Python辅助MDX转MOBI（以AHD5th为例）

nullname

+ a+ |) e" x) q% V; Z% }- ^一、前言
, F& o0 r) X3 u. o% }; n
( |7 c2 u1 h6 Y本篇文章的所有部分均来源于书伴的《如何把 MDX 格式词典转换成 Kindle 字典》 ，只是仅通过该教程的方法所转出来的词典基本没法用，原因是Kindle不支持@LINK跳转、不需要音频、以及需要添加Kindle支持的变形词搜索功能。经过几天的摸索，逐渐有了点头绪，并制作了AHD5th，试用两天后觉得尚可。便于昨天发布。帖子见此：[Kindle词典]美国传统词典American Heritage Dictionary 5th（精制版）。
2 q$ V. P" c8 p7 W4 J
  q) S+ T# d( i1 k' C. d9 D4 Z. O1 U' X本文章展示如何通过Python来最大限度的优化以生成体验较好的Kindle MOBI词典，为各位提供一种思路，以期众人群策群力，制作出更多好用的Kindle词典。

5 y7 u' Z8 ]; O" M/ z4 M- U: I7 S为了文章的连续性和完整性，对于完全相同的部分将全文引用这篇文章《如何把 MDX 格式词典转换成 Kindle 字典》 的内容。

) H) Q7 z/ f. h8 W, ^7 e: Q
二、正文        
& G' \  ^2 J* E1 T, X4 n
4 F. [/ S  _4 t3 m) P书伴的这篇教程共有四步，还用到了一些工具。工具请自行下载，因下面所用的代码是Python 3的，所以除了Python 2 ，Python 3 也需要安装。第一步和第二步是一样的，不赘言，仅截一张图于此。

/ r4 W" [5 d. x& n4 M% ]$ L


8 V8 N5 f: Z2 s# g7 V
工具准备好后，选择你想转制的MDX词典（本文只针对英文词典，即英英/英汉），下面以论坛里的American Heritage Dictionary 5th [IPA]为例。

- `: q  D3 E! u! G% W4 @) l2 _
7 r2 L+ L: S; C0 M: p+ Y/ Z经过第一步和第二步的处理，我们会得到一个体积较大（视MDX而定）的TXT文件。其内容格式应该是这样的：
( c5 l* k# K( B


) z! H- K. P3 F

得到该TXT文件后，我们可以选择几行看一下或者搜索一下如".jpg", "<img", ".wav",="" ".mp3"之类的关键词，把图片和音频等等鸡肋全部删掉。同时，这类CSS引用也可以删掉，以减少文件体积，提高后续处理的速度。CSS引用可以在最后一步添加。比如随便看一下，扫一下就有这些：
2 e: G% r! i) f/ ]# ?

% K9 x& R2 q6 B* m
. g! ^4 r7 k5 f/ Y! A7 P

( f/ q% R  {# f0 U' D2 I我用的是Notepad++，以下是我用来替换的正则表达式：
. P# \, w% u+ ^( m
        图片：<img.*?>
5 a, ~$ K* h1 ]. o; ~( I        
        音频：<a href="sound://.*?"></a>
% I$ M& y& l: e9 K2 c, Q4 r- g
( @6 |; a$ {* s        注释行：<!--.*?-->
        
可能还有一些冗余的标签，视词典而定，比如我这里就有<span> </span>，直接全词匹配删掉即可。
/ U$ S# b8 w0 E' w1 D. V" @! q
我这里这样处理了一下之后，文件的体积直接下降了25%（约100MB --> 约75MB）。

简单处理完之后，便是正式处理@LINK跳转了。TXT文件的格式只有这两种：单词 + Tab + 意项  或者 单词 + Tab + @@@LINK=另一个单词

- ~- O5 c- V9 w1 r这里我们主要要将跳转词后@@@LINK的跳转链接替换成目标词的意项，因为Kindle不支持@LINK跳转。为方便后续称呼的方便，我在此做个定义。以开头两个词条为例：
( v. D  K" {* E; }) x



0 z4 @; S& C; g4 [- k  l6 F
但是这里也要分情况，因为如果一股脑全部将@LINK跳转都替换为目标词意项的话，看起来简单。但实际上会导致文件的体积无比巨大，因为里面存在着大量的像这样的跳转：

6 ~( p8 R- T( Z1 R2 I& r- J

5 O7 g' w- |" c9 e( V8 h
0 p( p) z+ F2 m- V, y  d; S
0 r6 c9 n* j5 E2 P; V  d仅仅是advocate这样一个词，就有七个变形词，它们的目标词都是一样的，如果只是粗暴的替换，那么最后生成的词典肯定无比庞大，甚至如果你内存低点最后都不够用来生成词典。（猜想而已，我没这么干过，有兴趣有空闲的朋友可以试试）

因为Kindle词典支持为某个单词添加不同的变形词，利用这一特点，我们可以在此处判断，如果跳转词是目标词的一个简单变形，那就跳过该词条。判断的依据来源于dsl2mobi这个工具里面附带的英语单词变形词列表。文件名称：forms-EN.txt，内容如下：
6 [: L0 l! b5 K
6 e; u! s+ J3 m7 A/ S- K1 U
+ `, e/ ~9 k$ X. k( n' g
( v: F: t* s" Z! W2 J        
$ g$ D2 u# V: l3 }8 C
8 f4 ~9 K0 v( h7 Y简单总结一下，做了个程序流程图：
) R/ M( Y7 g+ b. a
+ c) f) f& g) l! w8 {( }
7 R; S. O. V- R( [& g( Y

2 Z5 |( o4 R$ l' W  I  F
+ H  D8 I( A* O+ t( A3 y这是代码，你需要修改第3、4、5行的文件路径和第50、51行endswith方法和replace方法中的值改为你操作的字典的实际值。详细的内容请看注释。


* [* a( ~; m9 D4 n
( Q1 Z) U+ M5 s, J6 K
, `& P! d( N1 R" C: W  o) t7 l


: z3 \& o6 |; f/ {& V
) I7 A: F/ Q* I: x! L9 g注意：Fix_Redirections.py有一个同级文件夹wordforms，文件夹内有forms-EN.txt，请勿修改。
' g9 m; X2 t! G' r$ c& ]9 X
* n4 y/ |  T4 i/ Z
修改完了然后执行代码，你看到的图应该是这样的：

: C+ x( s  c: {& X# N

6 c1 z4 @& C; k  W  Y

7 c  z! D/ C" M: |这一过程的速度取决于你的电脑配置和词典的词头数，我跑这部AHD大概花了大半天的功夫。
6 G. i2 m4 t3 C- T% R  _4 c  a7 j) N
6 e% `, r' V' u- F7 Z# j: _( H6 f跑完之后的文件可能存在很多空行（不一定，看词典），这里附上一个去空行的脚本，使用方法：
+ G* z0 Q# o3 v8 U0 R4 U( y" g, S
0 Z) V- s( a: M0 H% v
( F  }8 a9 s$ B8 I


! I) J1 Y' s2 M6 u6 @8 \$ N3 \. z
& l; q, m5 _' D3 l) Y1 x/ b& R8 r
; H" I1 p5 p3 J+ `执行完成后会在处理的文件目录下生成一个名字带_stripped的文件，这就是去除了空行的文件。
" o2 a* B# y6 ~' ?

( n! K8 U4 s: a5 x! p
9 U# v0 S% {  i9 ?8 d3 j6 V5 d
2 ]- P6 C, v9 O. u" x3 ?* K& I# @
3 R1 Z) D$ W7 b4 \! |( T3 B9 a这时候可以打开文件看一看，应该是满屏紧凑，没有空行，没有@LINK跳转的，就像这样：
5 [! n$ ]$ ?6 g3 C. P) k9 ]% `" A

$ `% r* |" z8 ~& J

" f" e/ U# o% a$ d3 h2 u
# y) a  h/ c* k& `& j: U到了这里，就可以开始正式进行第三步了。这里用到的是tab2opf.py这个工具，该工具基于py2，所以要用py2来执行。从书伴直接下载的tab2opf虽然没问题，但是根据我的经验，把253行的print df给注释掉，速度会提升许多，而且出错的机率也会减少。除此之外，由于词典的不规范及其他特殊原因，我们上述生成的xxx_stripped.txt难免会有几个或十几个错误行（MDX词典本身的问题），因此，最好加一个异常处理的块，遇到错误行直接提示一下就跳过，免得程序中止运行，你们可以参照下图修改，注意红色箭头的地方。
4 {4 s4 O2 n6 L. S
2 Z( @: t6 Z" z" p; B

$ t3 ^$ x9 b9 R/ I7 l: B  Y
" A8 ~$ i: W9 @5 f' O8 H4 E
. F& B; z5 }9 k' Y: F然后执行命令：python2 tab2opf.py -utf xxx_stripped.txt
8 f8 B1 e4 [+ P0 S' w
8 p/ [) q! n# ?' |+ ^" P执行完毕后会生成一个opf文件和一堆html文件，如下图所示：
2 B5 G& J9 ?: Q9 f0 z& J3 y9 o
( `" o) a/ L  P' g



在进行下一步之前，我们还得写好CSS，我的电脑配置不行，打开太大的HTML文件很卡很卡，因此我提取一些意项较多的词条来单独修改建议"go", "take", "in", "the"等，这里我提取“go”词条，复制"go"词条所在的一整块<idx:entry> </idx:entry>，然后加上头和尾（头尾可在任意一个html文件中复制即可），保存为html即可。如图所示：
: o( X; ~0 t" D! h

  M0 S7 G, b1 q
7 U7 I0 f4 C9 I
) y- U  G" |( s
因为我们要测试css，所以再添加一个head标签并在其中用link标签引用一个css文件，然后就可以写css了。

) E0 O  S! T3 w
3 }. v0 T5 N# G) t7 ]! F
; T- W$ ~4 G0 c" A
! t* b5 @* t* T& Y& [2 P. |: R
MOBI的字典只能生成v7版本，该版本对CSS的支持极其有限，margin只支持left其他方向都不支持，即使是看起来有效的margin-left，也不过是在转化过程中替换为blockquote而已。所以只考虑粗体、斜体、下划线和颜色即可，当然不管这里用什么颜色，Kindle上都是浅灰色。
  }% }8 J* B) D& ^1 x6 {8 ^
这是我修改完毕后的效果。


* F& U7 x/ s' N. M& P0 L
3 G9 m1 R& U  Q8 t( P3 W$ v

css满意后，那就可以给所有的html文件批量添加link引用了，这里notepad++可以单独完成，就不写脚本了。方法如下：

; L' u3 d5 X9 i% A- D打开任意一个html，Ctrl + F，然后切换到文件查找选项卡，下面注意选择正则表达式，如图所示：
/ c/ X+ c# u  O  y


3 F2 R. ]* Z: l7 ^+ w2 E7 q! m
' V( Z; l, L: j# }

查找目标： (<html.*?>)

替换为：\1<head><link rel="stylesheet" type="text/css" href="test.css" /></head>

文件类型：*.html

: R7 A9 i7 [( I- r" [目录：即html文件所在的目录



/ I% t/ |2 m1 n2 W然后点击文件中替换即可，这样，所有HTML都添加了CSS引用了。

现在到了另一个重要时刻了：为即将生成的Kindle词典添加变形词，原理就是检测forms-en.txt里面的单词然后提取出变形词添加进去，上面说过了，此处不再赘言。

' ]6 y3 x% N. l# C) l代码很长，不贴了。用法很简单：Add_Infl.py html文件所在的目录
* ^2 C6 v) B/ O" x$ ^& |$ |


) ~. f* i; o" N0 M

文件在此，解压后其他文件和文件夹勿动，以免程序不能正常运行。

# s) e& ?' R3 ?5 d

然后会在目录下生成一个名为OK的新目录，新的HTML文件即在此。

最后就是把之前的opf和css复制进去，然后用mobigen.exe生成即可，mobigen.exe -unicode xxxx.opf

如果你想修改生成后的词典名称，打开opf，修改这一行即可


7 n& \) _; V/ `
  c: Y/ V8 j% n; n" s+ V0 a

" o# J1 i. w: C3 d9 ?完。
4 E0 c' {2 K9 _5 N% ^/ G4 I% A
: V! H6 n: ~5 j; S! [$ n# R$ l' j0 A三、结束

+ Q( N8 a: R; a- g第一次写这种教程帖，步骤、截图等等都很繁琐，几次我都差点晕了。简单看了几遍，算不上流畅但也不至于晦涩。若诸位有什么问题或发现什么错误也可以在下面回复，希望能有更多优秀的Kindle词典出现。
; }/ |, f4 j: Q- S
另外：关于Kindle上的汉语词典，我发现kindle支持将繁体作为简体的变形词，意味着若处理得当，那就直接为简体词头添加繁体的变形就够了，不必再另添词条，词典体积将大大减少。各位有兴趣可以试试。

卡拉奇

这种技术贴，要好好给楼主点赞

wrscn

技术文章，不错。

Gyngreenlie

给技术型楼主，点赞。

cocowind

过程详细，及时总结惠己惠人

999阿彌陀佛

这种技术贴，要好好给楼主点赞，惠人以漁！

Wallacebai

喜欢技术贴， 感谢楼主。

陟彼高冈

大妙好！！！！！！！！！！！

Fulowl

非常感谢