一键制作图片词典 MdxSourceBuilder

喬治兄

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
" v% f" W/ T' P- t4 `

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 ...

2 j( \6 M9 ~" k  b; @9 V: j+ V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 ~2 s# \1 M# P: D- c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 ...

" a- |/ t! e! n% `! }* O+ ?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）

2 Q0 ?9 m1 M7 t1 S" i" E
6 ]1 Z; T; E+ R5 f1 a8 I& {8 R
, ^: V% K* l* S& |) Q% a

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 ...

4 ~' E2 a( A. x; I9 ?wjl 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

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
9 k; @; b) y2 n8 v

VimVim

, E* o* n; \+ ^& o1 I3 l5 U
真实词典案例：

9 v: R# J( {$ o6 L國語日報辭典 - 使用MdxSourceBuilder重制导航
* o2 A& [3 Q! k: l7 f! F) J/ x/ Fhttps://www.pdawiki.com/forum/thread-41323-1-1.html
) y+ Z( f* J! |! ^. W(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）：

0 l4 F8 p; M$ V# ~【汉字源流字典-谷衍奎】最实用的字源字典
; \7 }7 d9 h* x5 B8 i* ^https://www.pdawiki.com/forum/thread-41393-1-1.html
2 o2 _' H1 _: F; u! \(出处: 掌上百科 - PDAWIKI)

starmars

/ `4 S- x& g8 o2 }( A# G& N
1 o3 N# ~4 J/ U# U( E' X' e1 W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。
; F4 {# n7 l* w1 n/ q: l3 N

VimVim

) u: {; J  P- ]) i

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 ...

- a0 y( u- U) }& _' r6 X3 s期待您的大作！若能超越，那是最好的了，皆大欢喜！
3 ?; ^5 H! k( b! V6 r
' r) a6 k7 {$ V- x( f2 b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。
' N# t2 ^; q5 V$ G
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。


. ^0 S# Z) b3 T7 J6 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。

, f) r' L( G5 ?4 i
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。
$ m/ {* ~5 W7 i' b

" `5 B1 _( T3 f2 X

VimVim

. {3 a3 J1 d; J+ Z1 Y

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 ...

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。
1 @; H9 I; m6 F$ }
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。

; u% ^3 |: M3 @% ^" R4 v8 @$ Y* S* `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
# MdxSourceBuilder
+ q2 a, T  T: a$ _4 u' j
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

0 e  t- @" o& D1 I  G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
5 H! P1 M8 x  w" @& g* ^8 ^0002
0003
0004
4 O2 C& a  D/ m! p+ Q0005
编写人员名单
0006
& T  k4 A9 h0 W# C1 f目录
* `) G1 i- P. w! ~0007
" L* e  b; Z# W( Z序
0008
0009
前言
0010
体例说明
0011
0012
6 i) B# t2 R6 a2 I4 o: V$ E3 H) g略语表
2 A0 Y. ]2 K9 e+ n; {/ r. S9 j5 D/ L0013
0014
0015
主要参考书目
: \( |" w* N3 N0 W4 @
2 T2 U3 h' O6 F( Z+ U. j正文后部分：
/ ?3 t9 k2 k% S, G0001
$ a" i/ {( F, @  i* X7 {' h, e1 n图书在版编目(CIP)数据
- H2 ^' I3 s* A0002
1 f3 S, E! \7 H, b6 C6 |4 |* {- Y4 I0003
0004
封底
6 t. \* ]2 z1 r: w) {2 t: a0 a3 U
4 _* ?6 o+ ]$ K) Y. m* W

' E$ Q$ s  g8 X1 R# R4 M! [/ ^- N

VimVim

wjl 发表于 2020-8-31 18:54
4 |' b- X  a2 b+ U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
/ V: G& @9 v' m8 ]  M; C
正文前 ...

- I$ |% _0 d( }9 j) T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。

; [# a' m  i6 S* B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 = [
& h0 w" v, A7 O) j3 n, m( Y        \["火星词典.Cover.txt", "MarsDictCover_", ".png", 0, 1],
0 `* Q. w1 E/ p2 H7 O3 W) t0 i        \]
% ]8 Z+ g: e+ c

那么这个图片名称就是 MarsDictCover_1234.png

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。

wjl

不支持以下格式吗？

. B% R0 I% J6 b4 J0001        A
5 v' V, L' M! h5 y! J0001        Al/A-one
8 G* E8 V2 ]" j1 \( \9 t1 y' }0001        Al at Lloyd's
0001        d coups de baton
9 ~5 f1 \( c  N& V3 p& Y0001        d haute voix
# d7 t! ?% v* D0001        d Mervielle
+ Y: c6 N% _: K' q" w0 Y' \0001        A to Z of, the
0001        A/advanced level
3 u3 n; T7 T: B% r; T" V7 W0001        Aaron's beard
0001        Aaron*s rod
0001        Aaron's serpent

VimVim

wjl 发表于 2020-8-31 22:53
不支持以下格式吗？
$ @7 i9 [! s* T5 N  R
( i% ]# V8 _, ?- ^8 e' m3 v0001        A

: L/ n0 f+ a" ?% a$ Q支持啊，格式2。
, k3 P/ ]' G% C7 Q7 k+ J配置文件中都有说明文档啊，不用这样一点一点问答吧。
: b5 c; w: ~6 D2 @1 m$ H

wjl

VimVim 发表于 2020-8-31 23:16
支持啊，格式2。
; b" Y/ S  j8 O) d2 l9 L; j; k  u, ~配置文件中都有说明文档啊，不用这样一点一点问答吧。
...

9 T: k# F% f# ~) _6 \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

- q9 e7 f$ V4 E  \2 z

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
- Y( ]2 r  I$ _2 H# }# d5 V支持tab或4个及4个以上空格
4 u' o9 A. V( K! Z3 [

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

& q) s2 Q/ b2 `+ _8 ]# @4 t) @3 |% v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
% t& I4 V2 l% e1 O; P我这里实测用emeditor的tab不行，换成四个空格就正常了

! {% l9 e0 J+ x6 f' A; O. S你是下载的最新版本吗？中间升级过。

wjl

$ B: E8 \% Y& Z0 C6 ~

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
对，我今天刚下载的最新版本

* c0 ~; A8 T$ s6 G' J# I! t4 w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。

VimVim

: n& V# R( o* _- d+ w

VimVim 发表于 2020-8-31 23:49
, T2 ?/ S6 o3 G; O6 p" S& ^我估计你肯定哪里出错了，只是你还没发现。
% O& t& N2 \# k- |" Q% h& L' E
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：
' b3 j. b. D, Y: `3 B  y# |  N$ t1 m
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。
+ R& K) ^- n0 J1 u( P
2 U/ d; q4 _: z* h1 W; I, 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。
* r- m( o& W7 _) b4 k+ K

wjl

5 H& S; a! [- r/ a! r" f

VimVim 发表于 2020-9-1 01:17
  Q7 w  h7 j& B# v% L# H8 \2 p找到问题所在了——你的词条文件有问题：

9 b- [) v, C4 a7 M$ _! R: a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 ...

# e+ T: ~( k5 F; 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

VimVim

wjl 发表于 2020-9-1 08:27
* I9 C2 `. j# F+ g) U4 H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 ...

' _1 Q- v+ x1 d8 H$ {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