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: 6091|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 # C( ]! b6 {) ~$ ]

6 {# @9 k6 F0 z0 q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' \, \4 g  O# \* J7 a) T: q
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。
4 d4 F$ b, b+ i3 U- T# N9 Q& r9 Q  l4 ~, K9 Q
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。8 e0 ~6 r( g: ~2 i

; U; j; H/ \( C' u, R6 n
! j1 n. c  _2 R: Q4 ^% A
5 o7 i7 v0 i1 @7 `! U
; d4 K9 t/ N; ^* j$ A; c
7 c! E1 @- X! o, 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。
: B2 c* @: e$ r5 d
! T1 o3 r" N/ {7 O! T+ w; U. a2 a3 `' N! G( @/ z, 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。0 ]( E; o* g4 L2 l1 n, S

/ R' m  Z. I9 \0 v+ X# V+ |
( j( X+ f. i0 ^& D
$ n# c1 k& h7 H' }
$ H: C: v7 R& l4 Q! {2 }$ h5 m7 ?
4 ^# o' h; P# W/ ~, ~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( u7 n$ S: u, S
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。
* G$ R% }  j7 {9 |
% q' B! l- J( }8 q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。
8 c# n( A% Y- C, m  H4 T  ^% y( R! K0 ?5 a" q
4 s1 M% A! K. ?5 {7 R

" t5 _7 Y2 c6 a7 d1 {1 \8 ~
2 P; S8 P2 e% |* e: z  G; `5 g. h8 i
1 C$ O3 q9 f; V. r0 K- Q2 x; z- d, t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)。# J- b1 ~: o$ w6 B7 s/ d! U

7 S1 `* a# y( e
4 R) |& Y! q8 N/ I! x! w

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
    2019-3-14 21:33
  • 签到天数: 57 天

    [LV.5]常住居民I

    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 02:39
    ( q8 `& @) z! M. Q" p- l的确是看不到图,一直在转圈,不知啥原因
    8 z- C2 n$ _* r/ t3 F# X- S) P; u
    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
    无聊
    6 小时前
  • 签到天数: 186 天

    [LV.7]常住居民III

    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
    昨天 20:41
  • 签到天数: 302 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~~
    9 n. }& G4 d% `  n6 ?& d6 \. z* d
    + G. r% v$ g$ ~3 Q. }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
    2 y/ Y/ z  i' P$ a+ B" M

    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 11:12
    % i6 h4 d" W6 n( c3 V3 g' N! \真是辛苦!这词典下一次大折腾,估计得等新版了

    % C* h0 }# }3 e; T4 J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   U9 L7 ]; \* N: d9 y# d  T
    sxingbai 发表于 2016-6-10 20:54
    9 C' D# }, H: E  B  f* X( d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。
    - G& }6 `# {& B  a

    0 y2 g/ }  c7 P  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)" 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
    9 \1 i! M, c! y" R/ K, E
    sxingbai 发表于 2016-6-10 20:54  c& @, n% z/ w# ~
    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。

    7 O2 m( k3 g5 d5 Z3 x* E9 G1 v) w9 q/ ~& r4 L3 e
    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# L. e, `, s4 U. w- {
    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)"  ...
    5 A4 D- x( c5 ^2 D: q* k
    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; \! w6 G( t, B6 E
    汗,你说的没有,是来自其它文本版,还是来自印刷版?

    5 `" \4 _4 R7 G$ y; u4 {' Y除了 "䑏疏"以外,你的版本应该也不会有“㓖冹”,“䲦鳥”吧? 3 s4 N, [$ j. b- g4 f

    6 u1 d4 f& Z! T7 C3 I' w& b, C! f* s3 t" C: o, S( ~5 a+ o

    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
    8 B* z" N* m7 [6 [除了 "䑏疏"以外,你的版本应该也不会有“㓖冹”,“䲦鳥”吧?

    7 j' M' S9 f& s9 k& `/ l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
    * C, Z, p( P/ T; L) A+ U+ O# b+ F嗯,再汗

    9 l( q  J- ~( T, v5 L+ {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( c& Q5 x# y$ l) q4 O) @
    汗,你说的没有,是来自其它文本版,还是来自印刷版?

    6 l0 {) b" C! `: _5 `& a目前還有不少字、詞是只有圖像版才有, 除非手工添加., D1 ]; i' Q6 S8 v1 M# H# }7 o
    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
      ?( g3 n& N# x& Z) J
    sky66 发表于 2016-6-11 22:48
    ; g  D  _: }1 `: D* A" f目前還有不少字、詞是只有圖像版才有, 除非手工添加.4 X" k; G1 Z3 ^. h
    真希望有完整的文本版..
    : C8 s2 y  @1 _  z. g1 g/ k" S) s

    9 f4 _% W/ p" h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
    2018-5-28 15:51
  • 签到天数: 35 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, 2019-4-24 08:01 , Processed in 0.089426 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