新手必看的 Mdict 制作教程和经验

独行者

/ F" `3 k6 [) b  m1 r% Z' K# Z: `储备知识

• 必学：HTML/CSS/JavaScript 知识。
• 最好会：正则表达式、一门编程语言。
  
  

MDX 规范

词条由三部分组成：

• 词条关键字：作为词条索引。
• 词典 HMTL：词条内容。
• 分隔符 </>：分割每个词条。
  
  ! g) ^; @2 K! d4 f' q9 B

注意：

• </> 后面不允许有任何空行。
• HMTL 允许换行，也可以不换行。
  
  

例子：

1. Antarctica
   
2. <link href="styles_cb.css" rel="stylesheet"/><script src="scripts_cb.js"></script><div>南极洲</div>
   
3. </>

复制代码

词典 HMTL格式
, ?" h# }  r+ M! v( p& V

和标准的 HTML 几乎一样，不过这里去掉了 <html>、<head> 和 <body> 标签的包裹，另外增加了一些 mdict 自有的标记和格式。

下面介绍资源的引入，关于路径问题，请阅读下面的资源部分。

引入 css 和 js 文件
* P) {, i$ _0 F3 ?

1. <link href="styles_cb.css" rel="stylesheet"/><script src="scripts_cb.js"></script><div>南极洲</div>

复制代码

引入音频

1. <a href="sound://sound_file.mp3">keyword</a>

复制代码

引入图片
2 X0 i; E- k6 v) {. u7 R) G

格式一：

1. <img src="file://abc.gif">

复制代码

( [8 e  L0 S4 Q

格式二：

file:// 可以省略

1. <img src="/abc.gif">

复制代码

1. <img src="abc.gif">

复制代码

跳转
+ [; |& H* p! v+ k

两种形式：

• 内联使用，可以多次使用：如 <a href="entry://ought to">，类似于标准 HTML 的 <a href="https://www.baidu.com">。还支持锚点，如 <a href="entry://look#verb">
• 查询某个单词时直接从一个单词跳转到另一个单词，只允许使用一次：如 @@@LINK=ought to。
  
  

资源
: n; y1 ]8 R4 j

HTML 中引入资源文件时根目录为 mdx 所在目录。

存放

• 当资源文件数量极多时，不建议：直接将所有资源文件存放在 mdx 目录下。
• 建议：将资源文件打包为 mdd，注意 mdd 必须和 mdx 存放在同一目录下。
• 有多个 mdd 文件时，文件名以 xx.mdd、xx.1.mdd，xx.n.mdd 词典软件都会读取。
• 强烈推荐：将图片和 css、js 和字体打包为 xx.mdd，将语音打包为 xx.1.mdd，这样不想要语音文件的用户只需拷贝 xx.mdd 而不丢失样式排版。
  4 e0 j& ?+ R; A" C

优先级

• 裸露的资源文件 > mdd 中的资源文件。
  
  % B. R. @4 G8 S, @7 m( g

' H4 j. @- [: O0 h+ P' T词典软件
, A: s8 `2 h! l2 ^- C3 H5 Q% i
MDict

作为官方词典软件，却是体验最差的。基本的功能都有，这里只谈缺点：

• 使用的 IE 浏览器，不支持许多新的 Web 规范，导致某些人制作的词典排版错乱，甚至某些引入了 JS 文件的词典直接弹窗报错。
• 音频只支持 SPX 格式，这是当年为了节省空间的产物，因为当年 MDict 的主要活跃在 Windows Mobile 上，那时的存储卡不便宜。但是如今已经不建议使用，因为音质太差，推荐使用 MP3 或 AAC 格式。即便是该作者开发的 iOS 版本 Mdict，同样也只支持 SPX 格式，这个很让人不解。
• 功能太弱，交互设计很差。
  
  2 h" B3 i3 t1 i, x* v

GoldenDict

毛子开发的词典软件，起初不支持 MDict，好在在开源社区的努力下后来支持了。

优点：

• 因为是 Qt 编写，使用的 Webkit 浏览器，支持的 Web 标准虽然不是最新，但是大部分的词典都能正常显示。
• 支持 MP3 音频，就这一点就值得推荐。
• 方便地导出 HMTL。
• 漂亮的界面，可以自定义软件界面样式，还有很棒的交互设计。
• 支持全文检索、支持词典排序、支持自定义在线词典、支持复制取词，还有大量优点，请自行探索。
  
  

存在的问题：

• 性能很差，如果开启全文搜索，会很卡；载入词典过多，也会很卡，严重时直接闪退。
• Qt4 版本的字体渲染存在问题，因此我一直用的 Qt5 版本。
• 取词能力较有道词典弱。
  
  8 `* A% W2 q: f6 w) Y3 r

欧路词典

集合了上述 GoldenDict 的部分优点还有以下优点：

• 界面更加现代化，更友好。
• 支持单词同步和收藏。
• 支持单词复习。
• PC 端取词功能很强。
• iOS 上最强词典。
  
  : k( o* g7 Z' H2 o' k; f# O9 Q

缺点：

• 只能从网页或手机版导入单词表，但网页版导入经常出现导入失败或者导入数量不一致的问题，手机上又不支持词组或带有符号的单词导入。
• 同步功能存在 BUG，偶尔出现同步数量不一致，需要注销重新登录才正常。
• 最严重的 BUG，同时存在于 PC 端和手机端。
  因为不同的词典可能会使用相同的标签和样式，如果直接载入，会干扰其他的词典样式。因此欧路和 GoldenDict 的做法是重写 CSS，给不同的词典的 HTML 加上一个独立 id，在每个样式名前面加上 id 编号，但问题在于有的作者的 CSS 中存在中文，为避免浏览器以 ANSI 编码读取，因此在 CSS 头部加上了 @charset "utf-8";， GoldenDict 能正确处理它，但脑残的欧路词典就不能正确处理，它会忽略第一个 CSS 样式，没有加上 id 名，如果第一个样式名是 body，则会影响到所有词典的排版，这是我们不希望看到的。
    j& c1 H. W- ~2 H/ _
  
  如原始 CSS
  1. @charset "utf-8";
     # W0 y3 e3 E" T4 f
  2. ​
     
  3. body {
     
  4.     margin: 2em;
     
  5. }
     
  6. ​
     . f. K! t( ]' x: }% H: }* k
  7. a:hover {
     
  8.    color: #4372b6;
     . j  k) i9 p. G: C/ ]' ?3 D6 E
  9.    text-decoration: underline
       k7 p3 A' J9 W; R) @
  10. }

  复制代码
  
  + D5 m2 v/ @; p
  GoldenDict 会解析为
  1. @charset "utf-8";
     
  2. 
     
  3. #gdfrom-2af74dded57c0b4bf1a2e7c76ade8787 .mdict body {
     & V) R4 u/ d3 W9 K
  4.     margin: 2em;
     
  5. }
     ! h4 f2 ^$ J6 p* u# T; }, ?, `1 `
  6. 
     
  7. #gdfrom-2af74dded57c0b4bf1a2e7c76ade8787 .mdict a:hover {
     
  8.     color: #4372b6;
     
  9.     text-decoration: underline
     + ~4 E" S" H$ X. B& j
  10. }

  复制代码
  
  " {& M! b5 I2 S2 G  h; k
  而欧路词典解析如下，body 前面没有加上 #ID224342347child，进而影响到全局的 body 标签。
  1. @charset "utf-8";  
     
  2. 
     1 l6 C, ]) C7 i  Q" n  I( Y; k
  3. body{
     5 Z% R0 S9 s$ K
  4.     margin: 2em;
     ) I( w, c4 ]# Y: Y6 j
  5. }  
     - D4 Y% X" d+ A2 |( C, {
  6. 
     
  7. #ID224342347child a:hover {
     
  8.     color: #4372b6;
     
  9.     text-decoration: underline
     ! x! F0 [+ \& e, l
  10. }

  复制代码
  
  
• 这就是为什么许多人用欧路词典排版混乱的原因，这个 BUG 我已经反馈了，不知道会不会改，反正我之前提过好多建议，该公司都没采纳，这个 BUG 我看也未必会修复。
  因此我的建议是删掉 @charset "utf-8";，因为欧路词典和 GoldenDict 本身就是以 UTF-8 打开的，无需再多此一举。增加了反而会导致欧路词典解析出错。
  
  * H: O8 C0 z: o6 U  F  J

制作工具

• EmEditor：一般的文本编辑器打开大文件会卡死，这个不会。
• PatchO8C：提取 MDX 和 MDD。
• MDXBuilder 3.0 Beta2：官方的制作工具，不要用 4.0，4.0 版本生成的 mdx 还未被解析出来，暂不被第三方软件支持。
• GoldenDict：导出 HTML 方便排版调试。
  
  

制作步骤

• 获取数据源：可以是自己编纂的，也可以是其他格式的词典，还可以从网站抓取。
• 按照 mdx 的规则清洗数据：上面提到的 mdx 规范。
• 用 MDXBuilder 3.0 Beta2 转成 mdx。
  
  

配置

• Source：即词典原始数据文本路径，扩展名随意。
• Target：目标词典文件路径，扩展名必须为 mdx。
• Sytle：留空，这个用不到。
• Data：资源数据路径，有就填，没有就不填。注意了，资源数据一定要存放到一个单独的文件夹 xx 中，不要直接全部分散在 mdx 目录下，而且这个 xx 文件夹并不会打包到 mdd 中，它会作为 mdd 资源数据的根目录。
• Options：
  
  
  • Original：一定要选 Mdict(Compact HTML)，这种格式就是我们上面提到的规范。
  • Encoding：为避免乱码，必须选 UTF-8(Unicode)。
  • Title：词典标题，可以被欧路词典读取到。
  • Description：词典描述，支持 HTML 标签，不过支持十分有限，词典软件可以读取到。
  • 未提到的其他选项不管。
    
    
  
  
  

制作技巧

• 体积不大的图片可以使用 base64。
• iOS 欧路词典不支持字体文件，可以通过转成 base64 解决。
  
  

; f; x! t9 }, k5 q" e

$ E7 A& V6 t% f* o+ B$ e
( l" Z7 |3 N; y# C

mtaa

【性能很差，如果开启全文搜索，会很卡；载入词典过多，也会很卡，严重时直接闪退。】
7 t" q' ]3 ^3 Q5 a1 f7 n- \* V
说下遇到过的GD的问题。和楼主类似也是载入了很多词典，会闪退，最后发现有词典本身质量很差，一本简单的词典，里面html结构嵌套很深，像是直接从文字pdf转的html。
, M! p, Z& u/ U% j6 D& K- w# z2 U( S) I解决办法是一本一本添加词典，如果闪退就说明刚添加的词典有问题，移除这本就好了。

, A2 t+ F6 D0 ~& H1 _另外GD的全文搜索本身不慢，慢的是开始生成全文索引的时候。
3 f' F8 B  O" `" P) FMDX词条格式
词头 -> 对应文本（释义html）

GD生成全文索引的大致流程：

获取词头 -> 获取文本块记录地址，获取词头偏移量 -> 提取解压文本块 -> 使用偏移量提取词头对应的文本 -> 生成索引
: ~! ?, ~+ v+ M& t: Y
2 N! G) Z; n" J/ @8 f7 C" X上面这个流程是循环处理的，问题就出在第三步，反复解压同一个文本块。这里的文本块包含多个词头对应的文本。

5 t/ j8 E# v/ i3 l举例说明下：
9 r) ]' W, j0 ~1 s词头          文本地址        偏移量
3 K5 ~, E: E9 {# y( o2 N; X/ A! Va          -> 00000001   -> 0
bug      -> 00000002   -> 0
$ v* E' j* f, S8 d  P/ d* X5 N! X! @bugger -> 00000002   -> 64
buggy  -> 00000002   -> 128

5 \% l+ Y9 ]/ ^+ o/ `3 I3 w0 ]& ?MDX多个词头的文本是打包压缩在一起的，比如上面的bug，bugger和buggy三者的文本是打包在一起的，都是同一个地址00000002，在文本块内部通过偏移量区分不同词头的文本。
GD的全文索引生成是通用的，他没有为MDX单独处理bug，bugger和buggy三者的文本在同一个文本块的情况，对于00000002这个地址上的文本块，GD会反复解压3次，提取3个词头的文本，实际上解压1次就能提取这3个词头的文本。
& A; `9 ^. ]# e真实的MDX里，这种反复解压同一个文本块的情况更多，这是GD全文索引缓慢的根本原因。

, A5 P9 a: p! O' x
! \9 i, M' |' p0 c  u# T7 e0 ]


, h: K% Q8 j; }2 \+ T
( [( z4 ?, ?4 l, y+ k. d

独行者

oversky 发表于 2019-8-26 15:35
建议把资源档存放的路径和 mdxbuilder 内 data 指定的路径，两者要如何对应也写一下。之前也试了好几次才成 ...

如果不打包的话，根路径就是 mdx 所在的路径，如果打包成 mdd，最外层的文件夹是不打包到mdd的，只是起到收纳的作用。

498018591

谢谢分享经验！

喬治兄

感謝 独行者 兄, 熱心提示   Midct 制作教程和经验
提醒了小弟, 差點都忘了還有幾招可以實現的方法
Thanks a lot

cocowind

这个是高阶的，可惜收费100米
, u: s" U8 Q: q% D  m最近学习到的制作mdict词库时候的一些经验
https://www.pdawiki.com/forum/thread-34178-1-1.html?x=180507

kid728

小白求问，数据源也就是原始词典文本数据从哪找QvQ

独行者

kid728 发表于 2019-8-26 13:58
小白求问，数据源也就是原始词典文本数据从哪找QvQ

从其他格式词典转，或者写爬虫从某些词典网站抓取。

kid728

明白啦，谢谢解答~

我爱深蓝

欧路也是令人不爽，奈何竟没有比他更好的，就想百度一样，加个inspect功能就那么难吗？

江湖侠客

请教楼主，如果不会正则表达式，能在mdx解包的TXT文件中每个词条上加上<link href="styles_cb.css" 吗？有一词典没有css文件，想做一个外接css, 就这个问题难住了

独行者

江湖侠客 发表于 2019-8-26 14:35
请教楼主，如果不会正则表达式，能在mdx解包的TXT文件中每个词条上加上

有点困难，建议学习下，入门很快的。

oversky

建议把资源档存放的路径和 mdxbuilder 内 data 指定的路径，两者要如何对应也写一下。之前也试了好几次才成功，久了又忘了。

realHank

Nice. Thank you for your sharing

chenboeli

很不错的总结，
想问一下：GD 方便地导出 HMTL这一条，批量的导出呢这方面，有经验吗？

独行者

chenboeli 发表于 2019-8-26 18:28
% Z! a+ G( L. `" H7 E( I9 E很不错的总结，
想问一下：GD 方便地导出 HMTL这一条，批量的导出呢这方面，有经验吗？ ...

& Y( M* X: k; S9 Z  s/ R# k( m, e看看这个帖子 https://www.pdawiki.com/forum/fo ... &extra=page%3D1

chenboeli

独行者 发表于 2019-8-26 18:29
) [) l+ F$ j! f. `2 s' |* m看看这个帖子 https://www.pdawiki.com/forum/forum.php?mod=viewthread&tid=35598&extra=page%3D1

. R0 X2 j( ?( q非常感谢

lewpad

谢谢楼主，辛苦了。
+ k  a2 b; ^& }. L% p0 {9 i9 L# OGD在用。“性能很差，如果开启全文搜索，会很卡；载入词典过多，也会很卡，严重时直接闪退。” 词典过多，常无响应，不知有无解决办法.

quslrux

谢谢分享经验！

cocowind

请教一下：
是不是以格式@@@LINK=pic001引用的图片必须是JPG后缀？
; q* W5 }$ v; F3 F
- L0 g0 m  ^6 j* }pic001图片格式即便是png或者gif，都必须改为pic001.JPG才能在GoldenDict里正确显示出来

独行者

cocowind 发表于 2019-8-30 14:34
请教一下：
- y' d6 S' N& T9 y) J" u是不是以格式@@@LINK=pic001引用的图片必须是JPG后缀？

请重新阅读我的帖子。

liubingxy

谢谢分享，看上去还是不容易啊

我是小肥柴

谢谢分享，收藏

lwx228

每次回帖、谢谢！辛苦了。

yyksyh

这个优缺点说得太明了了，尤其关于排版，一阵见血。