klwo2 发表于 2020-8-11 19:17:42

教你用人民日报参考消息全文数据库mdx做简单语料库

本帖最后由 klwo2 于 2020-8-11 19:18 编辑

原始资料从这里下：https://www.pdawiki.com/forum/thread-41276-1-1.html

这个东西是阿彌陀佛从老资料网上抓的，我觉得适合做简易的语料库，研究现代汉语的人可以用用。

我教大家怎么把mdx转成适合搜索的txt，但是不会给成品，原因很简单，因为txt里面的内容开放，度娘看得到，说不定传上去也会被和谐掉，还是只说方法好了。

第一步，用mdxexport把mdx转成txt

https://i.loli.net/2020/08/11/ZVq8Rr1uxHKBWnF.png

这个没有太多好说的，文件比较大，等进度条走完就行了。

第二步，把txt分割成多份，我用的是阿海文本分割器，这类工具大同小异，随便选一个

https://i.loli.net/2020/08/11/M4qETVAXfiQse9t.png

选择【按份数分割】，人民日报选200份，参考消息选100份，按【执行】 按钮即可

阿海文本分割器有个问题，就是分割后的文件路径永远都在C盘，留意一下剩余空间足够

第三步，使用FileLocator，定位到目录，用正则搜索即可

https://i.loli.net/2020/08/11/WmTyBqOs2SoLi7p.png

它的速度比goldendict全文检索快，比如我这张图上搜的是「坚决……的行为」，中间插入最多10个字

999阿彌陀佛 发表于 2020-8-11 19:57:11

這樣的教學帖多多益善！

abtxu 发表于 2020-8-11 19:34:54

用奶牛网盘估计不会被和谐

Mandolin 发表于 2020-8-11 20:29:26

FileLocator 的全文检索似乎挺不错

shuwushimang 发表于 2020-8-11 20:33:06

感谢赐教，大赞！

Bartleby 发表于 2020-8-11 20:34:59

但是不会给成品，原因很简单，因为txt里面的内容开放，度娘看得到，说不定传上去也会被和谐掉，

楼主不会打包成zip文件，再设置个密码上传吗？

Toyger 发表于 2020-8-11 20:49:05

人民日报这种二流报纸也就那么回事{:6_130:}

人在上海 发表于 2020-8-11 20:54:58

HyConcv3.9.8免费版和免费的AntConc更专业些，都很方便。

zaijiaseng 发表于 2020-8-23 12:01:41

txt文件分割之后，有很多文件是乱码！

dave 发表于 2021-2-25 22:22:52

人民日报参考资料做的视频
页: [1]
查看完整版本: 教你用人民日报参考消息全文数据库mdx做简单语料库