一键制作图片词典 MdxSourceBuilder

喬治兄

. _, t6 ~. F: {! B

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 ...

4 x5 l. Z3 ]0 f  v- 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
) ]  z9 Y5 G7 n

wjl

喬治兄 发表于 2020-8-16 11:34
' @6 B; U/ O; N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 ...

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
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 ...

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）
; p% ~% a* c) [# o$ l
6 j" w/ B0 M- l5 I1 A

喬治兄

wjl 发表于 2020-8-16 12:07
; i7 ~: Q( U( V! Z, F, t' }: ~! w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 ...

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？
: W  Q" |; Z" s* Z% m

喬治兄

wjl 发表于 2020-8-16 12:07
6 u; O8 t1 H) X0 n) K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 ...

0 j* ~6 `/ a  g: ?$ E# ~+ B* r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

( N' w, m4 `" F3 N

VimVim

( N" J8 q4 \& A4 P2 J
4 D& ?* K4 l: j1 y2 h真实词典案例：
  L: [; p( h4 t4 N4 ?+ [. L8 s6 i' _
國語日報辭典 - 使用MdxSourceBuilder重制导航
8 t8 F# y' @( N' z4 M3 fhttps://www.pdawiki.com/forum/thread-41323-1-1.html
( {/ x: Y8 C$ [# `4 {0 f, _(出处: 掌上百科 - PDAWIKI)

* v, R& a* I7 c! S4 u8 R& V. A
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）：
2 |9 ?5 _9 Y/ M, p, w- [0 r, R
【汉字源流字典-谷衍奎】最实用的字源字典
5 L2 I( W  z' {0 T7 Nhttps://www.pdawiki.com/forum/thread-41393-1-1.html
7 t2 w6 p/ `+ ~: h. l8 F7 j(出处: 掌上百科 - PDAWIKI)

starmars

0 u9 Z6 ?2 V9 X0 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。

VimVim

6 ?, k5 y6 f4 e. d" a6 P

starmars 发表于 2020-8-26 11:44
" d3 r0 Z8 I. R/ ~% D' \# F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！
& }3 @: r; j/ C! E
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。

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。
" R1 H) s3 C+ E" Y7 R+ U2 M
7 R/ O  P0 u8 g" f. ?
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。

! @6 A: N2 I3 N
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。

+ A) e) H1 u0 u, M6 D
/ I# V/ @; i) q( A

VimVim

+ j6 g) U- C8 h/ ]; ^. L8 y' ]! A

starmars 发表于 2020-8-26 11:44
2 s6 Q. ~4 r4 J& N3 |* |) t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。
( S$ h" k% T3 t& U5 g: P
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。

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。
3 U0 p1 k) @  f; M2 D9 b
) U+ z  z# `7 y+ q% q& e7 q+ XMdxSourceBuilder 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

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

( Y, k2 g6 J) f9 m4 I: V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
- z6 s" y" O, ]" C8 \% y8 W& }0 P
: ]* ]6 C9 i* Z# V正文前部分：
0001
. d7 K6 m+ p) X8 Y) b封面
0002
9 L7 G) \* J# W/ W5 d  M0003
/ g+ G& V- C4 q$ L" a- h( K0004
0005
8 o4 H; o9 M# w3 s8 R: H编写人员名单
0006
目录
0007
序
' e& `& @& q. q9 v0008
* A( X9 @) ^6 m8 {0009
前言
0010
体例说明
1 a. I8 l* Y! W) I0011
5 D9 m* B+ h7 f4 `4 l6 X* m0012
略语表
4 ~6 e3 l0 g+ a* Y, Y' ~0013
1 r% {, c: d' j! x0014
0015
主要参考书目

正文后部分：
0001
4 K% M' W- ^7 l3 V, V  n  h图书在版编目(CIP)数据
1 h, Q5 ^+ N  s5 W+ [7 `& T& F0002
0 ~$ d1 P/ n  N* O0003
0004
2 `4 `0 G' j" w封底

$ ?7 A! L% s. K! o. V* ~8 W

  y7 c& y. t' N2 J6 Q

VimVim

wjl 发表于 2020-8-31 18:54
3 x. l1 M. s1 W, }# R5 C1 Q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
$ U; l8 i+ E8 ~1 G$ r
正文前 ...

! l9 b1 R- p! m- p0 s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。

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 = [
& |6 p8 c- j* R" J' z( q( O( A        \["火星词典.Cover.txt", "MarsDictCover_", ".png", 0, 1],
        \]
* W" [3 Z: ?& k

那么这个图片名称就是 MarsDictCover_1234.png
* ^8 p- V) U' E0 H6 v
" _5 _9 l9 o9 e! t  ]1 `- W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。
2 _4 Z. E5 ?8 C- R+ m9 U
! @5 g7 F* T! P

wjl

不支持以下格式吗？
, Z' W3 [6 s0 L2 L
0001        A
7 e' e" B: @# l! r" M" [( k+ `0001        Al/A-one
0001        Al at Lloyd's
' _2 h! V0 B/ N  T! z( B: B0001        d coups de baton
0001        d haute voix
0001        d Mervielle
0001        A to Z of, the
0001        A/advanced level
0001        Aaron's beard
0001        Aaron*s rod
' e7 _, y0 M$ E, m0 {0001        Aaron's serpent

VimVim

wjl 发表于 2020-8-31 22:53
不支持以下格式吗？

0001        A

/ P+ `. _! r  G2 O! y( O0 ^1 x# z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。
, A( V3 T, |- L/ }) r5 [0 Y" k& g2 p

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

/ v' L3 F3 S! T6 r; j

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
: h3 ?/ o# H: {' n
* {6 G) L6 n8 S# G  A* |4 B

wjl

VimVim 发表于 2020-8-31 23:24
  W* ^* J# y& R5 z. \% ]词条格式的配置参数对了吗？PageKeywordStyle：2
5 t4 f( z* c/ _支持tab或4个及4个以上空格

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
1 w) b% B) s- ?我这里实测用emeditor的tab不行，换成四个空格就正常了

0 Y9 `' a4 g, p9 x, U$ ]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。

# L6 j* B" i* J! R  l2 p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
4 h4 G# y& n" Y. @! I8 X* d对，我今天刚下载的最新版本

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

& J6 `& h1 S' |5 o. M* v2 p0 r6 k

VimVim 发表于 2020-8-31 23:49
我估计你肯定哪里出错了，只是你还没发现。
$ Y& V2 A* P* t, C1 L4 c; |
方便的话，私信我一个案例文件吧，我具体看一下。

/ H7 c% o3 p# `# o: ]* w6 J找到问题所在了——你的词条文件有问题：
( S' b6 l* r7 b/ _) ~% K
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。
1 _3 q4 [1 G' ]+ ~+ g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。
# o) |' E7 u! Z0 N( P/ S; O4 c
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。
! y/ D# k7 e7 a5 ]

wjl

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：
9 E& s8 H# O8 S. Q8 f- k/ v5 Y% h5 U* Q
' p3 C% ?. R, d* p7 u4 L$ z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 ...

1 a7 x7 z! R- V. h$ t; \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
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 ...

$ a+ T. V: L# S) B1 x9 D+ r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