“亦作某某词条”,这样的情况也是改不胜改。原光盘内含548幅图,可在正文有链接的只有513个,多亏了sky66的帮助,又找出了几十幅,而且在制作过程中改正了原光盘版的许多错误,根据字头的拼音给每个词头加上了拼音(当然由于多音字的问题不一定都准确,不过词头首音是可以保证的),根据图像版的页码数据给每个词头添加了页码信息。因为这些,mdx版比原光盘版是青出于蓝而胜于蓝了。) G! m5 X$ z1 u' U

* }/ J- s+ H3 B. ^  Y/ Z
3 Z0 b6 ?0 X5 |6 W2 i
6 J2 G/ j' W! f9 ?
$ A9 q7 ]  t9 ]/ L! a$ F1 A
5 W' @) s0 `/ U依据光盘版2.0而制作的其他字典格式版本有stardict版。stardict版有简体版和繁体版,其繁体版应是由简体版转化而来,参看此贴:https://www.pdawiki.com/forum/fo ... F%B4%F3%B4%CA%B5%E4
( z8 J/ G) l, c此版词条数360000(依据goldendict词典信息),可以查到“誕,堃,煊”等字。不过转换过程中也丢失了一千多个词条(如查不到“軕,軕子”等字词),而且没有排版,专名号也没有加上去。另外由于简繁转换而造成了简繁一对多的错误。
) n1 w& H3 w% i; g) O, Z; Y0 l5 w  j# t0 E6 L4 ]& @- p4 x" ~/ x
汉语大词典订补,原mdict数据來自於sxingbai,这个mdx应该是据网上流传的PD制作的,比较遗憾的是没有专名号。试了一下,从原PDF中也没法复制出专名号,只得作罢。此次主要是改动了一下排版,html标签与2.0和3.0的mdx一致,使得这三部mdx可以共用一个css文件。
  P9 s7 j% r+ }! T4 }% Z, w* R$ J. ?9 b$ @4 I+ X
8 }5 y( o/ H. x
" f" L# ?- F" o- h
6 o; Q9 q: N0 ]. V
- |% ~% l) K4 t! u8 O
汉语大词典图像版,已经发布了,就不用多说了。制作过程中,发现“坊”字条,“府良切”前面少了“《廣韻》”二字(各大电子版也都一样),这是在图像版(也即纸质版)中发现的第一个缺漏,而繁体纸质版已经修正了(感谢sky66提供纸质繁体版图片)。0 L) N3 J* \5 b! s* C# }
( u! d, f" w/ h' ~/ p' g
" B8 P% e% p/ D/ h1 i

本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?免费注册

x
  • TA的每日心情
    开心
    2019-6-19 21:39
  • 签到天数: 61 天

    [LV.6]常住居民II

    发表于 2016-6-6 23:10:54 | 显示全部楼层
    不知为什么图一直在转圈,都看不到啊

    该用户从未签到

    发表于 2016-6-7 02:39:06 | 显示全部楼层
    的确是看不到图,一直在转圈,不知啥原因

    该用户从未签到

     楼主| 发表于 2016-6-7 08:15:16 | 显示全部楼层
    warbri 发表于 2016-6-7 02:395 r6 a" n9 o6 h+ w( i; u
    的确是看不到图,一直在转圈,不知啥原因

    1 o0 z" X6 N# u1 S1 g. q1 S2 k/ D! X& z, N昨晚還好好的,今天也是打不開,又重新弄了一下,只是展示全圖了。
  • TA的每日心情
    奋斗
    3 小时前
  • 签到天数: 299 天

    [LV.8]以坛为家I

    发表于 2016-6-7 10:35:22 | 显示全部楼层
    tsiank大真是汉语辞典的专家,这应该是目前为止最好的系列资料版本了,敬佩。
  • TA的每日心情
    开心
    2019-8-9 01:53
  • 签到天数: 319 天

    [LV.8]以坛为家I

    发表于 2016-6-7 10:39:41 | 显示全部楼层
    资讯丰富!信息量好大~~3 r0 Z9 H, f: H# X) r5 \# o

    9 W( l/ p7 X* a: [, s1 R论坛藏龙卧虎,高手交流,看得我眼花缭乱,呵呵~~

    该用户从未签到

    发表于 2016-6-7 11:12:48 | 显示全部楼层
    真是辛苦!这词典下一次大折腾,估计得等新版了' n; `& u/ \9 K3 ^: b: U

    该用户从未签到

     楼主| 发表于 2016-6-7 13:10:31 | 显示全部楼层
    klwo2 发表于 2016-6-7 11:124 |+ N. c  t+ H) F
    真是辛苦!这词典下一次大折腾,估计得等新版了

    3 p1 X  f! p" ?& M之所以折騰,是因爲現在的版本沒有一個是完整無誤的。目前就這樣了,起碼還能用個五六年。

    该用户从未签到

    发表于 2016-6-7 18:35:08 | 显示全部楼层
    这版本确实漂亮,重点还是贵在"完整无误"

    该用户从未签到

    发表于 2016-6-10 20:54:23 | 显示全部楼层
    我去年对《汉语大词典》的几个文本做过认真比对,所以我相信我目前使用的应该没有遗漏。

    该用户从未签到

    发表于 2016-6-10 21:10:19 | 显示全部楼层
    本帖最后由 sky66 于 2016-6-10 21:24 编辑
    : B8 M- t. ^/ R
    sxingbai 发表于 2016-6-10 20:54" \, {/ B) S( W- m5 F
    我去年对《汉语大词典》的几个文本做过认真比对,所以我相信我目前使用的应该没有遗漏。
    9 t- I! n- U) `2 Y# T
    : T$ _" _4 \* \6 ?+ P
    請問您使用的《汉语大词典》文本版可否查到  "𡥃(子女)" 、 "㡭" 、 "𤫩(王靈)" 等字? 複合字詞條可否查到 "䑏疏"

    该用户从未签到

     楼主| 发表于 2016-6-10 21:34:32 | 显示全部楼层
    本帖最后由 tsiank 于 2016-6-10 21:36 编辑
    % O2 w! t, Y% O' ?
    sxingbai 发表于 2016-6-10 20:54
    1 V2 p+ R4 Z3 Q) [. r我去年对《汉语大词典》的几个文本做过认真比对,所以我相信我目前使用的应该没有遗漏。
      q9 D+ l, C3 X+ e

    . y# K- d0 V# P) }! N目前的文本都是有遺漏的,莫非還有另外的文本?可否貼個圖欣賞一下?

    该用户从未签到

    发表于 2016-6-11 19:44:05 | 显示全部楼层
    sky66 发表于 2016-6-10 21:10
    " l6 o* {% {1 t' _請問您使用的《汉语大词典》文本版可否查到  "𡥃(子女)" 、 "㡭" 、 "𤫩(王靈)"  ...
    . R9 ~; A5 D2 V
    汗,你说的没有,是来自其它文本版,还是来自印刷版?

    该用户从未签到

     楼主| 发表于 2016-6-11 21:06:32 | 显示全部楼层
    sxingbai 发表于 2016-6-11 19:44
    ( v2 N3 i% F+ z' F6 \: q' X2 o# A汗,你说的没有,是来自其它文本版,还是来自印刷版?
    ) {6 X4 f& u4 e- s! ~
    除了 "䑏疏"以外,你的版本应该也不会有“㓖冹”,“䲦鳥”吧? 4 z; o" G' A2 w. |- D& M' s
    : E; r6 B* S$ g7 r8 P8 g. W

      a# Q) y+ L3 K

    本帖子中包含更多资源

    您需要 登录 才可以下载或查看,没有帐号?免费注册

    x

    该用户从未签到

    发表于 2016-6-11 21:20:39 | 显示全部楼层
    tsiank 发表于 2016-6-11 21:06
    $ c7 O( `* r. i& A1 e8 C4 \8 g除了 "䑏疏"以外,你的版本应该也不会有“㓖冹”,“䲦鳥”吧?
    ' N0 a4 T  y1 I* o
    嗯,再汗

    该用户从未签到

     楼主| 发表于 2016-6-11 21:31:06 | 显示全部楼层
    sxingbai 发表于 2016-6-11 21:20
    4 @& w1 X$ t% O( c5 d+ x3 B* V9 d嗯,再汗
    $ p  E& {/ x4 L# Y7 B) u% P/ \+ _! }
    哈哈,我开玩笑的。其实这几个词都是在寻找图片对应的词条过程中,手工添加进去的。

    该用户从未签到

    发表于 2016-6-11 22:48:12 | 显示全部楼层
    sxingbai 发表于 2016-6-11 19:44
    0 y# r: b6 C( T汗,你说的没有,是来自其它文本版,还是来自印刷版?
    - }8 o* C9 h4 f) n5 K5 |  S3 e% M
    目前還有不少字、詞是只有圖像版才有, 除非手工添加.; o6 m4 X9 M2 J- e. U0 J/ J
    真希望有完整的文本版..

    该用户从未签到

     楼主| 发表于 2016-6-11 23:03:01 | 显示全部楼层
    本帖最后由 tsiank 于 2016-6-11 23:04 编辑
    3 Q: V0 Z' H4 V+ o( |* e- n
    sky66 发表于 2016-6-11 22:48
    . A) }9 a5 r! t' l" }目前還有不少字、詞是只有圖像版才有, 除非手工添加.
    5 [5 Q: t/ b; H7 w真希望有完整的文本版..

    4 X2 |0 [, k+ W! W$ Z; J, M3 V$ `8 ~$ q/ Q- ?
    如果能组织起来三四十个人(此论坛加上国学数典论坛),每个人负责一万个词条,利用一年的时间,慢慢地在2.0的基础上先把与图像版缺失的字、词条补上,那就可以有个相对完整的文本版了。只是这个在09年到12年那几年或许还是可能组织起来的(那时候的热度比较高),现在一点儿可能都没有了。

    该用户从未签到

    发表于 2016-6-19 20:33:14 | 显示全部楼层
    楼主辛苦,谢谢分享
  • TA的每日心情
    开心
    4 天前
  • 签到天数: 57 天

    [LV.5]常住居民I

    发表于 2017-7-15 23:39:43 来自手机 | 显示全部楼层
    不错,下载下来看看,过去用的是国学版

    该用户从未签到

    发表于 2017-7-31 23:48:04 | 显示全部楼层
    绝对正能量,好东西

    该用户从未签到

    发表于 2017-9-12 16:59:42 | 显示全部楼层
    不知楼主的大词典2.0 3.0 在哪里能下到,谢谢!
    您需要登录后才可以回帖 登录 | 免费注册

    本版积分规则

    顶部qrcode底部
    关注公众号送论坛充值码
    关注微信公众平台
    关注微信公众号 pdawiki,获取邀请码,看文抢积分,抽奖得浮云! Follow our Wechat official account "pdawiki", get invitation codes, and play the lottery to earn points (积分)!

    小黑屋|手机版|Archiver|PDAWIKI |网站地图

    GMT+8, 2019-8-19 03:11 , Processed in 0.114171 second(s), 7 queries , MemCache On.

    Powered by Discuz! X3.4

    © 2001-2017 Comsenz Inc.

    快速回复 返回顶部 返回列表