TA的每日心情 | 擦汗 2021-3-8 17:59 |
---|
签到天数: 2 天 [LV.1]初来乍到
|
楼主 |
发表于 2014-2-11 18:15:25
|
显示全部楼层
本帖最后由 lixun305 于 2014-2-13 11:59 编辑 1 @; V9 A# f5 ~* q0 U6 w6 @' U' ^
3 N/ p/ f$ h2 w1 |3 U
粗略程序已经上传: SqLite2MDB.exe ,有啥bug请交流或告知,千万别骂娘。
- @8 {4 I$ F4 X9 ~# ?, c1 Z. v" z l2 c7 @3 w2 T a
现代汉语词典第六版.mdx制作过程:
V% z! Z+ u) y2 J网上有好几个 “现代汉语词典.apk",重名,也没具体研究过,但都号称支持第六版,这就够了,咱就从这个抓起(版权问题归原作者,这里纯研究,不过好像他们的词库都几乎一样,这个版权怎么说呢?)。5 o( D% x- U7 V) c9 F: z# p P/ ^& Q
简言之
( {/ c' Y, I, u/ A) b, v' R/ K2 h1. 网上下载apk文件4 ^1 O9 X5 _! U. ], z9 l6 Y
2. 从其中提取出词库
9 i# I( c5 u. J4 \, P( P3. 进行整理& Y/ n1 Q; J4 g9 ?
4. 转换成 mdx 文本6 N2 n; y% j4 w: n
5. 用mdxbuilder生成。
4 l0 n- D4 b/ r6 a/ |2 l3 }# a- }' O5 V
详细制作过程待续。。。 6 y2 K9 Q2 e' A2 H, ]( c
' p& G Q7 B9 Q1 Q$ C
不一定有通用性,不喜勿喷。。。
7 c* K ~& e- h9 @( {/ D3 n7 }6 q U/ U. g7 C
1. 网上下载apk文件( t4 h) ~/ A% ^- ]; g% a
apk文件就是android的标准可执行文件,点击就可以安装到手机上,类似于pc下的.exe文件。究其根本,android源于开放系统linux(我不怎么懂,姑且这么说,勿喷)。所以,apk文件本质上就是一个zip压缩包。 下载到 现代汉语词典.apk后,更名为 *.zip,解压到某一个文件夹下,看到一堆目录和文件,有一个文件夹 assets ,里面是 apk程序的一些数据文件, 在资源管理器下用 详细信息 方式查看,然后按照大小降序排列,一般情况下最大的前几个文件就是词库文件,例如 我看到的:
* P: w6 x) o- s+ P. ?; V) W apk1:
0 i9 y8 [6 D. z, c xingkai.ttf
5 a! T" N2 V6 B! E story.dll
) G4 @) T1 N# _1 L3 [# A4 { apk2:2 c( T1 q) [5 }4 I, ?# _8 K2 k
dictionary.dll2 g( y5 `" R! I _4 \2 a
当然,都是穿着马甲的。; B4 D r' D: k+ _; k
用ultraedit打开,可以看到:
~6 E/ Q8 T; B4 k! b$ { 伪装成 字体文件的 xingkai.ttf 实际打头的字节是 PK,那么,他就是一个zip文件,把他更名为 xingkai.zip,解压缩,得到 8 d% T" s4 g$ O* J- v: ]3 a9 ?
bushou,dat nxbzdxh.apk, nxbxd.apk nxbchina.dat ,这几个文件是用扩展名穿的马甲,用ultraedit一一查看,好了,均是SQLite format打头,那么,这四个文件都是 SQLite格式的数据库文件,将他们均改名为 *.db文件,用SQLiteDev.exe查看,成功打开,分别是 部首词库,新华字典, 汉语词典 成语词典。 5 N6 E4 t! ^5 j T' K* o/ Z
伪装成系统文件的 story.dll 文件用emeditor打开,发现就是一个文本文件,当然,是unicode格式的,用一般的文本查看,是乱码。
6 m" K. q9 \0 y8 M5 }# V 伪装成系统文件的dictionary.dll用ultraedit打开,也是pk打头,更名为zip文件,解压,看到xinhua.db xiandai.db,用ultraedit查看,都是 SQLite format,这个倒是干脆,懒得二次伪装了,那就不客气了,收下! 用SQLiteDev.exe查看,分别是新华字典词库,汉语词组库(包括成语,词组,故事)., H# Z; B: P0 j3 q
这就是通过两个apk文件,得到两个几乎一样的现代汉语词典第六版词库的方法。5 _8 n, r2 j$ o/ Q% l# j3 W* ]
2.
0 w6 T7 P3 D p得到 SQLite格式的词库,虽然可以用SQLiteDev.exe查看,编辑等,但毕竟很不方便,我也没有认真研究SQLiteDev的心思。毕竟做不少特殊的工作,用通用程序SQLiteDev是无法满足要求的,因此,还是自己着手编程来的灵活。 这就是SqLite2MDB.exe(下面简称sq)编制的初衷。
$ y& c' E& \0 f. K通过sq,将sqlite格式转成我熟悉的mdb格式,就可以用以前的积累,灵活处理了。sqlite数据库的处理源代码可到 www.codeproject.com中搜索。
4 Z+ g F/ ~# }( K通过sq, 可选择sqlite数据库中的一个或多个表格,转化成的mdb文件也将以同样的名称创建这些表格。此时得到的mdb词库和原来的sqlite格式是一样的,并没有做什么处理。 相当多的字段都是乱码或者无法识别的16进制数字。
2 _6 s0 d5 n! K- a. U3. 5 g9 u, h, o3 b* W; Y d
通过sq,可以将2中转换出来的mdb数据库加载,在列表中可以看到10条或者更多的记录。一般情况下,有很多字段都是乱码或者无法识别的16进制数字,分两种情况:& @. P3 g$ m4 Y& E
乱码字段:这些一般是unicode编码,此时可以点击unicode ->ansi,就会将每一个记录对应的该字段转化成可以识别的字符。注意,转换之前备份一下mdb文件,这个不可逆转啊。转换前请选择要转换的一个或者多个字段。. ?) _! z# U. D/ s) k0 s4 f; ^" R
无法识别的16进制数字字段:这些一般是utf8编码,此时可以点击UTF8 ->ANSI,就会将每一个记录对应的该字段转化成可以识别的字符。1 i4 w r6 _0 Z( ]! F
可能有些软件将这些词库做成加密的或者通过什么算法处理过了,对不起,只能放弃了。: ]( ?2 E7 m6 t& s! P; }* X! ?+ \
可能得到了几个数据库文件,可以都转换成mdb文件,然后用microsofit access打开并合并,这个多个数据库的合并我就没有做到程序中,很繁杂,我也觉得没必要。1 O0 n, Y2 s0 G" W
得到的词库,大多表格名称或者表格的某些字段名称不合意,可以在access中更改,删除等,整到自己满意为止。
7 y9 o; @, V# y/ ~3 u4. 转换成mdx词库文本文件.
: q2 b: m) G1 ~: N, q" W这个应该是大家最关注的。( Z3 |- W$ e/ l# z& F; ?
转换前要明确一些任务:(当然,直接ok, ok下去,也会得到一个缺省的mdx文本).6 z" A2 r& M q# E8 e1 C
(1) 要将mdb文件中的哪些表格转到mdx中。 例如,mdb中新华字典,成语词典,现代汉语词典等,可以选择一个或者多个。
# Q% p$ |" T3 I+ |3 O5 f (2) 针对某一个表格,要将哪些字段的内容转到mdx中。 例如新华字典有 _id 汉字 拼音 解释等字段,_id是为了排序需要加的,没有必要出现在mdx中,可以勾掉。 如果不处理,就是选择所有字段。! T Z# ~0 Q) R9 U0 M
(3)针对某一个表格,要将哪些字段的内容作为索引。 例如新华字典,希望做成的mdx文件,以 汉字 字段为索引,没人愿意以 1 2 3 4 .....为索引,mdict 搜索的时候,左列如果一堆数字除了挠头有啥用。 索引字段也要勾选,不勾选默认是第0个字段。- D0 q5 a( [2 H1 W
操作步骤:
E' }, b S0 t B a. 打开一个mdb文件,将(2) (3)中的工作做好,注意是对每一个表格都要做,程序中会记住你的选择。6 v( l' q i+ _
b. 选择表格。
; I2 N$ @7 J0 ]7 W* R% D- F4 [ c. 点击 mdb转换成mdx文本 按钮即可。4 Y) B- }+ | I0 A2 Q
注意:生成两个文件(例如选择了表格 xhzd),xhzd.txt xhzd_info.txt。前者为mdx文本文件,后者是mdx文件的“关于词典”时出现的内容,里面是一些信息,包含,文本从哪些表格转换而来,有多少记录,转换的时间,转换作者(用过mdcit的都知道把,就是:about后出现的)。 xhzd.txt 是纯文本方式,如果原来的词库含有声音、图片等复杂格式,此程序概莫能助。
1 q0 w. @% x. d. d( X5 @! q, {
$ I$ w4 m* `' l( ?: E- i6 u" y7 E1 U5. 有了mdx文本,用mdxbuilder即可转换成mdx文件,可将xhzd_info.txt的内容粘帖到mdxbuilder 的 Description 后的编辑框中,当然可以贴上自己的内容。4 F5 P3 ~: \8 p
|
|