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 + X3 H, \) R6 ]. @( L! H
) S& L5 `% a/ i6 F) w
粗略程序已经上传: SqLite2MDB.exe ,有啥bug请交流或告知,千万别骂娘。$ N \# }. w) V( s' F- ?; ?
3 C( X2 A+ E" r$ Y( G K" ^- A; X
现代汉语词典第六版.mdx制作过程:
: b9 z) Y& H7 ?0 {4 ]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?)。7 ~2 W! }) F0 @( ~
简言之8 J9 i) |" c. g' ^) h0 s+ R
1. 网上下载apk文件" g* d* Y% V v5 F" h( Q
2. 从其中提取出词库
3 v, O! Y- s# P+ I) _6 z3. 进行整理
' }0 _) u1 ^9 U9 c4. 转换成 mdx 文本3 N$ i" x2 o, k6 f
5. 用mdxbuilder生成。
1 W8 y0 u' b- H$ _! ?4 U) M
9 i8 ^: O" \5 J+ b* ^2 y5 ?详细制作过程待续。。。
6 ]& T o R/ t
2 B3 a9 |4 d) C1 y! `$ B不一定有通用性,不喜勿喷。。。
9 M% H- r6 N8 ?/ _# P. e- N1 P6 H- A+ V" o2 b2 H
1. 网上下载apk文件
9 H' K# P. W2 P/ k4 _8 C; Mapk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:
6 F7 ]& A5 v" C- a apk1:7 Z* {- Q0 O# R
xingkai.ttf 3 ?! d M1 X% I8 d, Y; Y( n
story.dll, o/ a2 S" A) g4 j6 d
apk2:
/ y/ l9 ^+ N" h5 }; Y dictionary.dll
# N+ V1 p$ x3 l当然,都是穿着马甲的。
0 j1 S& V% B+ B- m% f$ t4 T 用ultraedit打开,可以看到:
8 A1 b) o. e6 y' c* k7 E4 { 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
0 ^- ?6 w* P8 j6 E9 V$ k/ ?, q# S 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。 / }% E/ m- a+ o. `( \% u
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。; J, V9 F8 \8 l7 M ^0 t
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).
y$ i N: P v b4 ^; e8 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。
: u6 y8 c8 M4 v' p5 X: Z# L8 w* U) G2.
- l3 `) _% F& Z% Q# e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。. E, l; l$ J* ~% ?+ ~
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。
: J* C: C8 l$ D1 Z% P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。 l4 ?' P- T1 C {
3.
( @. X7 s9 v( ?; E# \) O/ p/ x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:
) r$ O* E) G% O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。
6 Z; ?) s9 X6 t: f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。( P& J. q/ i; f1 k k
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。7 p, v+ j; Q, |3 Q% A
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。
( d6 N+ j6 M5 z R. |, w) U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。. Z$ f9 I! K5 \8 ]* Y
4. 转换成mdx词库文本文件.
G) B/ O9 A$ {% Q+ {这个应该是大家最关注的。
6 |! @! Y* G& }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).
. l+ {2 M- }" y' N- S) k- y i2 @ (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。2 @% Q0 A- t) q# V* l
(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。
& A& v& i) M, A0 X$ h. t0 a (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。
: V# L! D. c, I" E& L. d' @* m4 E; Y操作步骤:
* |( p( E8 T0 j 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。
" f' r5 @/ u5 E, M2 l7 M! k$ d b. 选择表格。
* ^. a$ b. T9 Y+ M. R, x4 Q9 L3 V c. 点击 mdb转换成mdx文本 按钮即可。) t) ?2 L1 Q' O* M7 U2 A
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。
; l+ q% h' p$ ~# i) L$ c& ]+ p
5. 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。8 O9 B+ P; d3 P0 d# {
|
|