词条合并应不区分大小写与Strip Key？

asicsfree

6 c4 k4 D5 E  _$ v/ E  F  ~* z
9 \+ z2 F0 |6 ^8 A* B7 S/ N" y新版的MDXBuilder已经没有「key case sensitive」的选项。其预设为何？官方比较建议区分或是不区分大小写呢？

3 z/ O# ^& R0 Y1 k. pMDXBuilder选择不区分大小写时是否意谓，（词典制作时）合并词条也应把大小写（例如monk, Monk）都合并在同一页面比较合理？各位的习惯建议为何？

rayman

因为Stripkey后，输入的内容也会去掉符号之类的再比较，所以A- 也会先匹配到A。

eeshu

不区分大小写查询起来更方便

asicsfree

eeshu 发表于 2018-6-10 08:15
$ Y! S- H( Z4 M& [, \' v不区分大小写查询起来更方便

, S/ A- z1 U' S. C
另外，strip key的算法详细为何？（只是去头尾？还是全部的符号都被去掉？详细去的符号是？）
& F! o5 `" i& [  c* t
若加上strip key，同一页面应该要有 a1, a2, a3, a4, a., a-, A1, A2, A3, A4, A. A-。

" m6 V1 d" A# p1 M' R0 N" b8 J" i我觉得很多词典在合并词条时并没有考虑到strip key，所以a. a- A. A- 并未被合并在一起。其实理论上也应被并入，我的理解应该无误？

eeshu

asicsfree 发表于 2018-6-10 20:10
另外，strip key的算法详细为何？（只是去头尾？还是全部的符号都被去掉？详细去的符号是？）

若加上str ...

3 L) A5 _5 L2 i
& M/ w/ t2 v2 s正好前两日问了R大strip key的功用，R大说是“比较单词时忽略非字母和数字外的那些符号”。所以你的理解可行。

asicsfree

& y0 y/ L. R6 W

eeshu 发表于 2018-6-10 20:23
$ F1 A4 o1 [" [; Q正好前两日问了R大strip key的功用，R大说是“比较单词时忽略非字母和数字外的那些符号”。所以你的理解 ...

“比较单词时忽略非字母和数字外的那些符号”有点模糊。是否只限[a-Z0-9]，又或者'α', 'β', 以及一些欧洲字符，这些是字母还或是符号吗？
. J% o8 u# H# a& k) |7 u
; }, w$ L3 {9 x' d6 w' f: e試在MDict查
. ?8 O  G0 u/ N9 Y! J8 S0 [1 cAÜ        →        a
5 L6 Q8 v5 f% ?Ü        →        Headword 'Ü' not found
ÜA        →        Headword 'ÜA' not found
ÜÜ        →        Headword 'ÜÜ' not found
) H/ J' n1 A7 e& B- R9 ^+ FÜ-        →        Headword 'Ü-' not found

asicsfree

eeshu 发表于 2018-6-10 20:23
正好前两日问了R大strip key的功用，R大说是“比较单词时忽略非字母和数字外的那些符号”。所以你的理解 ...

我来解释下我逻辑打结的原因：

9 X% K) N! X# y+ C4 dMDXBuilder一般会选strip key和不区分大小写。那么理论上，字典的制作就也应该循这个逻辑，那么 a a. a- A A. A- 的 key 值通通都得改成 a，对完整字典的「破坏」性是大的。但不改的话，这合并只有半套，在MDict里，你永远打不出 A-，打了 a 后，还得用滑鼠去点 A-。
3 k7 o0 L$ c; o2 R. a
* l) T0 j8 w  T0 x5 M0 a/ a加入Goldendict 头就更大了。Goldendict根本不尊重strip key，若是真的全部合并为 a，那么在 Goldendict 里打 A- 是找不到词条的。

假设只考虑MDict，做词典时必须对所有的key做strip key后再进行合并，那么strip key的算法为何？（见上楼例）

eeshu

这我说不上来。 我去搬救兵。

rayman

1. Strip Key的意思是对于内码在0-127之间的字符，在进行关键字比较时只保留字母和数字。 即 A1，A-1，A 1 都视为A1来进行排序和比较。这个影响的只是在匹配过程的运算，不影响显示，无需对词典源码进行调整。好处时是有些词典的词头不规范，含有各种符号。如果不想输入符号就能查到的话，制作时就要选上StripKey。例如21世纪和ETDict 的词头就是 “aaa.bbb.cc" 这样风格的，不去掉stripkey根本没法输入查询。
8 ^9 }% a7 r9 _) z, y7 ~2. 新版词典格式其实做了较大改进（比较激进），用的是Unicode里的比较算法，其实是可以通过Sorting option里自定义进行排序控制。控制项其实非常强悍，但也比较复杂。例如可以要求汉字按拼音顺序排序（旧版是按内码排序，相同发音不会排在附近），‘β’ 会映射成ss （即输入ss可以查到β），α映射成a。可以控制是否大小写敏感等等。等有空我会写个详细的介绍。

不知道说打不出A-是什么意思？A-是可以输入的啊。

asicsfree

' L; ^- T! \, J; w& t

rayman 发表于 2018-6-11 10:01
1. Strip Key的意思是对于内码在0-127之间的字符，在进行关键字比较时只保留字母和数字。 即 A1，A-1，A 1  ...

- t) }0 a; P2 N1 X4 @也就是 [0-127] - [48-57](0-9) - [65-90](a-z) - [97-122](A-Z) 这些东西都会被 stripKey()，这样理解对吗？

另一个问题是，strip key 为何要在mdx制作时选择，而不是单纯MDict的选项？GoldenDict读到相同的mdx，还是会区分 a a. a-。

说 a- 打不出来，并非查不到。如下图，查了aa. 和 a- 都先出字 aa 和 a。理想上，使用者查 a，MDict可以stripKey()给他们 a a. a-；但是若使用者已经固执地查了 a- , MDict 应该先出字 a-，至于要不要给 a a. 就随意了。MDict PC 2.0 RC2
( e$ N7 j) r/ p, N

不想注册论坛

asicsfree 发表于 2018-6-10 20:10
( T, \) f2 `, d  C/ t另外，strip key的算法详细为何？（只是去头尾？还是全部的符号都被去掉？详细去的符号是？）

4 f/ l8 ?: x6 I. o$ ]4 H若加上str ...

/ j; W: M9 X% T& Jstrip key影响的是排序吧，没有页面处理的

不想注册论坛

rayman 发表于 2018-6-11 10:01
1. Strip Key的意思是对于内码在0-127之间的字符，在进行关键字比较时只保留字母和数字。 即 A1，A-1，A 1  ...

* Y. V; D' \$ v* z. O0 i& O1 MR大，不区分大小写好像对英文字以外的，比如说俄文字母，拉丁文字母无效？