教你用人民日报参考消息全文数据库mdx做简单语料库

klwo2

原始资料从这里下：https://www.pdawiki.com/forum/thread-41276-1-1.html
- o& u5 B7 a) [. Z! c! D
这个东西是阿彌陀佛从老资料网上抓的，我觉得适合做简易的语料库，研究现代汉语的人可以用用。
) [" ~- n! {$ ~- n2 k. `
8 A. q& r3 [! S+ @, ^4 \9 }; S我教大家怎么把mdx转成适合搜索的txt，但是不会给成品，原因很简单，因为txt里面的内容开放，度娘看得到，说不定传上去也会被和谐掉，还是只说方法好了。

6 c9 z; k- x$ }% j, l% B  [5 B# T9 d第一步，用mdxexport把mdx转成txt
0 P! P6 C6 s6 ~9 [; Q: R
- T. k6 W5 g3 V  G/ K
4 F" Y1 J8 c& X' a$ v
这个没有太多好说的，文件比较大，等进度条走完就行了。
; E7 W% j3 |1 R& X3 t$ Y
第二步，把txt分割成多份，我用的是阿海文本分割器，这类工具大同小异，随便选一个
; O& [  G% Y2 ]9 C3 d0 M

1 ]. V# r2 k% ^  Y& f/ k5 h
. E! F* S" Q5 g3 q$ B% C选择【按份数分割】，人民日报选200份，参考消息选100份，按【执行】 按钮即可
' _( G6 o- @$ E& g
0 H5 X1 T: [* G; |+ m( K+ }阿海文本分割器有个问题，就是分割后的文件路径永远都在C盘，留意一下剩余空间足够

' z0 a' a  e" p- ~第三步，使用FileLocator，定位到目录，用正则搜索即可

/ \8 v( C+ W% n  N/ i/ l
2 I3 T- o( P, `1 B8 L" d5 Q- L$ h
# ]2 A$ w. g3 W4 y; U+ @9 T它的速度比goldendict全文检索快，比如我这张图上搜的是「坚决……的行为」，中间插入最多10个字
! u% N! x2 K: }) [3 }, i

999阿彌陀佛

這樣的教學帖多多益善！

abtxu

用奶牛网盘估计不会被和谐

Mandolin

FileLocator 的全文检索似乎挺不错
. p" R1 z; u. U9 l+ M: t

shuwushimang

感谢赐教，大赞！

Bartleby

但是不会给成品，原因很简单，因为txt里面的内容开放，度娘看得到，说不定传上去也会被和谐掉，

楼主不会打包成zip文件，再设置个密码上传吗？
: ^& s# U/ }# ]5 O& L

Toyger

人民日报这种二流报纸也就那么回事

人在上海

HyConcv3.9.8免费版和免费的AntConc更专业些，都很方便。

zaijiaseng

txt文件分割之后，有很多文件是乱码！

dave

人民日报参考资料做的视频