一键制作图片词典 MdxSourceBuilder

喬治兄

6 Z# g, S" M2 j

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 ...

0 I/ B' n) f1 ~' g, o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
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 ...

  }. [) C; e7 ^" f+ v4 |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
8 b/ j  y% z1 Y7 f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 ...

0 `2 K: z8 G1 e- C$ L3 i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! F* C3 J  T

0 y  P. f8 g: r5 v* o
  y( Z# C) W" p% j, }9 l/ g$ S

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 ...

% U( t4 ^/ D7 a2 Twjl 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？
3 J5 }! `' [5 l2 _

喬治兄

: i+ c+ C0 }7 D" f1 G# W$ _$ R! j8 L

wjl 发表于 2020-8-16 12:07
7 Y' y* M+ u' 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 ...

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
; |6 J6 Q( k+ X

VimVim

9 q) F: y; E3 `) C* T+ m
; s7 q2 @! |# Z1 Q+ \  K真实词典案例：

國語日報辭典 - 使用MdxSourceBuilder重制导航
7 B( [+ b$ l) i6 o8 y$ f, Rhttps://www.pdawiki.com/forum/thread-41323-1-1.html
: U" U4 m" o& G) S0 l7 w! c(出处: 掌上百科 - PDAWIKI)


- I$ J6 g9 b' `1 e: j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）：
8 D; [7 Z( d- B; `& X* E- `
【汉字源流字典-谷衍奎】最实用的字源字典
; [3 i6 [# ^3 g  |4 J! C" Y, @$ Ghttps://www.pdawiki.com/forum/thread-41393-1-1.html
(出处: 掌上百科 - PDAWIKI)

starmars

1 K- I9 O8 E4 W0 K# f% k2 x( Y/ j/ z
5 }+ x( e# s& A, p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
3 E0 i/ }! ~$ p$ Q/ x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！

5 a% J5 N' b- y9 a' R8 H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。
# m+ L- \: d, g& _/ y
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。
" i- ?; g( C1 e
6 ?5 d5 X- R; M; e1 Y5 L  p
0 h: G3 k* S1 |) v3 q  I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。

2 N/ I+ W$ S* O
, {" K0 L1 N) {  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。
- n4 N0 g7 o1 D+ k: A  y
2 O5 ~  q. U3 g8 u8 c, C% D6 e  G
8 H  D! S4 ^/ D4 |* l) R

VimVim

. m7 I2 E6 t# 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 ...

# B; f4 e0 ~4 U, Y0 r; L! Z% N2 x$ B# A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。

9 Y! ^9 X8 X1 ~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。

( p0 t9 H+ T- S/ y" V2 d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。
' U9 ^& M* K) t. B9 V6 r
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。

% A6 a1 Q' t5 g1 I5 O3 V

wjl

VimVim 发表于 2020-8-12 17:12
# MdxSourceBuilder

3 P: B% S4 f/ O) B3 r0 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

; T/ Z/ i5 S' K& 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

正文前部分：
0001
封面
$ R3 y" M' N. I0002
9 ~4 C/ U; I! Z7 ?2 Y8 T" t0003
0004
0005
" w! C- W2 Q6 Y. v; x# k编写人员名单
0006
" _; L& M& j2 D! Y- x  o目录
0007
序
0008
% O( \7 O9 P* J4 o4 H7 {- z7 Y0009
: M, d$ U7 }' W; l* G: F5 h前言
0010
, ], p5 Z6 s" T体例说明
8 ~; m; _' U2 z" k0011
0012
略语表
, }. U) k+ e( [% V$ g0013
: M4 s. d, m1 s  O+ f4 o6 f8 C2 q0014
) C2 U9 O+ \1 G1 f0015
" I0 E% ?" v7 z# v. Z主要参考书目

正文后部分：
0001
图书在版编目(CIP)数据
0002
0003
0004
2 u1 `1 [) F1 w6 y* u7 r4 m5 O封底


! r, d1 O, z: Z4 w! \

VimVim

; b! O9 m. T9 `6 `. B

wjl 发表于 2020-8-31 18:54
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 ...

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。
# I' ^9 Z" }; A
  |+ {* ^& m& h0 ]8 a* a# h) s/ W( d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：        
$ m% Q  E5 I5 z. {. {( x/ n: Flet g:dictionaryParts = [
        \["火星词典.Cover.txt", "MarsDictCover_", ".png", 0, 1],
8 A! w' A6 u4 a1 l: F" g        \]


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。

- G% _' X8 A& u( M+ `

wjl

不支持以下格式吗？
  r1 W% e7 C( x( l+ ]8 @# A
7 P' ?/ }6 T6 v6 ~3 P, a0001        A
; T: Y9 }) N/ r" j' ?0001        Al/A-one
0001        Al at Lloyd's
  U5 H9 c  r% N6 \0001        d coups de baton
0001        d haute voix
0001        d Mervielle
' k% u6 j  C; [1 @* }/ `2 t0001        A to Z of, the
0001        A/advanced level
% g+ _. F/ s7 n+ B- h4 M( ~  i0 T0001        Aaron's beard
0001        Aaron*s rod
0001        Aaron's serpent

VimVim

' ]' e, Z0 D- G5 i8 l0 v

wjl 发表于 2020-8-31 22:53
不支持以下格式吗？
) b9 _& \* ]4 x' _: P) \# _
& u6 R* ~' X& |: C; Y0001        A

: s8 E5 t2 W# i$ d/ }5 Q支持啊，格式2。
5 j4 S- B& l3 W- a+ l配置文件中都有说明文档啊，不用这样一点一点问答吧。
9 j1 m9 N3 K" a8 e

wjl

VimVim 发表于 2020-8-31 23:16
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。
...

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

- b' v3 }, v4 N3 |- \

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
支持tab或4个及4个以上空格
7 ?3 v0 |* j' A+ M9 l8 O

wjl

VimVim 发表于 2020-8-31 23:24
, o" \0 [* P7 V  z: I0 \! w8 ]1 B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

2 U$ R- H, n5 d# N" y" @( b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
% ]% V: p* r8 V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
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

5 v8 O" b3 W% T我估计你肯定哪里出错了，只是你还没发现。
$ r9 n( m6 Y5 Y. `5 E
* c+ E. K- a+ R3 E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
* v" L- E$ ?9 ^7 [我估计你肯定哪里出错了，只是你还没发现。
, a& ]- A. O# Y1 s8 v+ _
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：
8 a$ c' @7 N  \( X
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。
6 R; U0 v+ b9 c: 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。
6 i: n, e, j+ a8 {5 a' M9 O

wjl

! k0 L7 ]' S2 L2 L0 w

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：
4 \8 U" D1 g) a+ J& 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 ...

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
6 G( y! y. K  {0 I& F  c1 ?, V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 ...

+ q0 I5 P# {" \, x  ?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