一键制作图片词典 MdxSourceBuilder

喬治兄

7 P0 x+ h# I( x% }' A4 T% d1 U

wjl 发表于 2020-8-16 11:23
- k* l/ k* _5 G: d; V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 ...

. R. ]9 z; L. N% t8 f! x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

wjl

喬治兄 发表于 2020-8-16 11:34
) U) X3 `9 M( n- Q% i7 K4 v. u, x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 ]4 S1 v) {9 t/ l9 d5 s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
5 A1 O9 i7 @6 h4 y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）

5 K4 W' u8 t  U3 y
+ v+ T- O5 t8 C1 P/ K2 O
5 G7 [4 m" U# ~

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 ...

1 l9 o! p& s5 H0 N( D7 M1 awjl 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？
  ^& B1 i" k1 d: y/ R: A5 o

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 ...

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
, _; U( z! A: h* j' a
1 q, ^: X" o  s

VimVim

真实词典案例：

2 m+ e# {& f; q8 f" `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)

& D* W! z" D# H
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）：

【汉字源流字典-谷衍奎】最实用的字源字典
  o% S+ M  q2 M' z% v. ~( Z5 hhttps://www.pdawiki.com/forum/thread-41393-1-1.html
/ ]7 L9 m2 }5 d! p8 E2 A(出处: 掌上百科 - PDAWIKI)

starmars

6 M8 R3 A. h; _2 s" p$ @3 m& ~% S9 y3 @+ m
& T5 ~' L: s9 C* n& H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。
9 ~! E6 S3 k' W

VimVim

starmars 发表于 2020-8-26 11:44
/ u+ d" z( W7 h: t4 a# o8 s. 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 ...

% j& D- N$ ~8 M1 L, R, M期待您的大作！若能超越，那是最好的了，皆大欢喜！

4 f" }7 ^) S7 `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。
1 b7 Y4 \7 |% J+ C
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。

7 e; ?9 D5 h$ q5 C
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。
" N7 ]4 R; v4 J! z( T
' S7 O/ ~) {2 A2 @6 B# T- c' U
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。
8 D+ }7 L0 J. [% q# N* H- C
1 Q( L% b6 \% Q8 p3 Z) Q; v" X5 P
' I, c# t9 k5 V3 Y0 s

VimVim

, ]3 _, b3 s& \) N5 k

starmars 发表于 2020-8-26 11:44
! f9 j" h2 Y% v/ m+ U; 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 ...

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。
% W! ^+ Y' x8 \, w5 b' t( M6 L
2 K6 R* t5 w" t0 P! A; h$ {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。

  \5 U8 W: U8 c( [) E. p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。

wjl

VimVim 发表于 2020-8-12 17:12
! p, [5 d+ Q$ l1 b( G& f# MdxSourceBuilder

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

6 ]0 Y0 G9 M! D7 b* ^' `% N% v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：
0001
封面
1 p3 w- I2 h8 Z+ x0 A, d+ _0002
0003
0004
( W# O  U- l# R/ |2 U0005
0 Z7 p5 m; f, B. i" C! u. f# @编写人员名单
0006
6 Q3 I5 q9 ]3 h1 o2 q目录
+ D; s: q, V! r/ f& o0007
% H  R; P& t, d. Q% R( B/ b序
0008
" h3 q/ `  U- G7 u0009
$ b% Y; q. z0 p. u4 Y前言
: a/ w3 G9 \% }0 D0010
+ D/ k0 p8 _3 G. C体例说明
7 V4 C( i' ~# i+ o0011
0012
略语表
, u5 `& ~* x& d9 z! q% E, r0013
* E: I2 O, C4 a- H$ ?9 s0014
! H  \6 Q6 m  I/ [0015
主要参考书目
: T3 T& L: X' f" Y2 F. h' w
正文后部分：
0001
, I) L$ A- V0 W% U图书在版编目(CIP)数据
  |4 @% R0 g4 U! o) s+ v0002
0003
, W; |9 x+ [! a* Q0004
8 @5 l7 l7 h! \* z4 e- d封底
' S( w7 @. m2 {+ {

! ]3 E* O" o" N: t' i+ e' v
! \: \3 i: _1 P/ s( I

VimVim

! G% I+ l8 U# O

wjl 发表于 2020-8-31 18:54
( O, q, X* n5 B, }- 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
2 m. v- ^8 D$ @, ]3 r( ?" d8 B
正文前 ...

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：        
* h/ o* _6 a" w% o! s$ d- Wlet g:dictionaryParts = [
7 Y! X/ C. W% V        \["火星词典.Cover.txt", "MarsDictCover_", ".png", 0, 1],
        \]
# c7 \3 O* K$ [: K0 X) i  ~6 L

1 Q0 R) M( i7 E) r那么这个图片名称就是 MarsDictCover_1234.png
% Y8 w+ ~8 x$ y: P9 S
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。
5 d" b  c- d! G3 K" q
: @3 h; ]5 n' `- }8 J- [

wjl

不支持以下格式吗？

0001        A
0001        Al/A-one
0001        Al at Lloyd's
0001        d coups de baton
3 M% m; i0 W1 U% g) W3 r8 t0001        d haute voix
# I2 ?4 _' T* t7 h7 o; |4 s0001        d Mervielle
7 T3 K0 _0 B% ^/ W6 u! v0001        A to Z of, the
0001        A/advanced level
  G  ~# X9 C$ L0 G8 ^0001        Aaron's beard
0001        Aaron*s rod
/ Z' C3 {) M  l8 ?# j0001        Aaron's serpent

VimVim

wjl 发表于 2020-8-31 22:53
( y. |5 b% P" R3 u不支持以下格式吗？

3 U1 c6 b, a( X3 @& z+ j: s. C- k/ r/ v0001        A

& w0 F6 E7 n3 _' R支持啊，格式2。
- T, _7 z8 N+ a2 ]配置文件中都有说明文档啊，不用这样一点一点问答吧。
0 N* v" ?$ b# {0 I( s

wjl

VimVim 发表于 2020-8-31 23:16
6 B( l3 @+ J. r支持啊，格式2。
配置文件中都有说明文档啊，不用这样一点一点问答吧。
...

6 w& U! F6 ~# ?% K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

wjl 发表于 2020-8-31 23:21
7 i4 K9 O1 q/ Y" p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
1 B; b+ |# J: N) D/ W6 Q- d支持tab或4个及4个以上空格

wjl

VimVim 发表于 2020-8-31 23:24
- }, Z, r1 D9 u; N0 q  r8 D2 x词条格式的配置参数对了吗？PageKeywordStyle：2
; V, I+ \; G/ u5 V/ T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
* y/ V* ?" ^5 T& W& d' `2 W我这里实测用emeditor的tab不行，换成四个空格就正常了

% \; ^* u( x. k9 e9 D. D! x" j: Y你是下载的最新版本吗？中间升级过。

wjl

7 y9 @0 V) A7 a  f

VimVim 发表于 2020-8-31 23:42
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
- t8 ~/ S8 N1 C9 [7 F对，我今天刚下载的最新版本

% u4 N. k$ P: p# 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。
9 \% ^7 S9 m. i8 H+ K3 S* C

VimVim

8 ]% S7 l) m% U9 |; f% ?

VimVim 发表于 2020-8-31 23:49
我估计你肯定哪里出错了，只是你还没发现。
- h+ o2 t7 W7 [2 Z" X
2 M1 Q( W# n7 U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：

$ X+ @: W) W! `) C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。
1 @: r# V" t1 _% C5 Z/ Y) R4 _
& X1 `' d; Z0 F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
7 W; c# V) N1 N6 @" I找到问题所在了——你的词条文件有问题：

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 ...

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
- \- K0 P4 @; g8 @( l" u3 o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