MDX 懒人切图版 朗氏德汉双解大词典

mikeee

( N/ m6 [/ P/ }6 `- s1 s$ `$ b; h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。
) w: Q/ @0 N- |/ O( R( J1 q/ \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）
% O1 a4 [5 k; }* w+ V: I
/ z) I% O/ g) p2 V: B* W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

• 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。
  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
  % f/ k; x1 J1 S) o9 e, l5 V$ q+ o3 S得到 p0001.pdf, p0002.pdf ... p2236.pdf
• ls p*.pdf | xargs -L1 -I {} convert -density 300 {} {}.png
  , B" p0 H3 J& s9 I2 \. O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！
  

然后就是生成 mdict(html) 格式的文件给 MdxBuilder用。
# E$ k& W2 o3 b. [' s. \
* @; \7 t3 ?) j6 J可以在html码的最后（</>前面）加

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。

* X2 T& ^/ }$ p! W加了前后翻页的按钮。也可以直接搜某页，z.B.，s88，如下图：

2 q2 t: Y- n, d3 Z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。

# M5 [( v7 M8 y4 s5 R& w  ?4 f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。
# \' M* F7 Q" H# K3 I! a
/ J) Z7 I4 n4 G1 S5 Q
# B/ i) y5 }+ `7 A8 M, s7 E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）
" {2 I6 ]* [9 o6 ]" 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
( X" @& a, u# I  \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。
! t1 ?) h7 ^$ c- E9 l
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。
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
# r3 r0 I/ f3 A, L: x
+ h8 g& u! w3 f! W拉鲁斯法汉双解词典测试版（60页）链接: https://pan.baidu.com/s/1-NqOFtQgKraUfSAn5LwX8A  qk5w
( s+ V: g  e3 l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
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。
7 H# }' p! U( h& n6 P
# l3 N% B, U' Q3 p+ A8 w0 i1 N

chigre3

[20181221完成][德语]朗氏德汉双解大词典 全索引切图版
; R% D5 z% }5 O. m# hhttps://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。
【 ...

0 ]9 o2 v) C! P) T! a/ ^+ J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
" g% h" o' H; \8 n+ _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

- p4 C6 R$ V: s9 U6 c  p  V) @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
- T! c  k) {5 X/ E  i" L
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
[20181221完成][德语]朗氏德汉双解大词典 全索引切图版
1 D( R( Q, U# q/ xhttps://www.pdawiki.com/forum/forum.php?mod=view ...

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！

祝楼主新年快乐，万事如意！

liuyunrushui

楼主厉害！感谢分享！

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

& j3 K! o( L; j& D

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

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

5 B+ H# ]7 b+ D7 ?$ t
还需要什么的话，请告诉我。

mikeee

" D# ]& x% q2 d- N& x* r4 ?

xliley01 发表于 2019-1-2 12:27
% y4 t( s! F" S: u( ^' L) [  p  N还需要什么的话，请告诉我。

* l8 D$ f4 u" ~* }% B7 B. D2 o) b5 e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？
) R1 j* b  K$ n% x$ b* l
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

# c% Z! W/ k+ a! G0 c+ K
* k5 D6 [0 N* Z+ T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
4 a' _' X  x5 |% O! ?" a/ w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
( ]2 K4 U) w; `1 h5 I  E8 |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：
abc abz 123
...
zab aac 2220
6 ^- h; c! E: f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。

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。
; `6 ]/ O) L* e7 d, i& K- v8 y
0 i) p$ x6 g. L5 d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。
- Q$ f5 X7 H, T' C5 M  V  V
! B  m* `3 [7 n7 s  F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。

mikeee

5 p4 O8 ]! J" b2 v@xliley01
用 https://sourceforge.net/projects/djvu/ 的 ddjvu从djvu生成tiff， 文件倒是很小，也很快。
) m- o2 g1 I2 w* r
链接: https://pan.baidu.com/s/1KY4QHPHn1IlHADbShcVpNg 提取码: mpdx
/ n: e& T' P! N( L5 S- ]; N& z/ Q
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。
全本版做好了，见一楼末尾……。
& n* F" H" o% @

chigre3

这样子的叫做整页版 - -  

mikeee

chigre3 发表于 2019-1-2 22:05
/ u) }& u+ r# |+ w; M7 \5 r  n这样子的叫做整页版 - -

2 n+ I8 C0 _0 @5 \. w5 D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
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：
9 u0 ]1 h3 I3 X+ Q* h; x# pA 1
( k# h0 z. T) X; p$ t$ ca- 1
5 D$ ^( Z) _1 A' tAa 1
6 A0 O) y/ m) X/ z8 g4 [Aal 1
8 @2 m' h* u% G2 R. f# Baalen 1
( F# g" {; e2 iaalglatt 1
……
4 U. |  s9 F) Y) ?4 I4 N: a
( k, d/ ]# h& o  `* x0 M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。
1 w+ R% `5 g6 w& `  ?( E

潇潇天

mikeee 发表于 2019-1-21 00:08
+ b) w2 D( f3 u8 n你如果能提供词头信息，如：
A 1
a- 1

4 C" U2 h- z; ?" ~2 ?6 P& Z发了私信。是可以在gd中使用的吗

独上高楼

6 L9 k+ w& L' e4 u$ C# Q  J感谢楼主分享！非常感谢！

独上高楼

: }$ U8 R* k/ l" z
/ J# X6 {! N: L6 p感谢楼主。已经下载，在使用之中了。