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: 28870|回复: 405

[工具] ⚜【支持超大文件】Python MDX词典打包工具 2019-11-19更新

  [复制链接]
  • TA的每日心情
    奋斗
    2020-11-15 11:37
  • 签到天数: 249 天

    [LV.8]以坛为家I

    发表于 2019-10-9 03:46:36 | 显示全部楼层 |阅读模式
    本帖最后由 lgmcw 于 2020-11-19 22:31 编辑 $ g3 U4 G4 x% `' Z3 v- d

      y" `+ q7 }( P% y( A, m# E这帖target的是硬核玩家,希望对有需要的人有所帮助。代码比较乱,拖了好久都懒得整理,正好朋友又找我需要,趁着一鼓作气整理出来就正好也贴在论坛里吧。我这里不跟进你那边的环境调试了,如果有运行错误自己修一下(python3可参考楼下的修改经验);不过还是鼓励回帖反馈。对我以后做新人友好版有帮助。* j, ^4 t5 \5 `4 C
    以后我会做一款带GUI的,针对小白玩家。: ]/ i& L% L. o- n0 j8 _
    4 @2 A! |( b5 N3 A% h
    入口文件,运行genMDX_ox4.py即可开始打包,附了一个牛津4的txt源码,我已经调试好,确保在我这里能工作,下载后可以直接运行用来测试程序。我的所有字典都是用这个程序打包,暂时没什么大问题。词条数最多我试过的简明英汉400多万词头;体积最大的OED,txt源码就有2.4G;这些打包都毫无压力。不过我这边还在用老古董python2.7;python3应该也能用,如果报错,可能需要自己debug一下。
    & W4 N( g& L& A9 m/ O4 j! y! kgenMDX_ox4.py is the entrance file you want to use in CMD/terminal. I've also enlcosed a OALD4_azure.txt for testing purpose.
    - T6 O/ k  C7 g; K7 Q
    " ]: _9 c) l3 _+ _6 d
      ]: C' U9 v, y7 |9 e' u1 W# d$ f. `+ d$ m
    Windows下运行举例(需安装python):8 K9 n: q" @. E! o2 |

    9 b! Z$ O( ]. I9 i& L# l* \& q
    ) W: S6 V+ v( ]& y+ A7 Q$ d相较于原版我主要改了两个地方:
    7 Q: P: f9 E$ F6 D4 x" ~1. 在代码里,以前一个字典的key只能对应唯一个value。而MDict完全支持多个相同词头对应多个意思。所以我改了代码,让一个字典的key可以对应多个value- H5 C5 o& k4 y$ _
    2. 修改排序算法,原版是用的默认python排序,输出的文件在MDict简直不能查。GD勉强能查。
    3 n2 w" ~# z0 y4 \3 W3 o  P- [8 u) e1 i' L: a

    . C. e3 L7 G" E+ |
    6 c% @& R! ^2 ~6 B7 J  X- yPython实现的txt转MDX代码:
    : n/ u- s9 u& ]( b6 c) R* k- v' b" n) w6 j9 x
    游客,如果您要查看本帖隐藏内容请回复
    欢迎提建议
    ! U5 l0 X7 ^2 w⚜ 感兴趣可以看看我的其他字典,绝大部分都公开分享。2 Y# o6 q3 k8 ]5 h( N: a* [

    2 F' u! _; S( O! N) v5 a, F! G; y9 e3 d* Y+ [! e8 D9 T- W
    - V3 O/ A* Q, g  t( ^! `
    . B8 c7 _$ J! E& z

    ( ?; T0 Q( [+ F, }- U
    0 L! X/ B& v1 O) c1 L1 H$ D; T

    评分

    5

    查看全部评分

    本帖被以下淘专辑推荐:

    该用户从未签到

    发表于 2021-7-23 14:38:37 | 显示全部楼层
    python3.8.9调试成功!, L8 o5 X- z4 @! O) G

    ) H. \2 j9 N5 E做了如下修改:
    8 E0 X- A8 U6 ], X" }
    8 [+ y& J5 G7 D1.genMDX_ox4.py
    9 N( o0 a! o1 ~6 r2 S0 n/ ^) R# ~9 c4 i8 m4 _# x2 k" G
    (1)注释掉前三行# -*- coding: GBK -*-  # coding: utf-8  # encoding=utf8,解决SyntaxError: encoding problem: GBK8 o! r" s2 T% [$ N' a
    2 U- O, _) n2 _0 D) `
    (2)注释掉import sys  reload(sys)  sys.setdefaultencoding('utf-8'),python3不需要了
    0 `4 ]8 d. R1 I6 F% Q
    & K5 A9 i  {9 k6 L(3)打开、写入的文件加上当前路径(import os;current_path = os.path.dirname(__file__);current_path+"/OALD4_azure.txt",),解决No such file or directory:
    . c5 t1 m! u$ J# d" Q7 H7 c7 J$ @- \0 N
    (4)大神提示OALD4_azure.txt、about_OX4.txt使用utf-8格式。我试了下,两个文件转换为gb2312,代码修改为encoding='ANSI',也可以成功。另外,goldendict可以打开这两种编码的mdx,mdictpc版只能打开ANSI编码的mdx文件。* z5 T  v; \% o1 n3 D
    . z. O4 C. O1 F
    2.writemdict.py
    * ~& h( G) ]' _
    " b" W5 h# K! g. A, y2 E修改 from cgi import escape为 from html import escape,解决cannot import name 'escape' from 'cgi' ,因为python3 cgi.py里面已经没有escape了。换成html,可以用,暂未发现问题。

    评分

    1

    查看全部评分

  • TA的每日心情
    无聊
    2023-12-27 22:43
  • 签到天数: 500 天

    [LV.9]以坛为家II

    发表于 2019-12-6 14:19:04 | 显示全部楼层
    我的是Python3.7的,genMDX_ox4.py文件里面的
    7 Q: E9 f' v8 [2 J% F* ?imp.reload(sys)改为:
    : V0 X* S8 b- [3 C% [8 Cimport importlib1 I0 ^% w: N  {7 x
    importlib.reload(sys)+ c4 S( c# d0 |0 I8 D1 \8 x
    然后删掉:sys.setdefaultencoding("utf-8"); k" v8 K# u4 W* R' g0 e
    测试通过。: x; A- `" v0 q& `$ M: n. V

    & L7 f3 z4 ~- T. Z& X3 v但是生成的词典,用SourceEditor打不开,PC版GoldenDict,安卓版欧路可以打开。汇报完毕。

    评分

    1

    查看全部评分

    该用户从未签到

    发表于 2023-3-9 22:28:50 | 显示全部楼层
    好的,感谢老铁啊

    该用户从未签到

    发表于 2023-3-8 14:04:03 | 显示全部楼层
    感谢大神分享
  • TA的每日心情
    慵懒
    2023-10-11 10:27
  • 签到天数: 198 天

    [LV.7]常住居民III

    发表于 2023-2-14 11:51:09 | 显示全部楼层
    感谢楼主分享

    该用户从未签到

    发表于 2022-12-30 17:34:07 | 显示全部楼层
    谢谢高手无私分享这么好的教程
  • TA的每日心情
    开心
    2021-11-18 11:26
  • 签到天数: 3 天

    [LV.2]偶尔看看I

    发表于 2022-12-28 10:39:48 | 显示全部楼层
    试试看,谢谢大佬
  • TA的每日心情

    2022-5-16 09:51
  • 签到天数: 208 天

    [LV.7]常住居民III

    发表于 2019-12-9 09:53:05 | 显示全部楼层
    反馈个问题,直接跑大佬的源码,在mac上会报如下错误:' Z, I8 Q4 P7 t' n' B" _
    Traceback (most recent call last):% D4 K) K8 ?! h7 C; g5 m0 M# [
      File "genMDX_ox4.py", line 14, in <module>1 l  A' o0 U5 y9 Z* N. T0 m
        reload(sys)/ h( c' |4 m( z5 P+ p0 v
    NameError: name 'reload' is not defined3 u: {5 T. O% E1 n8 [- V
    ' D1 f, B- G. R; {/ a
    解决:
    ! L' i- C7 l0 l" E, e, G1 l注释掉文件line14和line15,即可

    点评

    应该是python3和python2.7的区别  发表于 2019-12-9 10:15

    评分

    1

    查看全部评分

  • TA的每日心情
    慵懒
    2023-1-18 13:13
  • 签到天数: 539 天

    [LV.9]以坛为家II

    发表于 2019-10-9 08:44:33 | 显示全部楼层
    谢谢L大,等了1年了。
  • TA的每日心情
    无聊
    2023-6-6 10:30
  • 签到天数: 2 天

    [LV.1]初来乍到

    发表于 2023-3-29 17:40:05 | 显示全部楼层
    谢谢大佬 都是好东西来晚了 就看到要关站
  • TA的每日心情
    开心
    2023-2-21 17:06
  • 签到天数: 227 天

    [LV.7]常住居民III

    发表于 2019-10-9 06:37:56 | 显示全部楼层
    先收藏再研究,谢谢分享
  • TA的每日心情
    无聊
    2021-8-13 07:38
  • 签到天数: 195 天

    [LV.7]常住居民III

    发表于 2019-10-9 07:00:20 | 显示全部楼层
    thanks a lot
  • TA的每日心情
    开心
    2018-8-8 03:13
  • 签到天数: 1 天

    [LV.1]初来乍到

    发表于 2019-10-9 07:09:48 | 显示全部楼层
    感謝 lgmcw 兄:9 t9 {8 n( K; o1 j$ N" e
    分享
    【支持超大文件】Python打包MDX词典工具
    2 ~2 a1 S+ [9 {9 S* W( n
    非常需要此超大文件打包, 有的文件再合併後再用 mdxbuilder 打包MDX弄不出來' @( Q2 a5 ^9 z7 \
    謝謝仁兄分享此重量級工具
    # S7 n+ m5 Y5 ^- M) `
  • TA的每日心情
    擦汗
    2022-5-20 11:41
  • 签到天数: 222 天

    [LV.7]常住居民III

    发表于 2019-10-9 07:54:53 | 显示全部楼层
    謝謝分享資源
  • TA的每日心情
    开心
    昨天 08:12
  • 签到天数: 2306 天

    [LV.Master]伴坛终老

    发表于 2019-10-9 08:05:03 | 显示全部楼层
    好东西,学习学习,谢谢楼主分享技术
  • TA的每日心情
    开心
    2020-1-5 08:04
  • 签到天数: 50 天

    [LV.5]常住居民I

    发表于 2019-10-9 08:19:19 | 显示全部楼层
    謝謝分享此重量級工具,感谢 !

    点评

    如果是古籍文献,有可能需要用UTF-16。要自己摸索一下修改入口文件。  发表于 2019-10-10 01:04
  • TA的每日心情
    开心
    2022-1-21 00:52
  • 签到天数: 699 天

    [LV.9]以坛为家II

    发表于 2019-10-9 08:28:06 | 显示全部楼层
    学习,谢谢楼主分享技术,争取以后逐步从小白玩家进化到硬核玩家。
  • TA的每日心情
    无聊
    2020-12-19 21:10
  • 签到天数: 21 天

    [LV.4]偶尔看看III

    发表于 2019-10-9 09:06:01 | 显示全部楼层
    谢谢l大,准备考研结束后就折腾折腾
  • TA的每日心情
    奋斗
    2021-3-15 08:06
  • 签到天数: 585 天

    [LV.9]以坛为家II

    发表于 2019-10-9 09:07:57 | 显示全部楼层
    非常感谢你的分享。
  • TA的每日心情
    奋斗
    2023-2-19 20:22
  • 签到天数: 682 天

    [LV.9]以坛为家II

    发表于 2019-10-9 09:21:53 | 显示全部楼层
    好东西 谢谢分享
  • TA的每日心情
    无聊
    2022-9-25 21:09
  • 签到天数: 1136 天

    [LV.10]以坛为家III

    发表于 2019-10-9 09:30:46 | 显示全部楼层
    請問 mdxbuilder 目前能處理的文檔大概是多大?
  • TA的每日心情

    2019-9-20 08:37
  • 签到天数: 214 天

    [LV.7]常住居民III

    发表于 2019-10-9 10:06:07 | 显示全部楼层
    还是可以指定输入文件的命令行方式不较好! h( O. g8 \2 T6 K% n6 O
    比如 python genMDX.py source.txt about.txt
  • TA的每日心情

    2023-7-8 15:11
  • 签到天数: 304 天

    [LV.8]以坛为家I

    发表于 2019-10-9 10:14:53 | 显示全部楼层
    emmm论坛有个excel转mdx的工具很不好用。。。
  • TA的每日心情
    开心
    2023-9-27 20:45
  • 签到天数: 847 天

    [LV.10]以坛为家III

    发表于 2019-10-9 16:54:33 | 显示全部楼层
    感谢分享,看看,学习一下
  • TA的每日心情
    奋斗
    2020-11-15 11:37
  • 签到天数: 249 天

    [LV.8]以坛为家I

     楼主| 发表于 2019-10-10 01:02:33 | 显示全部楼层
    HMPT 发表于 2019-10-9 10:06
    ) Q( S$ i) O2 G( E. @还是可以指定输入文件的命令行方式不较好
    - M6 E  {9 h3 e' D) D, ?! \" j比如 python genMDX.py source.txt about.txt ...
    ( N  Q2 p6 H, W" ^
    这个其实改一下入口文件就能实现,应该不难的。
  • TA的每日心情
    奋斗
    2020-11-15 11:37
  • 签到天数: 249 天

    [LV.8]以坛为家I

     楼主| 发表于 2019-10-10 01:03:25 | 显示全部楼层
    本帖最后由 lgmcw 于 2019-10-10 01:58 编辑
    * m4 w3 f) w2 `, c
    oversky 发表于 2019-10-9 09:30! o# a" S# \3 I  Q
    請問 mdxbuilder 目前能處理的文檔大概是多大?

    , M- C) ?- f: K  O你可以咨询一下@喬治兄 ,他可是屡屡遇到上限。
  • TA的每日心情
    无聊
    2022-9-25 21:09
  • 签到天数: 1136 天

    [LV.10]以坛为家III

    发表于 2019-10-10 07:27:37 | 显示全部楼层
    lgmcw 发表于 2019-10-10 01:03
    1 V+ I: n/ D0 H# [# J+ g你可以咨询一下@喬治兄 ,他可是屡屡遇到上限。

    . S* ^9 k2 }$ o  c( `( g谢谢您的指引。

    该用户从未签到

    发表于 2019-10-10 11:24:07 | 显示全部楼层
    很有用的工具
  • TA的每日心情
    开心
    2021-4-24 17:14
  • 签到天数: 119 天

    [LV.6]常住居民II

    发表于 2019-10-10 11:45:08 | 显示全部楼层
    非常感谢分享!
  • TA的每日心情
    奋斗
    2020-11-15 11:37
  • 签到天数: 249 天

    [LV.8]以坛为家I

     楼主| 发表于 2019-10-12 12:38:31 | 显示全部楼层
    喬治兄 发表于 2019-10-9 07:09) ~6 Y, U8 g; |9 ], g
    感謝 lgmcw 兄:4 U% x! S2 S* _
    分享  $ G% B. Z3 D% s: b: M# ?( N0 t
    非常需要此超大文件打包, 有的文件再合併後再用 mdxbuilder 打包MDX弄不出來

    ! F7 y" s+ I5 Z) ^! v0 d兄弟可测试通过,此工具可还好用?
  • TA的每日心情
    开心
    2018-8-8 03:13
  • 签到天数: 1 天

    [LV.1]初来乍到

    发表于 2019-10-12 12:48:11 | 显示全部楼层
    lgmcw 发表于 2019-10-12 12:38
    + R& }* k2 x8 F兄弟可测试通过,此工具可还好用?

      C7 k# o/ R4 M8 o謝謝 lgmcw 兄關心,小弟還未試呀,小弟會盡快試試,若有困難再向仁兄請益,謝謝啦!
  • TA的每日心情
    开心
    2019-3-26 21:36
  • 签到天数: 178 天

    [LV.7]常住居民III

    发表于 2019-10-12 15:33:11 | 显示全部楼层
    本帖最后由 流星冲击 于 2019-10-12 15:37 编辑   k6 f) k, [3 m' @1 N8 r

    + R2 V8 ~  \4 ^- M0 s% P) A1. 在代码里,以前一个字典的key只能对应唯一个value。而MDict完全支持多个相同词头对应多个意思。所以我改了代码,让一个字典的key可以对应多个value。  w$ j' f. W7 o+ N6 H& A' X

    3 y& m  u5 W5 D( \- k% o之前我和zzzz_sleep讨论过“以前一个字典的key只能对应唯一个value”的问题,他给出的方法是让类Mdict套壳的软件/app的作者去解决,例如用@@@link和a href=词头#锚跳相混合实现查询多个value的方式(具体zzzz_sleep给出的代码的用法我也忘记了,不过印象中还是基于一个key对应一个value的用法),现在楼主这个工具直接从代码层修改一个key对应多个value,这个要给个赞!) s1 r9 L% |4 r9 t- q* `

    & ?0 z6 `1 M+ e# j* f3 _2. 修改排序算法,原版是用的默认python排序,输出的文件在MDict简直不能查。GD勉强能查。' Q: g' }! y1 {' w0 i5 F- I

    ' ^* ~( H. U( o& E/ [我没用Mdict_PC来查询生成的mdx,对于GoldenDict,我看了某些帖子的说法,GD是全部提取mdx的headwords为一个缓存文件而不依赖原生的mdx算法的排序的,相同词头(例如a和A)是以类似多本词典联合查询单词的方式在一个页面内列出所有a和A词头的内容的,如果GD不依赖原生的mdx算法排序,楼主说“GD勉强能查”是单词基本能查询,不过不按照Azure排序(dot,doT,dOt...)这样排列下来?4 a& k: t& u0 \$ F
    手机端的app,以Azure排序,单本词典查询的模式下,安卓mdcit和平典app(平典app可能有些带符号的单词查不到什么的,平典以前的国庆版本就查不到楼主你用python生成的新牛津v2.3.0 beta的单词词头)查询是完美支持这种排序的,而不是原生A再到a这样下来。深蓝dict不能单本词典模式查词,所以不能看到多个a和A,a和A的内容会挤在一个界面,由于不能单本查词,ff大的朗文5++ v1.3.5的气球在滑动单词页面时不能固定在右下角(直接在单词页面最右下角,对于长内容,需要滑动到页面最底部)。欧路app未测试。
    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, 2024-3-29 07:02 , Processed in 0.078075 second(s), 15 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