一键制作图片词典 MdxSourceBuilder

喬治兄

8 r3 _9 k' [+ R7 |1 X1 w, o- e

wjl 发表于 2020-8-16 11:23
你这个定位边算法不是已经有词头了吗？在每页加个左右分界标记，然后不就能够区分左侧单词、右侧单词以及 ...

! P* U4 Y) H9 c- T兄弟，那也得人工去挑出來呀！，怎麼顯示都不是困難點，重點是如何挑出左右邊，人工那不如多花點精神弄精確定位，反正也差不了幾步，所有的動作不就只是想輕鬆點，然後效果又不要差太多，不是嗎？甚至是沒字表，隨便亂匹配也能知道大概位置，或甚至多配或沒匹配到也能找到位置，也能去那估出的位置看一下，辭典到底是否有收錄這個單字與否
+ @4 k& \' M4 t- G

wjl

喬治兄 发表于 2020-8-16 11:34
兄弟，那也得人工去挑出來呀！，怎麼顯示都不是困難點，重點是如何挑出左右邊，人工那不如多花點精神弄精 ...

好吧，不过我不是很理解那种词头不精确、大词表、乱定位的词典有何意义。正规词典上的少数错误都会被各种专家、看客吐槽呀。

wht1979

喬治兄 发表于 2020-8-16 11:34
兄弟，那也得人工去挑出來呀！，怎麼顯示都不是困難點，重點是如何挑出左右邊，人工那不如多花點精神弄精 ...

+ `* [" H8 Q' v3 g0 R  a. i1 s这样用ps批处理左右加上不同的符号再用FineReader  ocr出来应该问题不大。你可以试验下或我可以给你实验个30-50张。（FineReader带格式的保留很全，就是慢）



- U  N2 N' W3 e( i/ Y0 ?

喬治兄

wjl 发表于 2020-8-16 12:07
好吧，不过我不是很理解那种词头不精确、大词表、乱定位的词典有何意义。正规词典上的少数错误都会被各种 ...

. f' L6 c8 d! k) u5 E! x5 c2 bwjl 兄，在下也不建議您用粗略匹配的辭典，本來就不是很好用，最好是弄一次到位的文字辭典，然后文字辭典最好也是沒你所說的OCR錯誤，何必屈就圖片辭典呢，時間，效益，和用途，本來就要拿捏不是嗎？
# R) I/ Y8 M0 C. h4 v2 f

喬治兄

! {; P% R" ^$ _1 l( s

wjl 发表于 2020-8-16 12:07
, R8 D9 T4 H8 B  I( m好吧，不过我不是很理解那种词头不精确、大词表、乱定位的词典有何意义。正规词典上的少数错误都会被各种 ...

  q- K2 h# @6 T- n9 z在下從來不怕人家吐槽，也不說空話，畢竟空話一堆是生不出辭典，這話有點毒辣，除非有更好的實現方法或作為，粗配的缺點不用你說，大家都知道，所用的方法更不是什麼好方法，粗略定位呢，和粗配一樣缺點定不準而且還很難找，這是已知的問題呀，有沒有改善的空間呀，有的，花更多的時間去人工處理呀，若按您的標準，精確定位的處理法，你怎能忍受呢，若是碰到有音節的單詞或內縮的詞頭，請問閣下是OCR校對呢, 還是一個個點擊單詞列表呢.....以上所言並非為粗配護航也無意護航，而是閣下應對事物的本質有所了解再去決策實現的方法, 粗配也是一個笨方法...哪有可能包山包海的全解

VimVim

2 Y% G3 ~8 n; f/ N8 Y9 u4 i: H$ O
真实词典案例：
5 q0 I7 ]2 H7 R9 L
% v" O& v0 t$ y3 M; Y國語日報辭典 - 使用MdxSourceBuilder重制导航
6 A2 x# L1 g& V$ whttps://www.pdawiki.com/forum/thread-41323-1-1.html
(出处: 掌上百科 - PDAWIKI)
0 H/ e6 |9 F  o, a" }/ \5 {

在这个案例中，还增加了一个功能：可以添加现成的mdx源文件。其妙用：特别适合于类似案例这种港澳台等表达习惯不同的情形，要添加额外@@@LINK到已有词条的内容。

VimVim

Update：增加了防错机制，对词条、info等文件的编码都不做要求，无论gbk或utf-8，还是bomb或nobomb，系统均会自动处理。

VimVim

我在 MdxSourceBuilder 标准版的基础上，定制了一个能够兼容多层次词条（主词条+多个相关词条）的版本，用于制作《汉字源流字典-谷衍奎》，大家可以前往观摩，体会开源的好处及程序的灵活性（开源就是这个好处，想怎么改就怎么改）：
. }, E  z" c. u1 h: K
% E9 k) g9 ~' E【汉字源流字典-谷衍奎】最实用的字源字典
3 V0 b6 v( l' _, M2 l7 zhttps://www.pdawiki.com/forum/thread-41393-1-1.html
. r* n+ w3 s& }% ^% p  V* h3 _( T(出处: 掌上百科 - PDAWIKI)

starmars

3 T' D. q/ }$ r: |
建议作者不要搞VIM这么专业的东西，不要用什么命令行，即使您感觉再简单也会令大部分初级人员望而生畏。最好使用C#编程用WPF或者更加原始的winform创建标准的Windows桌面应用软件，一切使用拖拽式傻瓜处理，加一些窗口菜单界面上可选择的微调设置。软件开发结束之后，不要浪费时间写这么多使用说明。写一千个字都不如制作三分钟视频演示教学管用，不要无声的视频要带音频讲解的。这正是我现在正在做的。
2 J" J, k, j& N% _9 [4 ?! I; v

VimVim

9 l  ]" U% j" t. f1 _& {4 S- z

starmars 发表于 2020-8-26 11:44
* }' J: y4 w' a! M建议作者不要搞VIM这么专业的东西，不要用什么命令行，即使您感觉再简单也会令大部分初级人员望而生畏。最 ...

0 E) [+ T$ I3 W期待您的大作！若能超越，那是最好的了，皆大欢喜！

5 ^$ [* l2 Z, R# G6 M3 c6 m3 L不过你对MdxSourceBuilder的理解有误 —— 它不用任何命令就可以使用（讨论可参见21楼）：打开Vim，单击 工具栏按钮 “运行vim脚本” ，找到MdxSourceBuilder.vim，确定，结束。

此外，MdxSourceBuilder 的初衷是开源而且跨平台（不能局限于Windows，毕竟很多人使用Mac、Linux），人人都能按需修改。我水平有限，能想到的就是要用脚本语言，否则编程门槛太高就失去了意义。我的目标不是傻瓜化，而是足够优秀（无论是成品体验，还是制作过程），同时又没有后顾之忧（开源，不要受制于原作者，想怎么修改就怎么修改）。至于傻瓜化只是必要的组成部分（属于产品需求分析与设计的范畴）。当然如果能用Python之类的流行语言编写更好。怎奈我更熟悉Vim，且使用Vim可以让我实现编辑到输出完全都只用一个工具。期待高人能够编写一个更好的Python版本。

" {, \+ ^8 O5 }8 F$ L8 ?
至于教程，其实就一句话：打开Vim，单击“运行vim脚本”按钮或输入命令 :bro so，找到MdxSourceBuilder.vim，打开，结束。

' o1 M, g! v" p
对于普通用户来说，其他的文字都是可以不看，完全属于多余的内容。。。之所以写那么多，甚至GIF无声动画，那是为了协助高级用户了解来龙去脉，以便深度定制或开发新程序，或者纯粹为了让帖子好看一点，有图有真相，吸引更多的用户而已。

! l% R+ t7 c# @! s6 {/ J
! H' Z' D) d* U9 k' i" \

VimVim

# O: G2 S* |) ~2 k, S

starmars 发表于 2020-8-26 11:44
6 E. I# F, r% |建议作者不要搞VIM这么专业的东西，不要用什么命令行，即使您感觉再简单也会令大部分初级人员望而生畏。最 ...

* c( M5 L7 \7 Q9 N1 {; B建议您搞个可开放下载的切图软件更有意义（开源不开源无所谓，但要有反馈的机制，比如Github）。目前流传的切图软件在友站可是讨论的热火朝天（至少说明用户很感兴趣），只是有很多问题得不到原作者的反馈或参与，甚是可惜。

MdxSourceBuilder 从提出想法到已经实现，甚至都出了好几个案例了，也没几个人感兴趣，您若只是重复造这个轮子，感觉有点浪费您的技术水平了。

2 B" m8 b' l: U& S, K若说 MdxSourceBuilder 有任何闪光点的话，我觉得也仅仅是其中的 “一键制作（面向制作者）” 和 “基本导航（面向词典终端用户）” 思想。MdxSourceBuilder 程序本身纯粹是玩具，编程高手看了不笑话就不错了，因为我根本就不会编程。为了实现 MdxSourceBuilder，我还是临时学习的Python，借鉴着相关概念用熟悉的Vim脚本来编写的，你说的那两个技术术语（WPF、winform）我都没听说过，期待我去编写什么C#程序那是不现实的。

MdxSourceBuilder 更多是解决我自己的需求：在目前还没有任何其他替代品的情况下，搞了个粗糙的小脚本满足自己个性化的想法。

# m1 R/ X1 i: w. ]2 X' Y

wjl

VimVim 发表于 2020-8-12 17:12
6 M! z7 _2 E2 p* G# MdxSourceBuilder
( h! m' ^4 T4 D5 j- i
一键制作图片词典：原始词条==> 标准化词条==> mdx源文件 ==> mdx词典文件

: J3 j+ ]4 F# t" o请问一下正文前和正文后部分的页码如何写？图片文件如何命名？假设正文前和正文后的页码如下所示

  S9 R* W+ P- w+ M% |' e8 Y1 j正文前部分：
" V" a: z& f$ z! Q9 b0001
+ C4 w1 e$ \; Z% Y3 Y封面
0002
* }; A; U. X5 e9 z% K7 k( n0003
0004
+ J  B- k/ Z! I' k' H0005
编写人员名单
0006
! J9 L) b4 P' A! l6 U) P4 K8 L! |目录
0 L$ h9 P* G9 y) z0007
序
2 _) o, J5 a( J6 m2 @0008
0009
前言
" H9 n, Y% V; e2 Y1 G0 H7 Q$ F* O0010
体例说明
+ z- G, u" ^7 D0011
( l6 M4 s  V9 s) d0 t, a; K0012
, _* l9 v6 v3 z. E% P略语表
0013
8 k. b+ t7 z3 _$ r0014
; r- s6 ]% t: v5 p" b5 e/ X. J0015
* [$ Q6 P# W6 @- b主要参考书目
0 r) D: P( C7 `% T
$ p. t  Q1 W& X2 `& o正文后部分：
  K# E0 Z" B: o4 W6 {0001
图书在版编目(CIP)数据
: s: Z$ U2 ^. |0002
0003
0004
封底
. L& x9 s4 V8 J/ v! I8 f
/ z9 L- w* H  x) j& Y9 {; [: }

VimVim

- s/ \5 L2 p0 k; w

wjl 发表于 2020-8-31 18:54
; t- T/ v  o' A- G5 Y请问一下正文前和正文后部分的页码如何写？图片文件如何命名？假设正文前和正文后的页码如下所示

4 [* Q, s. e/ P8 I2 P# m* O正文前 ...

3 K4 ?& l* ]) Y6 N! S页码其实可以随便怎么写都可以，默认只要是四位数字都支持（3位或5位等需要更改core程序），但按顺序写（从1开始，或接续正文页码），用起来也符合逻辑不是吗？否则跳着页码来或突然来个第7856页，也很奇怪啊。
3 l. w; n/ C& L% B$ y5 h" v
* d$ M; A) ^; ~, d4 o8 p图片名称是由配置文件MdxSourceBuilder.vim的g:dictionaryParts 决定的：前缀（第2个参数）+四位数字页码（在词条文件中）+后缀（第3个参数），比如：        
let g:dictionaryParts = [
        \["火星词典.Cover.txt", "MarsDictCover_", ".png", 0, 1],
7 ]. v- z( e* [7 N        \]

% }* v6 a) p$ q+ N/ T
8 ^, A0 b; h# i* @: c那么这个图片名称就是 MarsDictCover_1234.png
1 e' T; I6 x5 f( q
  s# u2 f# v* {/ [你在案例中可以看到，我给每个部分的前缀名定义都不一样，就是为了避免不同部分的图片名称冲突了。


4 F7 }2 U; ?6 @, M# C* h, B

wjl

不支持以下格式吗？

' T0 O; ~/ O! B' l: Z& ~0001        A
; S9 j% C: ?* r: n0001        Al/A-one
0001        Al at Lloyd's
0001        d coups de baton
. `1 y  I3 S. d$ {7 m: k' Y5 H0001        d haute voix
0 j" |, {4 ~* J5 Q0 a4 d0001        d Mervielle
0001        A to Z of, the
0001        A/advanced level
0001        Aaron's beard
3 ~+ d& Q2 O8 Y3 t9 |, D0001        Aaron*s rod
) M  F( W' ^. m0 a2 i% g! f( k; Y0001        Aaron's serpent

VimVim

wjl 发表于 2020-8-31 22:53
不支持以下格式吗？
" Z: I% k; y9 @; ]( O" s3 g
9 m' X2 G6 |4 g# ^3 `7 I0001        A

3 |. E+ v* p- n' R6 ^& L1 D支持啊，格式2。
5 q( Z! E' G8 J' }; X( h配置文件中都有说明文档啊，不用这样一点一点问答吧。
: p, B/ r3 |5 N

wjl

VimVim 发表于 2020-8-31 23:16
# y" X9 a) `& n0 _- {支持啊，格式2。
9 ^9 r+ e. c; F& W9 R, F配置文件中都有说明文档啊，不用这样一点一点问答吧。
, X6 Q8 q# X9 s2 G0 J$ A: n ...

8 _1 Z8 S% W4 g+ j. q2 ~, ^程序使用的分隔符是什么呀？我用制表符分割，生成的mdx只有页码，没有关键字词条

VimVim

/ r' w+ K) X8 t

wjl 发表于 2020-8-31 23:21
程序使用的分隔符是什么呀？我用制表符分割，生成的mdx只有页码，没有关键字词条 ...

词条格式的配置参数对了吗？PageKeywordStyle：2
: [/ G* D/ l4 S支持tab或4个及4个以上空格
7 o3 Q" u( R8 D/ X0 T  ]0 g

wjl

VimVim 发表于 2020-8-31 23:24
词条格式的配置参数对了吗？PageKeywordStyle：2
支持tab或4个及4个以上空格

我这里实测用emeditor的tab不行，换成四个空格就正常了

VimVim

wjl 发表于 2020-8-31 23:38
6 G) d6 p+ F; A0 y# v$ M/ i  y我这里实测用emeditor的tab不行，换成四个空格就正常了

你是下载的最新版本吗？中间升级过。

wjl

VimVim 发表于 2020-8-31 23:42
, N; E  t, E+ m6 R你是下载的最新版本吗？中间升级过。

对，我今天刚下载的最新版本。另外，转换的条数也不全，五万多条，只转了四五百条

VimVim

wjl 发表于 2020-8-31 23:47
对，我今天刚下载的最新版本

我估计你肯定哪里出错了，只是你还没发现。
' X4 C5 @5 _+ J3 c# o' s
方便的话，私信我一个案例文件吧，我具体看一下。

VimVim

VimVim 发表于 2020-8-31 23:49
- _# A0 \3 f$ P0 D* g) t我估计你肯定哪里出错了，只是你还没发现。

方便的话，私信我一个案例文件吧，我具体看一下。

找到问题所在了——你的词条文件有问题：

' a8 _8 d; a, l0 j4 E* ~如果你使用词条格式2，其分隔符采用的是tab或4个及4个以上空格，因此，你的关键词中不应该出现与分隔符一样的字符，否则就会造成错乱。经排查，你的关键词中有大量的tab分隔符，错误就在这里了，你把这些tab都替换掉，就不会出错了。
1 B5 w- `4 g6 t如果你不想更改这些关键词的tab键，那么建议你想办法将这个词条格式2，转换位词条格式0，这样，不管其中的内容是什么，都是可以正常处理的。

也可以这么理解，词条格式0的兼容性是最强的，因为它对词条关键词没有任何禁忌。而其他词条格式都会多出一步——将其转换位词条格式0，这个步骤可能会有不少潜在的风险，除非你知道如何排查或避免。

wjl

VimVim 发表于 2020-9-1 01:17
找到问题所在了——你的词条文件有问题：
, t6 n9 Q% y+ [0 L9 S# I
如果你使用词条格式2，其分隔符采用的是tab或4个及4个以上空格 ...

. R7 {- H9 G: u. m分隔符如果能支持自定义就好了。我原来使用分号和tab键做分隔符就是因为单个分隔符容易在词条中出现

VimVim

wjl 发表于 2020-9-1 08:27
分隔符如果能支持自定义就好了。我原来使用分号和tab键做分隔符就是因为单个分隔符容易在词条中出现 ...

5 `0 Q, ~9 G+ \6 B+ d8 t) Y& e你可以自定义。看core.vim文件，随便你怎么折腾。

wjl

既然程序内部也是先转换为词条格式0，我还是先自己转换词条格式0再使用MdxSourceBuilder吧，以免出现无法预料的问题