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
|
本帖最后由 lixun305 于 2014-1-9 19:25 编辑
+ {3 B0 \0 t2 T$ E$ P
% q: G8 s+ ^% N; t( n" N3 N1 l* Vhttp://pan.baidu.com/share/home?uk=2718706185#category/type=0 这是连接地址，只是抛砖引玉.
+ o+ c, p) K$ T; {7 F" d; d% Omdb词库： K" z6 } @# N6 w
1. 现代汉英综合大辞典
1 |4 s5 @: @2 [3 D2. 21世纪大英汉词典_微调版本4 @7 J9 ^$ T) D0 W9 m! d+ R
3. 牛津英汉简明词典修正版1 n5 l( I9 t! X' ~0 u# p
4. 朗文当代英语词典5版
2 _' q+ u) t' N1 h" ~5. 诗词总汇
8 E9 O& p z. s0 N, t6 g9 k5 g$ }6. 牛津英汉词典6 V. L" N" X2 m) ?9 |4 M+ R+ ^! O% d, m
7. 牛津高阶学习词典英汉双解第7版OALD7
4 @& S! H* \( j& i3 l* p+ S' ]% y& y' A: f9 G8 H; I! D
分析有偏颇，不当之处，请谅解。
3 z* D1 \8 r( U3 ~8 `5 \- s) y1 y
mdx词典日渐丰富，仔细看来，下面列举的都是相通的：9 I9 j: V6 E" H1 J
1. chm (hlp) 文件 可以查找，复制，有索引。查找索引或内容或。。。
- x7 A' y( E2 q' n$ I2. 网上百科 例如百度，维基，内容海量，查找甚爽。
1 k/ P: G5 [8 W$ _3. dict(startdict)这个研究不深入，仅可以读取它的内容，相比查找方式和mdx差不多。4 F) b4 |- h( H
4. 有些软件生成的exe文件，也有内嵌的查找功能。 也包括大型的词典软件（例如牛津出的光盘版），一般小民也无福，无M消受啊。7 b0 e* U5 ?( h3 `2 y
5. pdf 文件，可有索引，查找索引或内容。
# M+ H$ \/ r- T. L" a) y7 h6 _6. xls文件 Excel格式，可以直接打开看，当然查找再方便不过了，不过，记录数不成超过65536(现代英汉综合大辞典，21大英汉辞典，牛津英汉简明词典。。。被pass了)。 单个条目不能超过32767个字符。这些限制可能excel2007以上都已解决，但我是一直windowsxp + office2003的ghost系统，谁想再重装一次恶心人的office2007呢。 唉，这个格式限制甚是恶心啊。
5 l5 @2 [+ a+ Y; I$ j8 u7. mdb文件 这个是微软access的主打格式，小型数据库文件，但接口方便灵活，规模较小（甚至绿色版都可以）。对记录总数和单条的限制几乎没有，对一般p民来说足够用了。
( f8 k/ y9 y' Z' k 网上许多软件其实就是mdb的外壳，查找，编辑等一体，当然，为了保护知识产权，加了密的居多（但可以破解2003, 2007格式，其它未知，:p)。
3 m; R9 b9 N. G- y; \( f8 q
0 ^5 l4 V' J' t' \, y3 m8. mdx mdx的词典丰富，内容紧凑，尺寸小，查询快速（只是快速，但这确实很重要），可联合查找，手机pc都可以用。。。优点不一而足, 我就不细说了，只说其缺点，这里绝无贬低之意，只为探讨，学术性的，:p...- \3 j1 k6 }4 x- X7 S. F) Z
(1) 只能对索引进行查找，因此基本上就是索引，内容两部分内容，更多的信息只能存于内容中，靠html的格式进行格式的编排。
9 R$ @, J/ c/ S2 N2 g (2) 对索引的查找无法精细化，例如：7 h* e$ i: B+ \; P" `! R
大小写敏感 dog DOG, CALD cald，在很多时候还是有区别的.
, l2 L9 Y9 x9 O! [, s4 @ 查找个数无法限制，有时真的不需要找到很多，一个足以，或者三五个就行，可是出来一堆很头大。, |' V6 t" L& t3 A, |
没有匹配方式 例如： 这些匹配方式有时真的很有用，特别是有几十万个词条的时候，出来成百上千个查找结果，情何以堪。$ x4 ?8 D3 m# b" ~" W# t8 J4 u( O6 g) |
精确匹配 dog dog, dogmatic，dog's head, 只dog可以9 Z. ]3 ~+ f( P, n
单词匹配 fat fat, fat salary, fat job均可6 ], U" g9 D! C& J$ L% l
模糊匹配 fat fate, stepfather 均可
& L) k. f% p& y: `5 l% H 从头匹配 fat fate, fat job可以，stepfather不可以。 只有从头开始是fat的才可以。
! a; D- m U* \! U# a) g (3) 无法高级查找(多个条件查找）例如：
' \5 f3 g1 F& k; p 查找成语：要查 ?三?四组成的成语（不三不四，朝三暮四，丢三落四，低三下四。。。），其实就是含有通配符，需要满足有 三 四 关键词的查找方式。
7 x- m, D- e& H4 C8 \ 查找诗词库中李白写到黄鹤楼的诗词：(望黄鹤楼, 与史中郎钦听黄鹤楼上吹笛, 李白见崔颢《黄鹤楼》有感)。 其实就是要求词库中至少有作者，题目（或内容）两个字段，然后查找条件： 作者为李白且 题目=黄鹤楼(模糊匹配，不从头匹配）。/ I6 e3 p( g3 X7 h2 G5 D I8 y
(4) 无法对多个查找内容综合到一个窗口内并且对查找内容二次查找。, X) T- B, d+ D9 S7 a2 ^& M" w
例如诗词库查作者李白，出来984条记录（这是中华诗词总汇中收录的李白诗词）。 这么多诗词，包含作者，题目，年代，题材，类别，内容，感想，出处等信息，通过一个简单的分割条放置在一起，导出成txt或者html文件，不就是一本：《李白诗词大全》吗？ 如果仅仅在pc上查找，出来984条记录也挺头大的，于是二次查找很有必要，例如：就在这个结果中查找出现 “庐山”的诗词，并且逐一定位，很有必要啊。% I+ ?1 k! j: k4 S6 R8 Y# o
(5) 无法对词库进行编辑
0 g" p, \# E2 q 包括删除，添加，更新，查补（用其它来源的词库文件对现有的进行查漏补缺）。4 B3 w8 \8 x/ l+ X& W3 q: o
例如，安装了英汉词典，只有36691个词汇，好多查不到，但又不想用动辄30多万甚至上百万的词汇量，于是只对自己感兴趣的若干词条导入到其中，很有必要。$ ` T3 Z5 b% V% o% E
再例如：看到错误或疑问，是否可以对源词库进行更新：例如孩子问杨万里的宿新市徐公店怎么背， 诗词总汇呀，赶紧查，(作者 杨万里 and 题目 宿新市徐公店)，出来了：篱落疏疏小径深，孩子撅嘴了，不对，我们语文课本上是篱落疏疏一径深，怎么回事，可不能与国家教育部的相悖啊，赶紧上网再查，果然，两个版本都有，没办法了，只好以国家出的为权威了，于是，需要更新这首诗，省得以后孩子再查的时候又错了。 但mdx不好办啊。
7 N- C* C& |: n# \9 a 再比如：诗词，高鼎的村居(草长莺飞二月天)，孩子又忘了，结果，诗词总汇居然没有高先生的诗词，于是添加进去吧。 但mdx不好办吧。
% U0 w* S2 n2 ?' ^" @ (6) 无法做到一些完美的查找。
$ e# V& ?1 U# U) X 例如，有了汉语字典库， 里面，部首，划数等都有了，做到新华字典的部首查字法不难吧，但mdx就word, content(一堆)两个字段，难呢。但对含有多个字段的词库来说，只要文件在手，编程不愁，部首查字有何难哉。 不就是定义一个部首，划数联合查找吗（ 部首=??? and 划数=?）。
/ Z* \5 |1 g; l* D0 f 再比如：四角号码查字法，虽然鲜有人用，但是，本人上初中，家里有一本《四角号码新词典》，商务印书馆的，熟记了口诀之后，有时查的还是挺快的，好吧，不说了，为了回忆一下以前， 这个汉字库中有一个字段就是汉字的四角号码，有了这个，不就是一个不同字段的查找吗（ 四角号码=？？) k+ X! `. t7 o3 J1 p, I
(7) 无法保存查找结果。
' J: F2 v& [& I, z0 s$ k 两个方面。 一，查找的结果可以导出成txt或htm文件 二，查找条件（关键词，查找范围，匹配方式等）和哪个词库，哪个字段保存下来即可，想看一下历史查找记录，将这些查找条件调出来即可复现，关键是你得能调出来呀。, z( E' A1 e. N! w6 N. w6 I; H
(8) 无法浏览整个词库. P' Q( O i2 v& V8 Y# [1 i
例如，诗词库，就像excel的表格一样，在一个界面下，按照字段，记录的二维表格方式浏览。当然，这种浏览更多是为了方便，直观的编辑词库。 如果词库太大，就不说了把，光打开一次就头大。% m" p6 h. [# z8 S4 U
说道这里，如果词库太大，对他的编辑可以逐条进行。4 @ J! |; j X+ S
(9) 待发现，呵呵。。。。。。
+ _! e5 N) u J+ v! i+ W" p$ A7 ` 6 J, S& j) g4 j
以上问题，总有相应的词典软件或者词典库能够解决，但想都做到，并且做的通用性和专用型于一体，还真难啊，但如果有了词库文件，知其格式，不愁编程，这些又有何难哉？ 9 I6 Y4 }3 p5 w2 r
但，也不是所有问题都要靠编程解决的，我觉得，可以通过将各种词库文件进行相互转化（尽量做到无损，无误转换）来达到，因为，可以利用现有的各种软件，找自己趁手的就行。
7 w# {4 I8 x* s3 r$ r9 \ 本贴子就是想达到这样一个目的：实现各个词库之间格式的相互转换。 我认为，手里有了mdb格式的词库文件，还愁什么。 这个格式，太多的代码，文献资料，接口程序，通用软件可用。 而其它的，例如mdx，直到现在，我也读不出来，网上也找不到opensource，唉，词库如此丰富，用人如此之多，难道真像windows一样，也是个不公开格式? 废话不说了。, ]0 Q! T& Z2 ]* U* q
具体：! S3 f- H2 M) b% Z) F6 j% y
1. 实现 mdx dict txt xls 到 mdb格式的转换.* P+ y4 d) `. }: B. F+ }& O5 \
已经实现，陆续会有一些mdb格式的文件传到网盘上。目前只传了一个 牛津英汉简明词典修正版.mdb。
3 ]1 D1 {( ], g6 Z5 s0 X) p9 T 2. 利用GetDict得到mdx文件的 startdict格式或者UTF-8或者mdx源文件格式，将其转换成 mdb或者脱了html格式的txt文件。 UTF-8和html格式均可。3 y% O* e7 T7 {3 [0 J0 o* C
已经实现。 但目前对一些音标（unicode字符或者金山拼音格式Kingsoft Phonetic Plain字体） 和比较复杂 unicode格式的转出文件会有乱码出现。
# D7 f" q* @% | 为了压缩体积，可以剔除转出文件中的html格式（就是一堆<font><br></font>...），因为，如果不剔除，转换成的mdb文件很大。 剔除了，音标就乱码了或者只有金山拼音格式。 因此，仅仅保留音标的html格式也可以考虑。
* a% w# R' ^: a8 \) } 3. 利用 GetDict转出的dict格式的词库，实现 dict 到 mdb xls, txt格式的转换。7 |0 q4 S9 E& n% R6 E" `0 y
已经实现。
/ c8 C$ e. }, E/ O2 J 4. 自定义简洁 txt格式（文本），作为可以打开的词典文件。 例如，本人定义如下：6 n( \0 A/ X( l6 s
dog9 A! i4 O' ~7 c+ I
n. 狗，一种动物。1 k" H% X5 C* P: @
fat Z( C! T- J+ K2 B
adj. 肥胖的。
& F: N2 d1 e2 T: x1 r .....9 q$ }! ], u1 P, ~9 U3 R& H" u7 K
就这样，一个词条占据两行。 3 \+ j" n2 D( u' a" p5 j
5. 将mdb xls格式的词库导出成二维文本格式。, S& u+ i: @5 d& H% f' r$ j& L" i7 }
例如:+ q c8 [/ i0 ]6 T# S$ ?$ r- Q
【word】 【explain】 【spell】
2 b; b4 ~1 [0 x dog 狗 [dCg]( ?4 N# Q5 l- u2 J' |
hotdog 热狗 0 ]0 k' m) w5 j( R
..........
" x! k( M: j3 T
1 q9 k @$ M/ ~ E" [ 待续。。。。。
# {0 r% w+ a$ u
3 q& X8 q4 C* |. M) } 4 [. P9 c" h/ d$ U- H. H
& e9 ?+ `9 l4 x
' ^9 x; ^& F7 d7 R9 g, |
& h3 n1 { T; X& U) \$ k * L" C) w% \; l3 n; a7 b8 K; Z
$ z% \! {/ k; G! S+ x2 E9 F
3 J: S) W+ z# d7 ` u
( @$ u# F+ q3 w5 A* w) E
9 V* F: k% o3 t" W2 y 7 k9 \- M. R( R; v$ \3 } f
1 A, H! z4 g; e! j& B
|
|
发表于 2014-1-8 18:21:47
楼主
