MDX 懒人切图版 朗氏德汉双解大词典

mikeee

有点投机取巧的味道，所以加个“懒人”前缀，拿网上的 pdf 书签版抽取书签信息，每页 pdf 转成 png， 都可以编程批处理 。貌似凑合着可以用了。如果能获得词头和页码关系的信息（ocr或人工录入），要做成单词索引也非常简单。全本2263页，mdx版900+MB。
8 e1 G7 {5 Y" e% I" b7 A预览版（100页）链接: https://pan.baidu.com/s/1LcwMUu1RYwf-9SSouxVkqQ 提取码: xqbd （ 全本加了点击放大1.2倍和前后翻页按钮）

6 H. J4 S9 E/ X" c% q( j记录一下做法，其他人或许可以作为参考。所需工具：pdftk + imagemagick里的 convert， 假定pdf文件为 file.pdf
- S+ K3 r2 q7 N1 h1 d* |4 c

• 抽取书签信息：pdftk file.pdf dump_data output file_info.txt
  处理 file_info.txt 得到词头和页码的对应关系信息。
  * K# u9 t( n8 `" r& ]$ G0 ]. N没有书签信息的pdf就得ocr或手动录入。如果只是输入像pdf书签那样的信息倒也挺快的，因为只需做成aaa ba cx 1, dij e f 5这种形式再用程序处理一下就能得到生成mdict（html）所需的信息，1000页的书估计几个小时可以做完吧。
• 分解 file.pdf:  pdftk file.pdf burst output p%04d.pdf
  4 h& L3 W) q" u9 {2 c, N2 y+ r得到 p0001.pdf, p0002.pdf ... p2236.pdf
• ls p*.pdf | xargs -L1 -I {} convert -density 300 {} {}.png
  % A- D& {" H' B! h或用脚本，核心是 convert -density 300 p0001.pdf p0001.pdf.png，基本就是将 p0001.pdf 转成 p0001.pdf.png。也试了其他转换程序（inkscape，pdftoimg），最后发现还是imagemagic的convert保真和文件大小的平衡最好。用的都是命令行，图形界面批处理重复时费事。转换还挺耗时的，每页需5到8秒，2000多页约需时4到6小时！
  $ K9 L9 l6 a9 A" r9 ]0 k

6 A9 A  Y+ O) T0 ~% ]. o" _然后就是生成 mdict(html) 格式的文件给 MdxBuilder用。

* A; Y! L$ [( `  q0 m. E/ |可以在html码的最后（</>前面）加
: Z: n% |7 J' ~" ]8 U0 a0 B/ ~5 y5 ]

1. <script>document.querySelector("img").onclick = function(){this.style.transform = 'scale(1.2)'}</script>

复制代码

点击 mdx 词典里的图片就可以放大1.2倍。也可以加个再点击还原的功能，以后再折腾。坛里的 js高人请赐码。顺便提一句，看到论坛里有人用jquery，其实很多时候都是没有必要的。
$ K" d% p2 Y( t4 F* M8 d
加了前后翻页的按钮。也可以直接搜某页，z.B.，s88，如下图：

至于这东西有没有用，个人觉得如果你在用这个字典的 pdf 版，那不妨下了mdx版用一阵试试。pdf版600多M，mdx版900多M。mdx版应该还是比pdf版好用点。等我学多点 javascript 和 css 再加几个功能。

% b, T# p# g* N0 L2 {/ X( |补充：如果原版是 djvu，则可以用 ddjvu直接从djvu转成 tiff，直接用到 mdict（html）送给 mdxbulder。转换速度很快，保真方面没有详细比较过，不太清楚。见下面的拉鲁斯法汉双解词典（全本）版，其中前1-64页是 pdf转 png，65页到最后是 djvu转tiff。


朗氏德汉双解大词典预览版（100页）链接: https://pan.baidu.com/s/1LcwMUu1RYwf-9SSouxVkqQ 提取码: xqbd （ 全本加了点击放大1.2倍和前后翻页按钮）
5 I+ a" {/ E! X% ?朗氏德汉双解大词典0.6.0版 全版 933M 链接: https://pan.baidu.com/s/1LQGW-4TkTWF_Vc5EmcMtMw 提取码: xq5n
更新： 朗氏德汉双解大词典0.6.1版（附件langenscheidt_v0.6.1.rar）加了点击放大图片、再点击还原，无需再下mdd文件，将0.6.0版的mdd文件前缀改成和0.6.1版一样就可以了。
/ r3 {+ }8 v4 P& V
$ X5 f9 T& U8 m更新（2019.1.20）朗氏德汉双解大词典0.7.0版：（langenscheidt_dahuangv0.7.0-updates-only.rar 不含mdd，可用 v0.6.1版的mdd）用了https://www.pdawiki.com/forum/fo ... etag=s_pctim_aiomsg的词头信息（鸣谢@Charlieqiu）做成了可直接查单词， 也可直接查页，页末加入翻页纽。本想整个三级放大，但明明在浏览器里可以用的js转 mdx后就不工作了，只好作罢。其实放大也没太大用，Mdict可直接鼠标滚动放大。
$ k7 ?1 H2 d$ b! b, X更新（2019.7.15）朗氏德汉双解大词典0.8.1版：修订索引错误，用了Bootstrap 4（移动优先——显示自动调节，手机版友好，但未用手机测试过），度盘链接: https://pan.baidu.com/s/18PEtXt53sLyKiBOTCXOBkg 提取码: uxw4
5 ]9 E& E9 k) g( }/ n
" W+ E% \) ^9 i( f$ h" s- {拉鲁斯法汉双解词典测试版（60页）链接: https://pan.baidu.com/s/1-NqOFtQgKraUfSAn5LwX8A  qk5w
拉鲁斯法汉双解词典v0.1.0（全本，65页以后用 ddjvu从djvu生成的 tif）链接: https://pan.baidu.com/s/1GUUz2T92JmAOQjBIab1OFw 提取码: riji
/ n8 z' D# q8 m更新： 拉鲁斯法汉双解词典v0.1.1版（拉鲁斯法汉双解词典v0.1.1.rar）加了点击放大图片、再点击还原，无需再下mdd文件，将0.1.0版的mdd文件前缀改成和0.1.1版一样就可以了。
) w2 f5 W( ^: X2 E8 Z1 T8 Z

chigre3

[20181221完成][德语]朗氏德汉双解大词典 全索引切图版
https://www.pdawiki.com/forum/fo ... hread&tid=32202
(出处: 掌上百科 - PDAWIKI)

mikeee

独上高楼 发表于 2019-7-8 09:54
感谢楼主。本人用的是0.7.0，但是用了之后，
【1】词典经常有查不到词的情形出现，是不是索引有缺失呀。
1 W% [: M/ Z/ m9 L" K& A( u2 Y【 ...

' J; N. M& j2 d6 A* g有个0.8.0 版，修好了索引错误，我找时间整个百度下载。

mikeee

xliley01 发表于 2019-1-3 13:49
& I: U: e+ e1 q3 q& M; P等我有空了弄个每一页的最后一个单词或第一个单词的索引，是不是有用

8 [, y  Y0 W; n" \1 ^# C  k# ?是的。任何附加信息都有用。比如朗氏德汉双解大词典隔7、8页有一个两三个字母词头（并不一定是单词）。拉鲁斯法汉双解词典现在是只有A、B... Z二十六个词头。追加词头的话，可以隔几页一个词头（可能找有些词时要翻几页）， 可以每页一个词头（可以在找某些词时要前后翻一页），也可以列出一页里所有的词头（就可以直接搜词头了）。

xliley01

链接: https://pan.baidu.com/s/1Qze2p2oL0fe8FZpWRlTb8g 提取码: stut 复制这段内容后打开百度网盘手机App，操作更方便哦

有4个法汉的pdf。其中法汉和新世纪法汉比较清楚，新法汉和拉鲁斯比较模糊，最想要的还是拉鲁斯。看看能不能搞定，谢谢。

Charlieqiu

这是个很好的思路。我觉得可以把图片版分两个类，1、有大致索引，但索引不是完整的，起到在词典中分割的作用。就像这pdf的书签，是把词典内容人为分割成若干部分。但楼主这样转换，把人为规定的书签直接当成mdx中的词头，还是不利于查询。我之前制作的杜登德汉大词典也是差不多思路，把每页页首词作分割用，为了方便查询，mdx词头只能取其他词典的混合来用，也是权宜之计。2、有精确索引。获取精确的词头制作出整页版和切图版。耗时费力，但的确是一一对应的查询，很方便。

laowangma

chigre3 发表于 2019-1-1 12:21
: E0 N9 J+ Y$ X  d[20181221完成][德语]朗氏德汉双解大词典 全索引切图版
. m+ J) g2 {5 g% X6 s( J& Z* ghttps://www.pdawiki.com/forum/forum.php?mod=view ...

' ~4 j7 b4 R3 |谢谢分享

laowangma

功德无量的大好事。谢谢您的付出。

chigre3

对于没有全索引的  我就制作页末单词索引  在电脑端Goldendict加载python代码查询定位到页  随便几千页的词典都能很快完成  

liuyunrushui

楼主厉害！感谢分享！
$ @5 X0 d( K6 I, }
祝楼主新年快乐，万事如意！

liuyunrushui

楼主厉害！感谢分享！

# O) R. E6 V0 o" X# F4 V祝楼主新年快乐，万事如意！

xliley01

很好。帮我们弄个法汉的吧。谢谢。

mikeee

xliley01 发表于 2019-1-2 07:45
很好。帮我们弄个法汉的吧。谢谢。

, R. C7 F9 q7 Z9 d9 E  [你提供资料（pdf文件百度盘链接或无需注册可以下载的链接）的话我可以试试…… 都是些脚本，运行起来也不太费事。

xliley01

9 G4 R4 f6 _  |' C9 g$ A5 J
  H9 E8 @0 u" N* j! H还需要什么的话，请告诉我。

mikeee

! }2 G4 `2 }# A

xliley01 发表于 2019-1-2 12:27
! D: t: G5 T% m( i% B1 V还需要什么的话，请告诉我。

做好了60页的拉鲁斯法汉双解词典测试版。pdf转png需时特别长，不知道什么原因。一般一页7、8秒，可这本书的pdf每页需一分钟！你看看能不能用，可以用的话，我再转余下的2000多页！我搜了一下论坛，拉鲁斯好像已经有切图版？

) S; ^: v6 z, W! Q% b拉鲁斯法汉双解词典测试版（60页）链接: https://pan.baidu.com/s/1-NqOFtQgKraUfSAn5LwX8A  qk5w

xliley01

有直接的djvu，用老马的软件转图片很快，链接：https://pan.baidu.com/s/1g8ZH6IgJf1Wz-5JThBk8rg 提取码：t4u9
复制这段内容后打开百度网盘手机App，操作更方便哦
试过了，看过翻页蛮方便的，就是具体单词怎么查？

mikeee

xliley01 发表于 2019-1-2 19:14
0 `* E; Y% F9 x: [9 k有直接的djvu，用老马的软件转图片很快，链接：https://pan.baidu.com/s/1g8ZH6IgJf1Wz-5JThBk8rg 提取码： ...

这个懒人切图版是查不了单词，书签里没单词信息。但可以查页，例如 p88。不过你可以提供下列格式的信息：
4 B0 g- j5 b' b4 A% ^abc abz 123
: J" V6 T2 B( ?2 c! _3 p" ]...
zab aac 2220
我就可以生成对应的查单词版。用其他方法生成词头信息就不是一个中午可以做得出来的了。至少目前不行，等人工智能再发展20年的样子或许可以。

1 }/ ^4 s2 l. D1 j; t/ ?你说的djvu是和 pdf 一样的吗？因为 pdf 版里含 A， B, …… Z 的书签，这些已经整合到 mdx 字典里。如果djvu是和 pdf 不一样，就会有问题。

另外也不知道djvu转png质量如何，如果失真太大也就不能用。不如你提供 png 文件给我？其实你已经可以自己用 MdxExport （https://www.pdawiki.com/forum/fo ... highlight=mdxexport）导出 拉鲁斯法汉双解词典测试版（60页）的mdx和mdd， 然后自己将缺的 png 拷到 对应的目录里，再用 MDXBuilder 重新生成 mdx、mdd就可以了。

你如果觉得测试版这个样子可以用，就请告诉我一声，我慢慢用我的方法生成 png 文件好了。如果觉得不能用，就暂时放弃了，等等人工智能。
9 l8 P& @+ ?2 x4 n/ L

mikeee

4 }2 J9 F1 k! V: ?9 N' u* v3 R
@xliley01
" O7 U7 c% S9 o* T8 ^用 https://sourceforge.net/projects/djvu/ 的 ddjvu从djvu生成tiff， 文件倒是很小，也很快。
6 \+ B% n* p/ N$ O' t2 H* d
链接: https://pan.baidu.com/s/1KY4QHPHn1IlHADbShcVpNg 提取码: mpdx
* V0 E" k9 [$ U
1-64页，pdf到png， 65-100页是 tiff。你看看有没有区别。要是凑合可用，我就生成一个全版了。
  o! t. z; U7 U8 `  w0 j. p全本版做好了，见一楼末尾……。

chigre3

这样子的叫做整页版 - -  

mikeee

chigre3 发表于 2019-1-2 22:05
这样子的叫做整页版 - -

* I7 S, C7 {, M9 E& n是的，比整页版还次一等——整页版还可以含每页详细词头信息…… 所以叫懒人版，就是完全不想动手。其实懒人版也可以做成含每页词头的详细信息，前提是有人不那么懒。

xliley01

等我有空了弄个每一页的最后一个单词或第一个单词的索引，是不是有用

潇潇天

能帮忙做一个简单的pdf吗？只要单词检索到页面就行。可以付费

mikeee

潇潇天 发表于 2019-1-20 20:36
9 F7 _7 U" z) ~1 d能帮忙做一个简单的pdf吗？只要单词检索到页面就行。可以付费

你如果能提供词头信息，如：
6 ~# |2 i. V" ~A 1
, h# E  R9 b6 E7 E# S* @8 wa- 1
* D5 T1 J- c5 c9 i- q& A" G6 b' AAa 1
Aal 1
aalen 1
aalglatt 1
……
% s  J- ]* h. Y
$ O; R; Z1 k( o+ `- Y. Z; }以及 pdf 文件，我可以试着免费给你做一个，并不是太费事，都是些脚本。词头信息也可以是非常简单，譬如每页的第一个词。如没有词头信息的话，则只能做成按页码搜索的字典。参考一楼的法汉词典。

潇潇天

mikeee 发表于 2019-1-21 00:08
$ b* B: _4 k2 @4 Z1 c/ x8 M你如果能提供词头信息，如：
A 1
a- 1

发了私信。是可以在gd中使用的吗

独上高楼

感谢楼主分享！非常感谢！

独上高楼

- i# G! u7 s8 ]% \& O感谢楼主。已经下载，在使用之中了。