【史上最全】在线词典抓取、制作技术汇总

我爱mdict · 发表于 2014-10-26 00:25:52

bt4baidu 发表于 2014-10-25 21:01+ Y1 y+ O% C$ j. C- e) c
现有的mdx词典，其实足够绝大多数人用一辈子的了$ | Z3 a4 L( ?4 _8 q9 c; g# J, Y
5 i: ~9 j- x- L) q: O1 F' s+ n
本人前段时间制作、收集了不少，经过一段时间的比较 ...

能问一下那个VOC是啥词典啊？我好像从来没有见到这种缩写啊！

onlyXXenglish · 发表于 2015-6-23 23:55:09

bt4baidu 发表于 2014-10-22 20:210 O" i5 K$ H/ J2 ^+ C2 O# b3 u
最好带着一个问题，在解决问题的过程中边用边学，比如抓词典；否则泛泛的看书、看资料、做一些不痛不痒 ...

默默点个赞

happlebao · 发表于 2015-7-2 11:33:21

针对

IV. 片断索引型网站

说一下。
其实只是你没有发现而已。
ODE： http://www.oxforddictionaries.com/browse/english/
RHD：http://dictionary.reference.com/list/a/
CALD：http://dictionary.cambridge.org/browse/learner-english/

如果不想写爬虫来找索引入口，那么就要用好 Google 。答案肯定就在第一页。
以第二个为例：
inurl:browse | inurl:list site:dictionary.reference.com

PS：最近才发现这里，发现资料很多啊。

peterdocter · 发表于 2015-7-7 13:05:42

只要可以完成任务，用什么语言都可以。。。
在python出来之前是perl是抓站首选。。。它才是为正则而诞生的。。。
python其实就是java的脚本代作。。。
linux现在核也不是纯是C，都用C++。。。
所以没有什么最好的，只有适用的。。。
抓站如果不用线程或进程之类，在linux上
shell+sed or shell+awk
wget or curl都可以通杀一大遍。。。。

geolin · 发表于 2015-8-24 10:09:17

感谢楼主分享知识和经验。

bt4baidu · 发表于 2015-9-12 12:17:54

排版、修改他人制成品小技巧

假如下载了别人制作的词典，对其中某一块的配色、缩进等不太满意，想自己动手改改
或者，看到别人的排版比较舒服，自己制作词典的时候想借鉴一下
结果解开mdd，打开css文件，看到上百行密密麻麻的文字还真是有点晕。。。
这里有个比较省时省力的小技巧，可以快速定位到想找的地方

1、Goldendict里，在想修改的地方点右键，有个“审查元素”：

2、点进去会打开webkit浏览器的调试窗口，红框圈起来的地方就是了，想借鉴就直接copy-paste到自己的css里完事

3、修改就用Gettext等工具解开mdd文件，然后打开css改相应的地方

收工

蜗牛慢吞吞 · 发表于 2015-9-17 13:37:38

原来学习教程在此，得好好研究一下，谢谢你！

bt4baidu · 发表于 2015-9-20 10:40:37

Windows下制作词典必备的文本处理软件：

EmEditor
Beyond compare
' W/ V; {' N1 I, U" a

前者用于编辑，后者用于差分比较
处理300Mb以上的超大尺寸文本文件毫无压力，实在是无比强悍

Langheping · 发表于 2015-9-23 21:54:24

The best article ever read on how to get online dictionaries.

lxchen2001 · 发表于 2015-10-18 19:20:49

学习了！！！！

bt4baidu · 发表于 2015-11-3 22:35:33

关于字体，请参考

网页设计中最常用的字体有哪些？（中文和英文）
http://www.zhihu.com/question/19680724

本人用的最多的是Lucida Grande、Helvetica，正文里的斜体字首选Georgia，音标用Lucida Sans Unicode
这几种字体在Windows、苹果OS上显示效果都不错，字号也比较全
另外Open Sans字体也挺漂亮

bt4baidu · 发表于 2015-11-9 20:33:50

把UNICODE字符转为HTML实体字符，用于处理外来语字母，几行python代码搞定

def uc_to_hc(text):/ U9 E p- @1 I2 ^# l. T
rst = []- n* Y* o/ v# h! t0 z* u7 P$ M
for ch in text:
" {7 n& Z; s3 {! U6 V
val = ord(ch)
' w) |0 o9 f% B- ~
if val<=0x7F:; d' h7 R; E" f% ^# t
rst.append(ch). d& O& b5 ~8 N3 D$ F
else:+ U6 ]& t# y' S ]: ?
rst.append('{0}{1:0>4X}{2}'.format('&#x', val, ';'))
- B% @- I2 }4 @( r& m$ v+ R
return ''.join(rst)0 \0 }* i6 ]' c4 F8 _2 y

复制代码

bt4baidu · 发表于 2015-11-14 18:19:54

【索引】图片降噪点/切除白边/去背景(透明化)/分割程序
https://www.pdawiki.com/forum/thread-14681-1-1.html

qiuhao1112 · 发表于 2015-11-17 12:33:59

谢谢楼主正想学呢

RacherSasuke · 发表于 2015-12-1 10:50:38

非常感谢楼主的分享!支持...

michaelwww · 发表于 2015-12-6 23:40:44

感谢楼主分享，学习了，长了很多姿势。。。

nixuser · 发表于 2015-12-27 06:20:40

感谢楼主分享知识和智慧。

韩信三年 · 发表于 2016-1-17 21:33:26

韩信三年 · 发表于 2016-1-17 21:33:45

韩信三年 · 发表于 2016-1-17 21:34:42

韩信三年 · 发表于 2016-1-17 21:35:56

韩信三年 · 发表于 2016-1-17 21:36:18

zht6625385 · 发表于 2016-1-19 19:37:17

好棒的教程！！！！！

bird73 · 发表于 2016-1-29 17:47:04

好教程，慢慢看看。

ssm222 · 发表于 2016-3-12 19:53:26

学习了！谢谢

		自动登录	找回密码
密码			免费注册

[教程] 【史上最全】在线词典抓取、制作技术汇总