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: 5974|回复: 17

[教程] 【记录贴】一个小白如何把一个pdf转成mdx词典(Dorland's Illu...

[复制链接]
  • TA的每日心情
    擦汗
    2019-8-11 08:28
  • 签到天数: 10 天

    [LV.3]偶尔看看II

    发表于 2018-7-4 21:33:35 | 显示全部楼层 |阅读模式
    本帖最后由 xliley01 于 2018-7-11 14:05 编辑
    ! b! e& x* q! b& F) O  \/ ~) J; U2 v) I2 N
    停止制作,Helios-X新发布带图的https://www.pdawiki.com/forum/fo ... &extra=page%3D1" |7 x# p8 O) e
    7 l' y& X! L* ~. a

    , K, N* C6 j8 U# S( @1 u单单的记录贴,记录一下我如何制作这个Dorland's Illustrated Medical Dictionary词典的。
    4 N2 w9 C5 f) P第一步,pdf一切二:
    5 x) @) i% W4 R/ a2 `4 I1 q这个是个两栏的pdf,直接转数据的话,会把2栏数据弄在一起,我分也分不开,灵机一动,用了一个软件a-pdf-pc,可以很容易把词典pdf文件的2栏分开了。呵呵。3 X3 E) p! `+ f
    7 c9 N+ u$ K9 Q. u3 `3 @
    / D- q3 t$ E6 z) o$ X  Z6 G3 ?5 e  [

    2 P7 C9 {: |, _. p' {: c切好
    , p2 Z6 L1 h1 B
    ; L$ E$ Z  i+ x
    & z; x( d8 \* E4 [- R9 F; }8 D3 G0 a' _3 ^* `8 W* B) x

    本帖子中包含更多资源

    您需要 登录 才可以下载或查看,没有账号?免费注册

    x

    评分

    1

    查看全部评分

    本帖被以下淘专辑推荐:

  • TA的每日心情
    擦汗
    2019-8-11 08:28
  • 签到天数: 10 天

    [LV.3]偶尔看看II

     楼主| 发表于 2018-7-4 21:50:41 | 显示全部楼层
    本帖最后由 xliley01 于 2018-7-4 22:08 编辑 - ]; p; h0 H# O. X/ A, M9 U9 @
    / A& S% A4 j" w
    第二步:用Adobe Acrobat 7.0 Professional软件把页面的页眉和页脚都切掉,不然省的还要处理这部分数据。
    $ ?( _* E( n; O8 {$ s* g/ L
    5 J  R% A4 ~" |. D* C0 o第三步:用软件AnyBizSoft_PDF_Converter将pdf转成html。不过这个html数据对我来说还有点奇怪,我还要研究研究怎么转换。呵呵。+ t' [5 r& |  t! h3 g4 V- T

    , N5 X% a3 U3 ]* V. a( p第一个单词:
    * D, S" u; S' l( e8 I<div style="position:absolute;top:5.645;left:99.535;"><nobr>9 {% l$ Y/ s# v! h, j
    <span style="font-size:7.495;color: #ab0534;">A</span>" n: Z8 G/ X+ }! l4 C
    <span style="font-size:7.995;color: #231f20;">accommodation;</span>
    % e4 I% F6 ]! y2 U. t$ H1 z+ h<span style="font-size:7.995;color: #231f20;">adenine</span>
    * j9 n# t$ ]1 k* j<span style="font-size:7.995;color: #231f20;">or</span>! K5 O; X% J% V. r
    <span style="font-size:7.995;color: #231f20;">adenosine;</span>7 H- s) f) w- Y& \9 W# J" f
    <span style="font-size:7.995;color: #231f20;">alanine;</span>
    7 I  S  T) q: l5 C<span style="font-size:7.995;color: #231f20;">ampere;</span>6 X& B. a+ _! f! e
    </nobr></div>
    % l6 E8 }$ ?& y9 ]. {; {3 U4 N<div style="position:absolute;top:13.436;left:99.532;"><nobr>
    5 Z# [! I+ `( [: I# I<span style="font-size:7.995;color: #231f20;">anode;</span>
      u/ b; A) o8 s% M<span style="font-size:7.995;color: #231f20;">anterior;</span>  z; l6 x$ s4 ]3 W1 W/ y6 X7 ~
    <span style="font-size:7.995;color: #231f20;">(as</span>% k& S4 [. u  f* t% x! F/ A
    <span style="font-size:7.995;color: #231f20;">a</span>* x# r  `/ }+ p. Y
    <span style="font-size:7.995;color: #231f20;">subscript)</span>; h) E6 w$ B, K  k+ q3 m" R: P
    <span style="font-size:7.995;color: #231f20;">alveolar</span>/ |  t! b8 G' [% v$ o2 A
    <span style="font-size:7.995;color: #231f20;">gas.</span>0 m0 k2 N* o- M8 p6 r
    </nobr></div>' O% F7 g/ i2 u: m' T
    & p, @+ I4 Y4 c
    " A% X' A, H4 K6 }& n4 f; i9 V
    第二个单词:* l2 \' }0 \/ `( z; m
    <div style="position:absolute;top:25.208;left:99.535;"><nobr>7 n6 t+ \7 k" [0 Y
    <span style="font-size:7.495;color: #ab0534;">A.</span>, q' \2 \+ q3 c4 e* ~0 h/ G, q
    <span style="font-size:7.995;color: #231f20;">[L.]</span>4 q$ P# G9 s% `# U9 w/ f! v. M- p
    <span style="font-size:7.995;color: #231f20;">an</span>3 N, X- I& l' D; N2 u; ]6 {
    <span style="font-size:5.596;color: #231f20;">0</span>
    6 x1 n& @& c- H<span style="font-size:7.995;color: #231f20;">num</span>
    . z3 g1 \4 M$ {3 a1 s; M0 A% X<span style="font-size:7.995;color: #231f20;">(year).</span>
      r" i0 y) n7 o7 @+ L3 d3 d! B" K</nobr></div>" w( K: J) @+ R0 P
    + _6 Z7 W# h1 H: _/ U
    第三个单词:
    ( t7 O% O5 L' V# H; a( x% }<div style="position:absolute;top:36.355;left:99.535;"><nobr>
    $ ~2 k5 J9 o: N<span style="font-size:7.495;color: #ab0534;">A</span>
    . C5 I' |% q# R<span style="font-size:7.995;color: #231f20;">absorbance;</span>
    4 d: ?4 _1 Q% \1 N; ?% q( l1 L' w<span style="font-size:7.995;color: #231f20;">activity</span>
    3 D! w1 x7 X$ T* J/ T<span style="font-size:7.995;color: #231f20;">(def.</span>
    $ N9 B5 \% X2 r& y<span style="font-size:7.995;color: #231f20;">3);</span>% E+ G3 u' I7 O6 ^' g0 d0 i
    <span style="font-size:7.995;color: #231f20;">admittance;</span>
    1 x# {1 j0 B8 s1 H6 @' L9 p<span style="font-size:7.995;color: #231f20;">area;</span>+ c6 G' r' n+ @; v
    <span style="font-size:7.995;color: #231f20;">mass</span>
    * F# L6 I1 J* }) x, z5 `</nobr></div>
    % I, `5 G7 e3 n4 P( N# j<div style="position:absolute;top:44.145;left:99.532;"><nobr>) _( V2 s  X6 x/ D7 t
    <span style="font-size:7.995;color: #231f20;">number.</span>
    3 }& o9 ^6 k/ W' Q</nobr></div>  t9 b4 ~' D- i, v

    / A' e8 P- g( e第四个单词:' H; W7 \' J+ j
    <div style="position:absolute;top:55.975;left:47.840;"><nobr>
    ; i4 a( o- ~: J2 S<span style="font-size:7.495;color: #ab0534;">A</span>
    8 \( X, t3 v  f5 s' C3 x. @" i<span style="font-size:4.996;color: #ab0534;">2</span>; E# C. x) R" I3 H" J0 T
    <span style="font-size:7.995;color: #231f20;">aortic</span>5 Y* \5 L- _+ r% q% v* h
    <span style="font-size:7.995;color: #231f20;">second</span>4 ]; H# p. O" I0 x: D
    <span style="font-size:7.995;color: #231f20;">sound.</span>
    $ R3 Y& \9 |2 L</nobr></div>* K4 A; h. g: x' h+ K  Q% C

      ^5 @; \' d; Q( S
    , m- z" F; X- \4 J5 @5 r好像还可以区分。明天继续。
    0 ?: n! b/ E- z% |' E: u) J( E有没有大侠帮忙转数据的,html格式看得我头大。
    9 F+ z: p) |7 ]: V) c4 ?" u/ j# t3 z( o
    ; j- o. W2 I5 j7 @3 h: K8 X
    % Y4 Y6 n+ Q- v4 Q1 A" U

    / Z3 d0 P: S7 K7 O4 _+ T5 ^" |2 {1 _4 n+ `- _6 \! n2 [, Y
    1 V9 d' j. a& l

    & y% ?* L& A" h# v; u# |3 u% m4 l( i- ~: q, q4 p
    % c! {  U, g1 E! N( e

    / e* ^; }1 p+ b/ o. A3 _  h  Y* }% i# r9 M, L

    , y: n! l* o! k0 k
    , f- z4 Z9 q  K2 F3 T1 [( T
  • TA的每日心情
    奋斗
    2018-11-10 00:38
  • 签到天数: 346 天

    [LV.8]以坛为家I

    发表于 2018-7-4 22:10:47 | 显示全部楼层
    如果想停留在编辑器层面处理数据的话,光是简单的查找替换的话,建议多少懂点正则表达式,如果想通过程序处理数据的话,python算是上手比较快的,想在excel内处理,多少懂点vba,想走短平快的,看看论坛里的工具.另外如果没接触过开发,html,xml啥的对标签的概念多少得有点.而且,直接扒下来的数据,ocr转码肯定不百分百正确,还得有个手工的校对过程.这些都还是仅仅是数据处理层面的皮毛,真正技术上的难点并不多,全是折磨人的体力活.数据处理完了,后期想弄个看起来比较美观的不闹眼睛的,至少css啥的得拿下,这更是个炼狱的过程.说这些,当各位典友们,都理解理解各位字典作者的辛苦吧...
  • TA的每日心情
    奋斗
    2018-5-18 05:02
  • 签到天数: 27 天

    [LV.4]偶尔看看III

    发表于 2018-7-4 22:42:36 | 显示全部楼层
    请问下楼主,下面图片中的这样的PDF双栏格式可以切割吗?1 t) s" ^- p7 s! h8 G4 r1 A2 f' v

    本帖子中包含更多资源

    您需要 登录 才可以下载或查看,没有账号?免费注册

    x
    bbs 该用户已被删除
    发表于 2018-7-4 23:00:29 | 显示全部楼层
    xliley01 发表于 2018-7-4 21:506 L9 U+ |% |: J
    第二步:用Adobe Acrobat 7.0 Professional软件把页面的页眉和页脚都切掉,不然省的还要处理这部分数据。
    : m0 f6 Y2 k! I4 B9 O- m0 J5 x1 G6 m/ }2 U
    ...

    " j' }- Q3 J4 w: O* P. a$ h8 L数据我可以帮你转一下。
  • TA的每日心情
    擦汗
    2019-8-11 08:28
  • 签到天数: 10 天

    [LV.3]偶尔看看II

     楼主| 发表于 2018-7-5 10:47:45 | 显示全部楼层
    greatszh 发表于 2018-7-4 22:104 T7 L) ]+ j7 l
    如果想停留在编辑器层面处理数据的话,光是简单的查找替换的话,建议多少懂点正则表达式,如果想通过程序处理 ...
    2 y0 f- A" X7 @1 C4 d+ o
    大侠说的有道理,不过都不会。要努力。
  • TA的每日心情
    擦汗
    2019-8-11 08:28
  • 签到天数: 10 天

    [LV.3]偶尔看看II

     楼主| 发表于 2018-7-5 10:48:52 | 显示全部楼层
    GL_n 发表于 2018-7-4 22:42, S0 W- p7 G5 \, G7 F* V
    请问下楼主,下面图片中的这样的PDF双栏格式可以切割吗?
    , @0 W# m# l; V
    应该可以切,你试试,未注册版就第一页有水印,你加一页上去,切完删了就好。
  • TA的每日心情
    擦汗
    2019-8-11 08:28
  • 签到天数: 10 天

    [LV.3]偶尔看看II

     楼主| 发表于 2018-7-5 10:49:50 | 显示全部楼层
    bbs 发表于 2018-7-4 23:003 C; Q& s8 ^& ?% i5 Q7 R
    数据我可以帮你转一下。

    ' s5 Z: y5 U; L5 g太好了,等我再弄下,把多余的格式再删删掉。
  • TA的每日心情
    开心
    2023-11-5 12:37
  • 签到天数: 727 天

    [LV.9]以坛为家II

    发表于 2018-7-5 12:09:11 | 显示全部楼层
    GL_n 发表于 2018-7-4 22:42# s8 Z3 A5 c: B% S- j: ~- e3 B
    请问下楼主,下面图片中的这样的PDF双栏格式可以切割吗?
    / {  I- n& h( P+ A# O9 j$ k" a/ f, W
    简单的话,可以用迅捷pdf编辑器页面分割,就可以了。
  • TA的每日心情
    擦汗
    2019-8-11 08:28
  • 签到天数: 10 天

    [LV.3]偶尔看看II

     楼主| 发表于 2018-7-5 20:31:29 | 显示全部楼层
    由于pdf 转html后牵涉到很多词条位置的摆放位置,导致数据有些混乱,不知道有什么比较好的办法吗?' j: x9 t% o8 U
    + q. P/ R1 r' q8 U: e
    例如:0 m9 O9 O" b8 W# A" H
    <div style="position:absolute;top:111.537;left:47.840;"><nobr>" e; Z+ \5 Y% S
    <span style="font-size:7.495;color: #ab0534;">a.</span>& \3 n% t0 e) |! {
    </nobr></div>
    $ C2 Q# ^; V' g7 e. K<div style="position:absolute;top:122.627;left:47.840;"><nobr>
    8 d- }! _7 F9 }. Y7 v9 B6 v<span style="font-size:7.495;color: #ab0534;">a-</span>0 {3 T; L. s* ?0 m
    <span style="font-size:4.996;color: #ab0534;">1</span>, w& s) y( [4 M% _  ?3 l
    </nobr></div>9 J( d: z& J7 P7 }& o+ o. p7 K( |% T
    <div style="position:absolute;top:110.853;left:62.911;"><nobr>
    " [1 R7 @# I( q4 {<span style="font-size:7.995;color: #231f20;">[L.]</span>3 W% S9 R0 ]2 f5 t
    <span style="font-size:7.995;color: #231f20;">an</span># ?& ]2 ]9 y. T, \. Y% R
    <span style="font-size:5.596;color: #231f20;">0</span>) _/ b. k; Q' k- ~( S
    <span style="font-size:7.995;color: #231f20;">num</span>
    6 d4 d7 ^6 M; o5 G<span style="font-size:7.995;color: #231f20;">(year);</span>
    4 L- [3 l, J. p1 g<span style="font-size:7.995;color: #231f20;">a</span>
    % ~& O# G0 {: f6 }: Y1 q6 \<span style="font-size:5.596;color: #231f20;">0</span>
    2 T8 e3 K, w: r<span style="font-size:7.995;color: #231f20;">qua</span>. S" D! h3 e" J7 A: R
    <span style="font-size:7.995;color: #231f20;">(water);</span>
    : U% y+ ]( {/ H" J+ H' J1 S6 M<span style="font-size:7.995;color: #231f20;">arte</span>9 n" V9 i1 T( ~8 `4 z6 Q& L
    <span style="font-size:5.596;color: #231f20;">0</span>, ]( `& g' V" b$ l+ I; _1 p3 |
    <span style="font-size:7.995;color: #231f20;">ria</span>0 d" x1 u, q2 S+ h7 H
    <span style="font-size:7.995;color: #231f20;">(artery).</span>
    ) W% a; o& D" ]; ~+ c# X: s</nobr></div>
    , T: \7 E% F& G8 ?# E" h1 b. @* u8 x$ D8 j

    2 J7 i, P+ Q, r& f后面词条被放到前面去了,不知道有解决办法吗

    该用户从未签到

    发表于 2018-7-5 23:15:38 | 显示全部楼层
    本帖最后由 Oeasy 于 2018-7-5 23:17 编辑
    8 m) [- Q/ y, f; l* w& [" Z4 G, E2 U

    ! D3 R1 [* ~- V1 cPDF 转 mdx 是近乎不可能的任务,DIMD 这么庞大的 PDF ,难度更是可想而知。2 o: C1 i. Z5 ]1 [2 e

    - i" x8 R' m- P$ Z1 oDIMD32 在 3 年前就有人做过的,还是音频图片版 https://pdawiki.com/forum/forum.php?mod=viewthread&tid=13925
    ' O# v, ?" F; o1 e2 g7 k$ |2 Z8 W, |; G' n; c) H8 h
    如果要再造轮子,可以考虑:6 x$ _( n$ g5 }
    - 购买 Kindle 原版 https://www.amazon.com/dp/B005FMPZOE/ 从 epub 格式入手,比 PDF 简单
    1 x* r8 x8 \/ y- t' g' u8 m- 购买在线版帐号而后抓取 https://www.dorlandsonline.com/ ,一个月只要 4.99 美元,6 y$ N' T$ q) E9 T
    - 破解 app6 ], S6 A; p6 y9 A: s) j5 b- c2 ~) o
    - 其他
    % p4 E( x( ]6 Q# c8 v( |' x+ ], _0 c, }- ?$ S1 B! n

    评分

    1

    查看全部评分

  • TA的每日心情

    2018-6-22 03:03
  • 签到天数: 1 天

    [LV.1]初来乍到

    发表于 2018-7-6 01:45:34 | 显示全部楼层
    提示: 该帖被管理员或版主屏蔽
  • TA的每日心情
    擦汗
    2019-8-11 08:28
  • 签到天数: 10 天

    [LV.3]偶尔看看II

     楼主| 发表于 2018-7-6 03:21:46 | 显示全部楼层
    Oeasy 发表于 2018-7-5 23:15
    5 J9 H/ ?* |6 F! |$ E! gPDF 转 mdx 是近乎不可能的任务,DIMD 这么庞大的 PDF ,难度更是可想而知。
    # T! P: R9 J  |6 `2 r/ O
    6 k. r5 y9 W- k; |3 K4 k2 WDIMD32 在 3 年前就有人做过 ...
    0 ~- I# d' g: J' h4 N  E& M( K5 v
    O大真的是无所不知,钦佩。
  • TA的每日心情
    擦汗
    2019-8-11 08:28
  • 签到天数: 10 天

    [LV.3]偶尔看看II

     楼主| 发表于 2018-7-6 13:13:22 | 显示全部楼层
    xliley01 发表于 2018-7-5 20:31
    " P" }* j9 I  |' m" W% D' T; |由于pdf 转html后牵涉到很多词条位置的摆放位置,导致数据有些混乱,不知道有什么比较好的办法吗?
    " t4 m! }7 i/ Y# Z7 g4 h) [
    * a" K$ K9 W2 r1 L2 }, O, q8 j6 L例如: ...
    8 M/ d/ P  h0 w
    关于词条摆放位置的混乱,找到一个可能可行的方法,pdf转Excell,贴个图+ ?$ S# k" }+ N5 R3 s
    ) \( E, A8 f$ a* t

    9 L0 W  O+ ?  N: S0 [! C. w' Z: P" B3 Y. R( u) Y# m, Z
    继续努力看看。/ R- ]! O: N+ W. \" R/ s! S" i1 {

    9 V( X* x6 D. G- \  [. N另外,求推荐个好的pdf编辑器。

    本帖子中包含更多资源

    您需要 登录 才可以下载或查看,没有账号?免费注册

    x
  • TA的每日心情
    无聊
    2023-6-11 12:43
  • 签到天数: 1541 天

    [LV.Master]伴坛终老

    发表于 2018-7-6 19:36:59 来自手机 | 显示全部楼层
    虽然我看不懂你们在说什么,但是dorland medical dictionary的app论坛里不是有破解版么?忘了哪看到的了。
  • TA的每日心情
    开心
    2023-1-18 23:24
  • 签到天数: 211 天

    [LV.7]常住居民III

    发表于 2018-7-6 20:43:46 | 显示全部楼层
    sabrina2111 发表于 2018-7-6 19:36
    1 u& r" M1 r# f3 h虽然我看不懂你们在说什么,但是dorland medical dictionary的app论坛里不是有破解版么?忘了哪看到的了。 ...

      Z. k+ R6 E4 B) D跟破解加密数据是两码事
  • TA的每日心情
    奋斗
    2018-5-18 05:02
  • 签到天数: 27 天

    [LV.4]偶尔看看III

    发表于 2018-7-6 22:55:13 | 显示全部楼层
    xliley01 发表于 2018-7-6 13:13+ b8 j* V! p! Y5 ?) B
    关于词条摆放位置的混乱,找到一个可能可行的方法,pdf转Excell,贴个图
    5 h. w" M8 T+ q0 |# S
    Adobe Acrobat pro 怎么样?不知是否符合楼主的要求?
  • TA的每日心情

    2020-2-20 11:17
  • 签到天数: 164 天

    [LV.7]常住居民III

    发表于 2018-7-22 18:15:45 | 显示全部楼层
    小白能问下大神们,如何将docx转成mdx吗,就是我想制作个词典:输入年份(在1997到2014之间的年份),然后就显示那一年的真题,这样可以十分方便地点击查词,以及最重要地 高亮标记和做批注,历年真题我已经收集有1997到2014的真题的docx了(如果直接用看文件的方法在欧路打开就只能点词查询)。烦请大神有空能不能稍微给我指点一下,多谢了。D:\迅雷下载

    本帖子中包含更多资源

    您需要 登录 才可以下载或查看,没有账号?免费注册

    x
    您需要登录后才可以回帖 登录 | 免费注册

    本版积分规则

    小黑屋|手机版|Archiver|PDAWIKI |网站地图

    GMT+8, 2026-9-1 23:10 , Processed in 0.023196 second(s), 26 queries .

    Powered by Discuz! X3.4

    © 2001-2023 Discuz! Team.

    快速回复 返回顶部 返回列表