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: 734|回复: 6

[求助] 如何把每个字条的短语、习语等提取出来

[复制链接]
  • TA的每日心情
    难过
    2020-5-22 17:29
  • 签到天数: 44 天

    [LV.5]常住居民I

    发表于 2019-5-8 10:09:57 | 显示全部楼层 |阅读模式
    本帖最后由 caihui10 于 2019-5-9 08:53 编辑 8 y! n6 E4 l! L# N. h2 z
    : I6 i$ y5 h# f. h3 Z0 Q' A9 p
    发现在字典里输入任何短语、习语,只要21世纪大英汉有,都能显示出来,大大提升了查字典的效率,但缺乏例句。陆老的大英汉例句丰富,但只能到该词条下去看,很是不便!很想学习下这个技术,把这部分提取出来方便查阅。在论坛里找了几个工具,像https://www.pdawiki.com/forum/fo ... =12972&extra=page=1,说只要输入空格,就可以提取,试过了好像不行。https://www.pdawiki.com/forum/fo ... =18986&extra=page=1,按正则该如何填写代码?比如想把大英汉的短语、习语部分提取出来该怎么弄?比如:想把 aback这个单词下的 <span class="phmk">■</span phmk> <span class="phrase">be taken aback </span phrase>:<br>.<span class="table"><span class="num">1.</span num>吃一惊;被弄糊涂:</span table>提取出来该怎么弄?论坛上看到还有很多方法,恳请大侠赐教!

    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
    开心
    2019-8-21 08:44
  • 签到天数: 163 天

    [LV.7]常住居民III

    发表于 2019-5-12 09:31:22 | 显示全部楼层
    本帖最后由 mikeee 于 2019-5-12 09:33 编辑 , g3 I2 s8 ~7 `. t0 m5 K

    1 K! B4 p# k% \8 o4 y我不是已经说了怎么提取短语习语了,在给出具体python码吧. o7 K- q: |; B+ A: d3 V
    1. from pyquery import PyQuery as pq2 Z% |) }% X& m5 u5 u2 l4 J
    2. html = '<span class="phmk">■</span phmk> <span class="phrase">be taken aback </span phrase>:<br>.<span class="table"><span class="num">1.</span num>吃一惊;被弄糊涂:</span table>', z2 w' |5 N0 F# C8 N, h+ q( g
    3. res = [pq(elm).text() for elm in pq(html)('.phmk,.phrase,.table')]$ a2 Y2 ?8 f( O- F
    4. print(res)8 |) y; R6 ~" Y
    5. # 结果: ['■', 'be taken aback', '1.吃一惊;被弄糊涂:']
    复制代码
    提出短语习语后再重构字典,也不是太难的事,不过不会点编程单靠 vscode 的话要走很多很多弯路。
  • TA的每日心情
    开心
    2019-8-21 08:44
  • 签到天数: 163 天

    [LV.7]常住居民III

    发表于 2019-5-11 13:24:04 | 显示全部楼层
    本帖最后由 mikeee 于 2019-5-11 13:33 编辑   K0 Y! F7 T) g) a/ x

    7 q/ }6 u# C, e) W先给答案:用 css选择器 .phmk,.phrase,.table
    ( G& d7 |! v8 g2 A0 M
    ( T( w% ^: X; ^( h验证方法。 先将以下代码(楼主给出的mdict/html码)存为html文件,例如 phrases-idioms.html, G5 D  i, k; }& [0 P
    1. <span class="phmk">■</span phmk> <span class="phrase">be taken aback </span phrase>:<br>.<span class="table"><span class="num">1.</span num>吃一惊;被弄糊涂:</span table>
    复制代码

    * y5 v$ E: j# w- T8 p% z: Q& g5 w* a0 ?/ K; E/ }" \
    再用Chrome打开 phrases-idioms.html (一般双击 phrases-idioms.html即可。也可用其他浏览器,基本思想一样)。再调出 devtools (Chrome里右键选 Inspect或ctl-shift-I)。在devtools选定 Elements标签。在Elements标签按 ctrl-f,在跳出的搜索栏里键入 .phmk,.phrase,.table: Q4 B- @) \" L8 p  [2 v' r
    ! ~* h7 K+ s6 ]6 L6 a1 a
    结果大致如下图4 n; u* }$ _, A. T
    * K0 y+ S9 {* V. C0 d4 ~' w1 f
    9 h9 Y. m# c; x" {4 s5 C

    ( ^; Z; `4 m  a1 }2 t可以看到 css选择器 .phmk,.phrase,.table 找到网页里的三个元素。
    + ^8 ^- y, Z+ c/ f: Q8 x/ X* d4 \' \. l5 g0 n* X
    至于如何提出对应的三个元素有许多办法,python里可用 pyquery, node/js里可用 cheerio/jquery,其他编程语言也都应该有包可用。
    / H. _' e* E( E1 v. b/ M# c6 F8 s1 ?) Z/ w4 h+ K& M- c0 j# o- l
    python的话可直接用 readmdict 直接从 mdx 文件逐个读出每个词头的内容再用 pyquery + css选择器 进行处理, 内存足迹极小。顺便提一句,正则要处理这种东西也并非不可能但怕是会力不从心,不信可以试试
  • TA的每日心情
    难过
    2020-5-22 17:29
  • 签到天数: 44 天

    [LV.5]常住居民I

     楼主| 发表于 2019-5-11 23:30:42 | 显示全部楼层
    查看元素,我知道操作,关键是不会提取,我按drough发的教程安装了vscode,但运行总是说路径不对,我也不知道是哪里错了。哎,折腾这玩意都无心学习了。你看能不能提供教程,就像21世纪大英汉那样,什么短语都能查,只要它里面有。我昨天发了个RMB求购的帖子被人扔进了回收站,我也不想浪费太多时间在这上面,就想花点钱买技术。越简单越好,因我没任何计算机基础知识!
  • TA的每日心情
    难过
    2020-5-22 17:29
  • 签到天数: 44 天

    [LV.5]常住居民I

     楼主| 发表于 2019-5-15 21:12:44 | 显示全部楼层
    mikeee 发表于 2019-5-11 13:24) h( K! V3 V5 w) u
    先给答案:用 css选择器 .phmk,.phrase,.table3 m4 O8 Q( j/ }; _0 j% v/ w6 X; B

    ) J/ X* O4 K4 A. Z( g+ r1 k验证方法。 先将以下代码(楼主给出的mdict/html码)存为ht ...
    " ?$ a. O, u+ i  g
    还是不会提取,谢谢你的耐心帮助,没有编程基础真是看不明白。
  • TA的每日心情
    开心
    2019-6-23 00:02
  • 签到天数: 18 天

    [LV.4]偶尔看看III

    发表于 2019-5-15 22:22:33 | 显示全部楼层
    caihui10 发表于 2019-5-15 21:12
    6 K( `3 v  ^. S; s- c- S还是不会提取,谢谢你的耐心帮助,没有编程基础真是看不明白。
    " l* u; o$ |, x' c- o
    哈哈哈,你得自己稍微学习一点,要不然你想自己修改词典真的很难。不要没有信心,我也是去年年底才开始学习计算机技术的,现在已经可以自己修改和制作词典了。
  • TA的每日心情
    开心
    2019-6-23 00:02
  • 签到天数: 18 天

    [LV.4]偶尔看看III

    发表于 2019-5-15 22:23:25 | 显示全部楼层
    要么你就重金悬赏,说清楚你要什么效果,我来给你按你的需求做。
    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, 2024-3-28 19:03 , Processed in 0.048395 second(s), 10 queries , MemCache On.

    Powered by Discuz! X3.4

    Copyright © 2001-2023, Tencent Cloud.

    快速回复 返回顶部 返回列表