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: 246|回复: 2

[经验交流] 一个GoldenDict或任何词典软件 全文搜索 的局限性

[复制链接]
  • TA的每日心情

    2019-9-23 23:38
  • 签到天数: 8 天

    [LV.3]偶尔看看II

    发表于 2020-2-3 13:02:43 | 显示全部楼层 |阅读模式
    本帖最后由 lbhl 于 2020-2-3 13:18 编辑 * }; Z9 m' y9 B  e( x. a
    4 b( K; O& W) Q. I$ e3 `
    最近才注意到一个GoldenDict(或任何词典软件)全文搜索的一个巨大局限性:被搜索的内容如果是多个关键字,那么这些关键字之间不允许再有其他HTML标签分隔。即它们必须位于必须位于同一个标签层级,不允许其中任何标签单独再被其他标签围绕。否则将不被全文搜索所发现。这种简单的文本搜索方法对程序员来说是方便了,但对使用者而言则是被屏蔽了本应该看到的内容。
    1 a+ }3 u; @6 {; _2 w. `* S因为最近肺炎肆虐,看英文新闻的时候常看到一个搭配 “infectious patient”,意思是“被感染的病人”。 想进一步查阅infectious的用法。
    ) b3 f% l% V" A6 y7 o# A牛津高阶:
    7 F% s5 y5 R4 Q3 u[not usually before noun]if a person or an animal is infectious, they have a disease that can be spread to others患有传染病;有传染力! \* ], |) g( `0 g: C# P& P
    明摆着最近看到无数新闻中有 “infectious patient”这种用法,它竟然还说[not usually before noun],简直是一派胡言!之后又查阅了多部词典,竟然只有一部韦氏高阶双解中看到了解释:
    0 n0 S! i3 A4 Nsuffering from a disease that can be spread to other people by germs患传染病的
    ' b' V2 W5 d3 D an infectious patient- X5 f6 e8 S0 M; `4 m$ [1 l
    传染病患者
    : ^7 }8 |, V2 p6 ^; {# P, M. ~3 t% o/ t
    接着,又在GoldenDict进行全文搜索 “infectious patient”,结果搜索到其他几部词典例句中也有此用法,但韦氏高阶中刚通过词头infectious看到的上述例证就是搜不到。0 f; s( x- W: R7 m' ?
    接着再仔细观察韦氏高阶中该例证的HTML,原来infectious用了一个em标签围绕,但patient没有。难怪词典里显示infectious这个词的时候是斜体。
    / Z9 l  K9 g: H* AGoldenDict显然是将“infectious patient”作为一个整体去利用正则表达式的API来搜索,而不会自己分析词库的HTML将em标签去掉。如果将全文搜索的“最大间距”设置为非零,一样无用搜不出。GoldenDict不会认为em标签本身是属于关键字之间有效的内容。
    7 q& I, V  @# @  r8 P, ~
      g* Z' H5 f: _7 v- q8 a1 X! |如果高手能解决这个问题,无疑全文搜索能获得更多有效的结果。但通用的解决方案在编程上肯定是一个大难点。7 L  i3 e8 _% C
    但我想,有一个简单可行的解决方案,即针对特定的词库专门编程来处理这些干扰HTML标签。词库那么多,同一个词库版本还很多,显然每个都专门处理工作量巨大。但是,实际上绝大部分人都在用的经典词典也就是十几二十部而已,如果专门针对这二十部词典编程工作量也不会大,但能解决绝大部分人的问题,肯定会深受使用者欢迎。此外,可以通过扫描文件计算MD5来判断词库版本。
    - G" S# A1 o5 Q; p' Z% N; f: u# M( |9 b# s7 ^/ ^- o

    0 z& t9 \* o; u& |3 U% c( G4 h( g/ k, C, \7 R! W
    1 ~7 D! k9 G; N0 d. s+ ]0 I
  • TA的每日心情

    23 小时前
  • 签到天数: 96 天

    [LV.6]常住居民II

    发表于 2020-2-3 14:02:04 | 显示全部楼层
    你找这一本英文韦氏,全文搜索找得到你那个例子  (或许更简单的应对方法就像这样,多装几部词典来对照,就算其中一两本是漏网之鱼,还有其他的可以补上,算是一种「词典海战术」吧。)! v: G5 V, W) j( k$ F: q3 P
    -------
    , p! @. w: @" V% V; [  _- YMerriam-Webster's Advanced Learner's English Dictionary, online, 2016/2/5 - o  M" Q6 [# ]

    1 y% n2 i2 c9 Xcopyright © 2016 by Merriam-Webster, Incorporated
    + ~2 ?6 D7 t# Q! m
    : I# e( p5 j) xCopyrights
    5 O. u2 c( G4 g+ p. s. Q* r4 C* L, L% q& ^0 A3 v
    All contents of the Services are © Merriam-Webster, Incorporated or its licensors. All rights reserved. Merriam-Webster Online (www.Merriam-Webster.com, www.LearnersDictionary.com) is copyrighted 2016 by Merriam-Webster, Incorporated. All rights reserved." C' x  z) E: g
    ! g- g* p4 P" V3 S/ Y
    NOTE: This material is for academic and personal use only, free but WITHOUT ANY WARRANTY.
    $ n, J) V4 b+ ~9 h5 T
    2 |3 o; k* p" S6 STHANKS TO THOSE IDs: e****y, T***a, y*****t, L********g, y*******s, 无**, z*****c, s*****7, l**********i, O***y, g****b : ^: C- L% E" e! ^# u

    + p/ W( V( d, O& umdx made by g****b
    ! d! c' I/ R0 H8 s% bLast Updated: Feb 15, 2016
  • TA的每日心情
    奋斗
    2019-10-13 07:34
  • 签到天数: 209 天

    [LV.7]常住居民III

    发表于 2020-2-3 16:02:18 | 显示全部楼层
    用正则模糊搜索就好了
    您需要登录后才可以回帖 登录 | 免费注册

    本版积分规则

    顶部qrcode底部
    关注公众号送论坛充值码
    关注微信公众平台
    关注微信公众号 pdawiki,获取邀请码,看文抢积分,抽奖得浮云! Follow our Wechat official account "pdawiki", get invitation codes, and play the lottery to earn points (积分)!

    小黑屋|手机版|Archiver|PDAWIKI |网站地图

    GMT+8, 2020-3-28 23:15 , Processed in 0.130317 second(s), 8 queries , MemCache On.

    Powered by Discuz! X3.4

    © 2001-2017 Comsenz Inc.

    快速回复 返回顶部 返回列表