Python辅助MDX转MOBI（以AHD5th为例）

nullname

4 P" \; T1 c5 k6 e0 o* u9 |! j
3 U2 S; ]3 t9 V/ l1 A9 R一、前言

$ R4 x; a2 \: j7 _6 B+ v本篇文章的所有部分均来源于书伴的《如何把 MDX 格式词典转换成 Kindle 字典》 ，只是仅通过该教程的方法所转出来的词典基本没法用，原因是Kindle不支持@LINK跳转、不需要音频、以及需要添加Kindle支持的变形词搜索功能。经过几天的摸索，逐渐有了点头绪，并制作了AHD5th，试用两天后觉得尚可。便于昨天发布。帖子见此：[Kindle词典]美国传统词典American Heritage Dictionary 5th（精制版）。

6 b( J5 K# H/ d2 s  a# N本文章展示如何通过Python来最大限度的优化以生成体验较好的Kindle MOBI词典，为各位提供一种思路，以期众人群策群力，制作出更多好用的Kindle词典。
' Y! i4 M& G. \# `' d) Q% }; v/ D  W
8 k+ v5 }6 o, N为了文章的连续性和完整性，对于完全相同的部分将全文引用这篇文章《如何把 MDX 格式词典转换成 Kindle 字典》 的内容。
4 y) P/ l8 C( J. r1 m/ G; B5 P8 e
5 s2 e' i: Y" x0 o1 u1 Z  F9 `4 M
! d" U) Z' Y& Q7 v. \) _& a8 q8 t二、正文        
" d  g5 ^3 Y9 q: o5 T/ `
: R: x$ L+ l) [4 N$ j书伴的这篇教程共有四步，还用到了一些工具。工具请自行下载，因下面所用的代码是Python 3的，所以除了Python 2 ，Python 3 也需要安装。第一步和第二步是一样的，不赘言，仅截一张图于此。
* h1 ]) A  j+ c/ R' {
; \& [% t- j8 X* J# ~4 O8 D
! F) U; k' Y! a+ V+ Q: e5 S" S

/ z9 w# k+ x' g' L- G: j
工具准备好后，选择你想转制的MDX词典（本文只针对英文词典，即英英/英汉），下面以论坛里的American Heritage Dictionary 5th [IPA]为例。
1 f+ _% [2 h9 |4 w1 _) j
* h# Y/ S# }  c) {# K% q
8 K, D% r: U& K! s4 F# d1 J. M经过第一步和第二步的处理，我们会得到一个体积较大（视MDX而定）的TXT文件。其内容格式应该是这样的：


/ S3 N5 x+ `! B6 Q7 P$ V1 p- P+ n


得到该TXT文件后，我们可以选择几行看一下或者搜索一下如".jpg", "<img", ".wav",="" ".mp3"之类的关键词，把图片和音频等等鸡肋全部删掉。同时，这类CSS引用也可以删掉，以减少文件体积，提高后续处理的速度。CSS引用可以在最后一步添加。比如随便看一下，扫一下就有这些：


$ B/ o" F" c" L: j5 A
9 i7 ^$ g2 x3 O0 M
5 H1 K& r: ]% @3 Q) s" h! s, Q
我用的是Notepad++，以下是我用来替换的正则表达式：

2 A- [9 @: k1 O* F- h3 h1 x+ B        图片：<img.*?>
' T5 G0 }( R8 {% }8 L2 z. E2 Y        
        音频：<a href="sound://.*?"></a>
1 i5 q! r  I5 Z: v  @" B1 R
1 X3 T3 j. N9 Q2 `% \        注释行：<!--.*?-->
3 A8 _' @8 T  n2 L, B( O) r6 A! H; p0 M# U$ c        
- [7 [& H5 s4 o) G可能还有一些冗余的标签，视词典而定，比如我这里就有<span> </span>，直接全词匹配删掉即可。

我这里这样处理了一下之后，文件的体积直接下降了25%（约100MB --> 约75MB）。
! G2 {: H( }% l2 i" W/ ^/ h# y# ^- I
简单处理完之后，便是正式处理@LINK跳转了。TXT文件的格式只有这两种：单词 + Tab + 意项  或者 单词 + Tab + @@@LINK=另一个单词

6 I; Z: B& ?. g! N$ o这里我们主要要将跳转词后@@@LINK的跳转链接替换成目标词的意项，因为Kindle不支持@LINK跳转。为方便后续称呼的方便，我在此做个定义。以开头两个词条为例：
  V6 R. \, o: _) O4 {

/ z4 \+ P( F& A


但是这里也要分情况，因为如果一股脑全部将@LINK跳转都替换为目标词意项的话，看起来简单。但实际上会导致文件的体积无比巨大，因为里面存在着大量的像这样的跳转：
" d, p- g& X3 w. w




: J8 u7 z  X. |* [" J" M( s仅仅是advocate这样一个词，就有七个变形词，它们的目标词都是一样的，如果只是粗暴的替换，那么最后生成的词典肯定无比庞大，甚至如果你内存低点最后都不够用来生成词典。（猜想而已，我没这么干过，有兴趣有空闲的朋友可以试试）
4 G& B; E/ q. l! s2 F! u
8 i2 d8 N6 q/ v3 O$ i! z' Z因为Kindle词典支持为某个单词添加不同的变形词，利用这一特点，我们可以在此处判断，如果跳转词是目标词的一个简单变形，那就跳过该词条。判断的依据来源于dsl2mobi这个工具里面附带的英语单词变形词列表。文件名称：forms-EN.txt，内容如下：
, q3 i% t& o) W( q
6 `- A' a5 {6 s* B( O' \
2 y. Q- t/ {+ V3 K" {0 ~7 U
5 G* b7 y' }8 H$ _6 @; n$ F        

简单总结一下，做了个程序流程图：
! c5 s6 O3 n1 G5 F7 G



* a+ ]8 b+ ]- t+ \1 a$ e, ?7 M
这是代码，你需要修改第3、4、5行的文件路径和第50、51行endswith方法和replace方法中的值改为你操作的字典的实际值。详细的内容请看注释。

5 ^$ S' K( C* I5 a% V: D. Q
" o$ l- ?  p8 Z$ F& k
+ V; \9 f- O& s  N/ F$ P
/ o( y5 D( H, y3 W+ r* l/ ~
% ^0 K. u" ?( T6 ^) }6 Y
+ m, ?; e7 Y- f* u
( N" s' R0 j  H: C+ G
8 c1 J- x6 _3 U6 S! i/ T) p注意：Fix_Redirections.py有一个同级文件夹wordforms，文件夹内有forms-EN.txt，请勿修改。
1 d) T5 f3 I, H6 q. U
+ b( h% g  H, y1 v) j$ n/ F
1 ~' ]7 t* u8 U$ J" ~) S修改完了然后执行代码，你看到的图应该是这样的：

' L' K- k/ F8 C  x# F7 ?
/ _- h: O) f* r; R% ?

  ~& X; T$ H- E: b2 ^8 @6 s& e4 A
这一过程的速度取决于你的电脑配置和词典的词头数，我跑这部AHD大概花了大半天的功夫。

6 h6 H. w7 o1 Q2 m& z跑完之后的文件可能存在很多空行（不一定，看词典），这里附上一个去空行的脚本，使用方法：

( T: x$ D2 R' i( @* R8 L! E! r
/ \- C" h( q& Q9 G+ p- l# s/ @  P

: m8 ^6 H/ |4 _- t& r
6 {, S6 j% E* H9 |" h

执行完成后会在处理的文件目录下生成一个名字带_stripped的文件，这就是去除了空行的文件。
- p* Q/ W+ P$ M  G2 o+ Z5 ]. y4 Y# y
5 }$ h6 E9 Z2 {, l  i/ W8 n# [  n, a2 i

* ~- |3 _( ]" C
) C; U6 G! t$ J$ ~. d* g$ a
6 `% c# w7 X/ V这时候可以打开文件看一看，应该是满屏紧凑，没有空行，没有@LINK跳转的，就像这样：
# p: V# Y; B8 o( k( v4 x
4 l, m" K! `- j
5 s& L7 [" T, G1 B" G

2 q" z4 ~* K  P# r# Z0 F% y, c  o
到了这里，就可以开始正式进行第三步了。这里用到的是tab2opf.py这个工具，该工具基于py2，所以要用py2来执行。从书伴直接下载的tab2opf虽然没问题，但是根据我的经验，把253行的print df给注释掉，速度会提升许多，而且出错的机率也会减少。除此之外，由于词典的不规范及其他特殊原因，我们上述生成的xxx_stripped.txt难免会有几个或十几个错误行（MDX词典本身的问题），因此，最好加一个异常处理的块，遇到错误行直接提示一下就跳过，免得程序中止运行，你们可以参照下图修改，注意红色箭头的地方。

$ @" b' E# }  i( _

/ W6 X. E6 j$ k$ T6 E& c. @
" c4 ]8 [7 r1 l8 w( z' r: g
2 d4 j  S2 b! I7 \9 {' w$ h然后执行命令：python2 tab2opf.py -utf xxx_stripped.txt

执行完毕后会生成一个opf文件和一堆html文件，如下图所示：
5 r! S! ^8 p$ _
, X2 S  I0 L; e- E2 {: m
6 p+ M0 U/ F* \! f3 n
6 t0 k8 M0 x1 Y4 O1 c3 h) Z/ Z3 b

在进行下一步之前，我们还得写好CSS，我的电脑配置不行，打开太大的HTML文件很卡很卡，因此我提取一些意项较多的词条来单独修改建议"go", "take", "in", "the"等，这里我提取“go”词条，复制"go"词条所在的一整块<idx:entry> </idx:entry>，然后加上头和尾（头尾可在任意一个html文件中复制即可），保存为html即可。如图所示：
: N! ?! I" Q' s4 G: F

1 w0 I& r6 K/ N5 e, P, d# ?


* c# j* i7 v' s  m$ x4 Z. F. w) H因为我们要测试css，所以再添加一个head标签并在其中用link标签引用一个css文件，然后就可以写css了。


$ w( @; N7 Y- f6 |% p
. x% N1 ~/ H# u6 s8 `1 a: @8 p; ?

, ?# w& t. B. x& [! |MOBI的字典只能生成v7版本，该版本对CSS的支持极其有限，margin只支持left其他方向都不支持，即使是看起来有效的margin-left，也不过是在转化过程中替换为blockquote而已。所以只考虑粗体、斜体、下划线和颜色即可，当然不管这里用什么颜色，Kindle上都是浅灰色。

! @3 q& {. v2 P5 a- O: V" `2 B; \2 B这是我修改完毕后的效果。

" y) k8 k' N' S' F) M6 y
2 |; R! }' G& r: ?5 |& ^
2 J( A) ~+ q0 ?9 a3 _
0 G% _- l9 R2 R7 L8 a- T
* X% M) F  y" Rcss满意后，那就可以给所有的html文件批量添加link引用了，这里notepad++可以单独完成，就不写脚本了。方法如下：
6 l# V9 \0 z: W% j' |3 K
打开任意一个html，Ctrl + F，然后切换到文件查找选项卡，下面注意选择正则表达式，如图所示：


. w9 U! q  h9 {5 S7 ~- p. T

! h) Q+ q" G* h" ]( q

6 M# s7 t, B+ c( x# W查找目标： (<html.*?>)
: }, s1 M& ?$ i) D9 U2 [
- |% e) I5 R6 V替换为：\1<head><link rel="stylesheet" type="text/css" href="test.css" /></head>
# n( H( w1 x' ]* q+ A" j4 d
) x) A0 U  d* p2 V$ t# W文件类型：*.html
( c& ~* f! }! i% h5 b
+ ?9 M0 [2 ~9 x9 u1 M目录：即html文件所在的目录
; a- ~* d- [! H8 H2 F# V4 c0 |" g* ?


然后点击文件中替换即可，这样，所有HTML都添加了CSS引用了。

现在到了另一个重要时刻了：为即将生成的Kindle词典添加变形词，原理就是检测forms-en.txt里面的单词然后提取出变形词添加进去，上面说过了，此处不再赘言。
- \9 K' }1 P4 g/ y$ K, F2 t
代码很长，不贴了。用法很简单：Add_Infl.py html文件所在的目录
' Y; ?5 O% S3 \3 X& n% i4 _
) d, b* M- V: }  d- m
% R0 [+ X/ j* t
2 a1 w& R, m0 c$ ?( l3 o

$ h4 t! [0 S7 s9 _文件在此，解压后其他文件和文件夹勿动，以免程序不能正常运行。
* E1 d4 V! @; ^/ o' A$ d& d9 C
* b- W, f7 T4 K" e6 X* C

然后会在目录下生成一个名为OK的新目录，新的HTML文件即在此。
8 E! J5 E% R0 R) J3 o! U
! v/ r" P* z. `' ~; p+ I最后就是把之前的opf和css复制进去，然后用mobigen.exe生成即可，mobigen.exe -unicode xxxx.opf
+ \9 ]* w  Z1 K' G' ^
' a9 X' P, q9 I3 I如果你想修改生成后的词典名称，打开opf，修改这一行即可
/ Y* \2 h, h: C+ ?1 \
8 ~  a' ^2 c3 k8 m
! _" U- A) A2 [0 X: ~2 n" X

3 u( [- y  w% U; J1 e
完。

3 x% m5 S; J& K' x+ \三、结束
0 b1 I! \- n. ]$ f* ]  w/ Q
5 C6 L1 u* g+ L, T2 ?6 L第一次写这种教程帖，步骤、截图等等都很繁琐，几次我都差点晕了。简单看了几遍，算不上流畅但也不至于晦涩。若诸位有什么问题或发现什么错误也可以在下面回复，希望能有更多优秀的Kindle词典出现。

; K: f' G* D1 ?. h5 m另外：关于Kindle上的汉语词典，我发现kindle支持将繁体作为简体的变形词，意味着若处理得当，那就直接为简体词头添加繁体的变形就够了，不必再另添词条，词典体积将大大减少。各位有兴趣可以试试。

卡拉奇

这种技术贴，要好好给楼主点赞

wrscn

技术文章，不错。

Gyngreenlie

给技术型楼主，点赞。

cocowind

过程详细，及时总结惠己惠人

999阿彌陀佛

这种技术贴，要好好给楼主点赞，惠人以漁！

Wallacebai

喜欢技术贴， 感谢楼主。

陟彼高冈

大妙好！！！！！！！！！！！