⚜【支持超大文件】Python MDX词典打包工具 2019-11-19更新

lgmcw

这帖target的是硬核玩家，希望对有需要的人有所帮助。代码比较乱，拖了好久都懒得整理，正好朋友又找我需要，趁着一鼓作气整理出来就正好也贴在论坛里吧。我这里不跟进你那边的环境调试了，如果有运行错误自己修一下(python3可参考楼下的修改经验)；不过还是鼓励回帖反馈。对我以后做新人友好版有帮助。
" w9 ^$ W. Z; n7 ?; K0 _以后我会做一款带GUI的，针对小白玩家。

0 ~, \8 U6 }9 u) I( N入口文件，运行genMDX_ox4.py即可开始打包，附了一个牛津4的txt源码，我已经调试好，确保在我这里能工作，下载后可以直接运行用来测试程序。我的所有字典都是用这个程序打包，暂时没什么大问题。词条数最多我试过的简明英汉400多万词头；体积最大的OED，txt源码就有2.4G；这些打包都毫无压力。不过我这边还在用老古董python2.7；python3应该也能用，如果报错，可能需要自己debug一下。
genMDX_ox4.py is the entrance file you want to use in CMD/terminal. I've also enlcosed a OALD4_azure.txt for testing purpose.
4 d' \! Y' O: S$ K7 w2 H9 N
- v: m; x8 s, y$ ?. ]" m4 y. k# I* o

5 _( `* B# j/ S7 I  ^; cWindows下运行举例（需安装python）：
" L9 A2 I# [0 }

相较于原版我主要改了两个地方：
+ X$ M+ F* c# `. [# @0 `1. 在代码里，以前一个字典的key只能对应唯一个value。而MDict完全支持多个相同词头对应多个意思。所以我改了代码，让一个字典的key可以对应多个value。
2. 修改排序算法，原版是用的默认python排序，输出的文件在MDict简直不能查。GD勉强能查。



7 i& r% R: U- A% B5 ^5 LPython实现的txt转MDX代码：

游客，如果您要查看本帖隐藏内容请回复

欢迎提建议
⚜ 感兴趣可以看看我的其他字典，绝大部分都公开分享。
  B+ Z( T* T' ^; m- I* U) o. V
* s& @( K2 Q! }$ u3 j, ]
* y+ [5 s% T9 g- v" o+ j
) ?" Q. a- U! p  A9 i; @, {5 \
& F& W$ j" r5 T3 E4 h

2 [" C4 ~/ A. `6 [! C6 |

muyuzhth0

python3.8.9调试成功！

- W* N; G+ S/ W! A" R/ v* M做了如下修改：
  d0 N) `4 C! a
1.genMDX_ox4.py

（1）注释掉前三行# -*- coding: GBK -*-  # coding: utf-8  # encoding=utf8，解决SyntaxError: encoding problem: GBK

& K9 D% B: y' F! _% z6 \（2）注释掉import sys  reload(sys)  sys.setdefaultencoding('utf-8')，python3不需要了
* V' J5 c5 o9 V( U7 ?) y
# F# W  @0 t% N- U（3）打开、写入的文件加上当前路径（import os；current_path = os.path.dirname(__file__)；current_path+"/OALD4_azure.txt",），解决No such file or directory:
6 E$ h; H9 k0 \4 q8 \; |
7 H/ v- r( o8 V（4）大神提示OALD4_azure.txt、about_OX4.txt使用utf-8格式。我试了下，两个文件转换为gb2312，代码修改为encoding='ANSI'，也可以成功。另外，goldendict可以打开这两种编码的mdx，mdictpc版只能打开ANSI编码的mdx文件。

9 i( k. B2 Z  e2.writemdict.py

$ ?6 i) O$ W# [, D- v修改 from cgi import escape为 from html import escape，解决cannot import name 'escape' from 'cgi' ，因为python3 cgi.py里面已经没有escape了。换成html，可以用，暂未发现问题。

nihaocool1980

我的是Python3.7的，genMDX_ox4.py文件里面的
9 u, y1 G: i7 y. K* J1 b+ w* l$ oimp.reload(sys)改为：
import importlib
$ p3 l2 R3 b" }4 v5 B1 ^importlib.reload(sys)
1 |& ^( d+ E1 s. }' ?6 s% @, x然后删掉：sys.setdefaultencoding("utf-8")
8 I) J1 x: O* \测试通过。
* ~( j9 E9 D) ~  V
+ q# h( w0 ~, A, K) i" C; z但是生成的词典，用SourceEditor打不开，PC版GoldenDict，安卓版欧路可以打开。汇报完毕。

torresgoal

好的，感谢老铁啊

brbr54

感谢大神分享

xxv

感谢楼主分享

0381yangyili

谢谢高手无私分享这么好的教程

bangbang2021

试试看，谢谢大佬

starll

反馈个问题，直接跑大佬的源码，在mac上会报如下错误：
Traceback (most recent call last):
  File "genMDX_ox4.py", line 14, in <module>
    reload(sys)
5 O, y$ g: q, F- a5 F- MNameError: name 'reload' is not defined

% K( }# [0 W) z解决：
注释掉文件line14和line15，即可

han198808

谢谢L大，等了1年了。

SweetPanda

谢谢大佬 都是好东西来晚了 就看到要关站

zh_lwm

先收藏再研究，谢谢分享

skydan05

震撼！谢谢！

Michael200803

thanks a lot

喬治兄

感謝 lgmcw 兄:
分享

【支持超大文件】Python打包MDX词典工具

- [  q8 g- J# s非常需要此超大文件打包, 有的文件再合併後再用 mdxbuilder 打包MDX弄不出來
: T5 E% m2 {: X1 |; u  @謝謝仁兄分享此重量級工具
5 U& b. g0 ]4 U2 \. n7 [  x4 o

coolfish52

謝謝分享資源

csmpaul

好东西，学习学习，谢谢楼主分享技术

999阿彌陀佛

謝謝分享此重量級工具，感谢 ！

cocowind

学习，谢谢楼主分享技术，争取以后逐步从小白玩家进化到硬核玩家。

laiye

谢谢l大，准备考研结束后就折腾折腾

wrscn

非常感谢你的分享。

codex

好东西 谢谢分享

oversky

請問 mdxbuilder 目前能處理的文檔大概是多大？

HMPT

还是可以指定输入文件的命令行方式不较好
比如 python genMDX.py source.txt about.txt

markwell

emmm论坛有个excel转mdx的工具很不好用。。。

nullname

感谢分享，看看，学习一下

lgmcw

HMPT 发表于 2019-10-9 10:06
8 K6 t* ]) s9 W2 y) ^还是可以指定输入文件的命令行方式不较好
0 ~+ {" T; G( |0 L- ]比如 python genMDX.py source.txt about.txt ...

9 c- d$ ~/ f8 B这个其实改一下入口文件就能实现，应该不难的。

lgmcw

; m' {8 e; F* M5 h5 f, S2 N5 W! k

oversky 发表于 2019-10-9 09:30
0 ]% B( m$ S7 g請問 mdxbuilder 目前能處理的文檔大概是多大？

* B" H% @1 g+ k你可以咨询一下@喬治兄 ，他可是屡屡遇到上限。

oversky

lgmcw 发表于 2019-10-10 01:03
1 X/ ]1 C( D& g* i* I$ P# V你可以咨询一下@喬治兄 ，他可是屡屡遇到上限。

谢谢您的指引。

littlewj

很有用的工具

huwei007

非常感谢分享!

lgmcw

喬治兄 发表于 2019-10-9 07:09
$ O' H6 |; K1 [  t7 z. n感謝 lgmcw 兄:
分享  
非常需要此超大文件打包, 有的文件再合併後再用 mdxbuilder 打包MDX弄不出來

1 H! C& n6 {! A$ Z, m8 r6 J$ {兄弟可测试通过，此工具可还好用？

喬治兄

lgmcw 发表于 2019-10-12 12:38
: j% L) v% ^) U/ Y* n6 B6 ~: f兄弟可测试通过，此工具可还好用？

謝謝 lgmcw 兄關心，小弟還未試呀，小弟會盡快試試，若有困難再向仁兄請益，謝謝啦！

流星冲击

: H, y* J) Y% ?
1. 在代码里，以前一个字典的key只能对应唯一个value。而MDict完全支持多个相同词头对应多个意思。所以我改了代码，让一个字典的key可以对应多个value。
4 e, p* ~7 K/ Q, r
8 h4 }* }& B4 {7 C之前我和zzzz_sleep讨论过“以前一个字典的key只能对应唯一个value”的问题，他给出的方法是让类Mdict套壳的软件/app的作者去解决，例如用@@@link和a href=词头#锚跳相混合实现查询多个value的方式（具体zzzz_sleep给出的代码的用法我也忘记了，不过印象中还是基于一个key对应一个value的用法），现在楼主这个工具直接从代码层修改一个key对应多个value，这个要给个赞！

2 ]; U# K' y9 l; B# Y2. 修改排序算法，原版是用的默认python排序，输出的文件在MDict简直不能查。GD勉强能查。
# a. m# o, k, G( p6 _0 I2 ^
1 v& n- d* Q. {" E$ n2 q我没用Mdict_PC来查询生成的mdx，对于GoldenDict，我看了某些帖子的说法，GD是全部提取mdx的headwords为一个缓存文件而不依赖原生的mdx算法的排序的，相同词头（例如a和A）是以类似多本词典联合查询单词的方式在一个页面内列出所有a和A词头的内容的，如果GD不依赖原生的mdx算法排序，楼主说“GD勉强能查”是单词基本能查询，不过不按照Azure排序（dot,doT,dOt...）这样排列下来？
3 @- ^9 Q4 I6 S: |0 w1 p手机端的app，以Azure排序，单本词典查询的模式下，安卓mdcit和平典app（平典app可能有些带符号的单词查不到什么的，平典以前的国庆版本就查不到楼主你用python生成的新牛津v2.3.0 beta的单词词头）查询是完美支持这种排序的，而不是原生A再到a这样下来。深蓝dict不能单本词典模式查词，所以不能看到多个a和A，a和A的内容会挤在一个界面，由于不能单本查词，ff大的朗文5++ v1.3.5的气球在滑动单词页面时不能固定在右下角（直接在单词页面最右下角，对于长内容，需要滑动到页面最底部）。欧路app未测试。