一键制作图片词典 MdxSourceBuilder

喬治兄

1 q/ H0 p: H- i- 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 ...

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
! s+ I+ g. x' s. N! Z

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 ...

) }1 i6 A3 l$ p. w4 q* e7 F2 ^) V  y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
6 Y7 g' T$ E3 a; J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 ...

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）


) @/ j  k/ c( W0 y5 X; O0 h

喬治兄

wjl 发表于 2020-8-16 12:07
; j9 R% E# A% q/ p, |0 P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 ...

$ k7 u7 E6 f9 i$ I% Ewjl 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？

喬治兄

# w6 o( k& y) F/ `$ G3 W. N! g

wjl 发表于 2020-8-16 12:07
( N8 n! z# Z/ G$ I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 ...

7 c7 E5 n. i9 }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

5 p2 N# b- G' x, S$ M  I

VimVim

真实词典案例：
. O0 R0 g8 `5 ]- m0 O7 c8 @
國語日報辭典 - 使用MdxSourceBuilder重制导航
https://www.pdawiki.com/forum/thread-41323-1-1.html
(出处: 掌上百科 - PDAWIKI)


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）：

  ?, G. S! T/ d7 i/ v/ W/ f3 o【汉字源流字典-谷衍奎】最实用的字源字典
7 J$ Z$ k3 b4 ?' @* A, Q$ i. c$ [  rhttps://www.pdawiki.com/forum/thread-41393-1-1.html
3 @( A, Q" O( X4 I) S3 i1 c1 [(出处: 掌上百科 - PDAWIKI)

starmars

$ V8 U' O, O+ `4 g* y  X
  n' K9 P8 K; u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。

VimVim

starmars 发表于 2020-8-26 11:44
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 ...

期待您的大作！若能超越，那是最好的了，皆大欢喜！

2 k9 _8 a( F8 o0 {7 n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。

: f- k4 s- d5 g/ G- V" R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。

( c$ v1 W8 ^# ~% \6 L" S7 l
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。
' G. n! w6 M$ u- y! k( ?2 T

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。

* |' b  [/ Y4 t& z& n6 O' t
; k% l7 Z2 I$ D, \4 C) e( @

VimVim

starmars 发表于 2020-8-26 11:44
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+ Y5 m/ H+ t3 O6 G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。

8 s# z. _5 O9 \5 p+ p# |/ w; `2 Z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。
6 _" ~! q9 f- c* y' `4 b, v
* L0 o3 c6 `' F3 F. ZMdxSourceBuilder 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。
0 D# z, W. w# Z2 I& F' ?- A

wjl

VimVim 发表于 2020-8-12 17:12
; H" ^6 Q- ~1 @$ {1 z# MdxSourceBuilder

( b" s3 Z5 K& L6 \4 u) w$ p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

  U# s% t3 v& h" B6 w2 Q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

正文前部分：
6 O% h9 x  m4 x/ v! X: F! y3 c0001
封面
7 `- A/ S! G/ O+ l0 |4 X( u$ |0002
% J8 B2 {) r' S. d; i6 }0003
  i! a/ w! f9 c, D8 `% Z, l0004
( A! d, {/ e8 ?8 H, T$ e0005
) q" `. H+ ]3 H8 g编写人员名单
0006
目录
0007
7 \% _5 Y$ ~6 @( A# f5 w2 x序
; [6 {/ e# D6 ^7 |: H) U6 }0008
0009
前言
+ }/ [6 ]' Y) T# o" t. v6 X0010
体例说明
0011
0 n! ?' q( G4 B' ]4 u$ v. i5 m0012
略语表
0013
1 A4 f* p: y& D0014
( J, K3 o% I, ^% f' Q0015
. Y/ `$ u! ?4 I" L! ]主要参考书目
3 e* G+ D1 b$ c: k6 E' G* E6 h
正文后部分：
; i' S7 [5 Q- v& {! o0001
图书在版编目(CIP)数据
0002
0003
) Z: }# S) c4 X% m' ^8 A0004
1 {/ e6 R; w* c1 w: O- Z1 @封底
+ K- W* ^5 \: c% |1 ?1 K4 v

" l' j( \" l7 U  j6 d- z$ I

VimVim

wjl 发表于 2020-8-31 18:54
, j) ]: k3 T$ s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

0 j: D3 q7 l+ l5 Q正文前 ...

  e1 T. i: c% s3 A# }' {  o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。

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 = [
        \["火星词典.Cover.txt", "MarsDictCover_", ".png", 0, 1],
        \]
# ]. Q8 u* F0 E& _: ]' @
0 n! @4 L) _; u5 A
2 B' o, m! s# q: \, G  _/ p那么这个图片名称就是 MarsDictCover_1234.png
, {! X# ?" m6 |  j+ K4 n
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。

! W( L6 q: j, ?( V& k& }/ J+ L

wjl

不支持以下格式吗？

" V8 M& D3 T3 n4 Y+ j4 r" `0001        A
( j. D+ ~3 o) k, B8 R0001        Al/A-one
0001        Al at Lloyd's
0001        d coups de baton
0001        d haute voix
+ y; i& }# d4 k0001        d Mervielle
0001        A to Z of, the
# p9 K, Z: O+ ^* O4 }$ o- n$ u0001        A/advanced level
  I# n; P/ u: c1 ~- b# F9 L0001        Aaron's beard
0001        Aaron*s rod
/ ^& O0 s/ q) S, H8 ^2 _0001        Aaron's serpent

VimVim

4 l& I/ s2 l# @9 W

wjl 发表于 2020-8-31 22:53
不支持以下格式吗？

2 k8 |% }7 h: A+ }6 m, b. D- K2 h0001        A

% c/ _% a5 E; Y2 [' c+ w支持啊，格式2。
! M, O9 j0 b/ f) Q2 H/ w配置文件中都有说明文档啊，不用这样一点一点问答吧。

wjl

VimVim 发表于 2020-8-31 23:16
7 }1 Z4 s. b8 G+ y8 [支持啊，格式2。
. s  D0 z" c6 t' A) m0 e( _配置文件中都有说明文档啊，不用这样一点一点问答吧。
...

8 z/ _" e! c- y9 F4 Z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

6 ]6 S  _; }, O

wjl 发表于 2020-8-31 23:21
% C5 _6 U6 m8 c. a% N' B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
6 ~! T1 S1 w- b, ~支持tab或4个及4个以上空格

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
2 N9 [% l' `) O% a2 T2 D我这里实测用emeditor的tab不行，换成四个空格就正常了

& @" A6 L$ w! W你是下载的最新版本吗？中间升级过。

wjl

" k/ C* o# m* ~7 S# I

VimVim 发表于 2020-8-31 23:42
2 A3 L# p2 A8 Z9 Z9 w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

! [3 `4 J* i9 g3 i, M

wjl 发表于 2020-8-31 23:47
对，我今天刚下载的最新版本

6 d- Z0 b0 |4 p. T" c% d我估计你肯定哪里出错了，只是你还没发现。
! u- a2 v3 v# o. j' L
- `5 T( G% i6 j4 i0 V6 G方便的话，私信我一个案例文件吧，我具体看一下。
2 H. L% m$ t9 s7 D1 j7 \& l1 G4 t

VimVim

VimVim 发表于 2020-8-31 23:49
8 [% g0 ]' c" Y" J) v) I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。

! t% K) D. C  c1 A  @2 ^5 q6 q3 e8 K找到问题所在了——你的词条文件有问题：
! ]1 U. M& `! u5 P1 ~9 B" 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。
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。
) Z$ O0 t+ g; G7 ?# q
4 v+ r/ ^- J+ ?; T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。
! G4 O/ H9 y- N- c8 o

wjl

VimVim 发表于 2020-9-1 01:17
' M6 p/ r9 ]# f* }/ y3 `* {# [找到问题所在了——你的词条文件有问题：
6 @: S$ h* [, K$ F% c% u) z6 l, Y
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 ...

! M: y% P, m1 q7 i( U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
7 V1 W5 b2 `5 Z0 ]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 ...

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