词条合并应不区分大小写与Strip Key？

asicsfree

3 L! ]$ O/ {5 Z* W: B( c6 O& W新版的MDXBuilder已经没有「key case sensitive」的选项。其预设为何？官方比较建议区分或是不区分大小写呢？

+ ~! R: S% U# Z) _( MMDXBuilder选择不区分大小写时是否意谓，（词典制作时）合并词条也应把大小写（例如monk, Monk）都合并在同一页面比较合理？各位的习惯建议为何？

rayman

因为Stripkey后，输入的内容也会去掉符号之类的再比较，所以A- 也会先匹配到A。

eeshu

不区分大小写查询起来更方便

asicsfree

5 s( h2 W, @- y' y& h

eeshu 发表于 2018-6-10 08:15
不区分大小写查询起来更方便

另外，strip key的算法详细为何？（只是去头尾？还是全部的符号都被去掉？详细去的符号是？）

4 O% j1 S$ d# o, j6 h若加上strip key，同一页面应该要有 a1, a2, a3, a4, a., a-, A1, A2, A3, A4, A. A-。

- r  \  i) i% F; b4 b; D我觉得很多词典在合并词条时并没有考虑到strip key，所以a. a- A. A- 并未被合并在一起。其实理论上也应被并入，我的理解应该无误？

eeshu

asicsfree 发表于 2018-6-10 20:10
另外，strip key的算法详细为何？（只是去头尾？还是全部的符号都被去掉？详细去的符号是？）

若加上str ...

正好前两日问了R大strip key的功用，R大说是“比较单词时忽略非字母和数字外的那些符号”。所以你的理解可行。

asicsfree

0 ]8 z; y0 s" d

eeshu 发表于 2018-6-10 20:23
正好前两日问了R大strip key的功用，R大说是“比较单词时忽略非字母和数字外的那些符号”。所以你的理解 ...

“比较单词时忽略非字母和数字外的那些符号”有点模糊。是否只限[a-Z0-9]，又或者'α', 'β', 以及一些欧洲字符，这些是字母还或是符号吗？
5 C, e( W; f+ F  B% _
- n' p( ^) s; t( V* C試在MDict查
( r" b6 N1 ]  M) m8 s& z# w; o: aAÜ        →        a
8 g2 j( W  f% B( i7 SÜ        →        Headword 'Ü' not found
ÜA        →        Headword 'ÜA' not found
ÜÜ        →        Headword 'ÜÜ' not found
Ü-        →        Headword 'Ü-' not found

asicsfree

eeshu 发表于 2018-6-10 20:23
正好前两日问了R大strip key的功用，R大说是“比较单词时忽略非字母和数字外的那些符号”。所以你的理解 ...

5 S! x6 |* ^$ F5 y/ ]% d6 P6 |7 Y我来解释下我逻辑打结的原因：

MDXBuilder一般会选strip key和不区分大小写。那么理论上，字典的制作就也应该循这个逻辑，那么 a a. a- A A. A- 的 key 值通通都得改成 a，对完整字典的「破坏」性是大的。但不改的话，这合并只有半套，在MDict里，你永远打不出 A-，打了 a 后，还得用滑鼠去点 A-。

+ O; ~1 q- b( c5 u) c% g9 g& u' V. R加入Goldendict 头就更大了。Goldendict根本不尊重strip key，若是真的全部合并为 a，那么在 Goldendict 里打 A- 是找不到词条的。
1 N6 \+ x& z! \4 o0 i2 w
2 B% q: D6 J( J5 l. ^: m& M7 n假设只考虑MDict，做词典时必须对所有的key做strip key后再进行合并，那么strip key的算法为何？（见上楼例）

eeshu

这我说不上来。 我去搬救兵。

rayman

1. Strip Key的意思是对于内码在0-127之间的字符，在进行关键字比较时只保留字母和数字。 即 A1，A-1，A 1 都视为A1来进行排序和比较。这个影响的只是在匹配过程的运算，不影响显示，无需对词典源码进行调整。好处时是有些词典的词头不规范，含有各种符号。如果不想输入符号就能查到的话，制作时就要选上StripKey。例如21世纪和ETDict 的词头就是 “aaa.bbb.cc" 这样风格的，不去掉stripkey根本没法输入查询。
/ O5 q5 |5 g& b" S2. 新版词典格式其实做了较大改进（比较激进），用的是Unicode里的比较算法，其实是可以通过Sorting option里自定义进行排序控制。控制项其实非常强悍，但也比较复杂。例如可以要求汉字按拼音顺序排序（旧版是按内码排序，相同发音不会排在附近），‘β’ 会映射成ss （即输入ss可以查到β），α映射成a。可以控制是否大小写敏感等等。等有空我会写个详细的介绍。
& b3 X2 J0 s5 V, f
/ t  h* m2 `9 G不知道说打不出A-是什么意思？A-是可以输入的啊。

asicsfree

rayman 发表于 2018-6-11 10:01
1. Strip Key的意思是对于内码在0-127之间的字符，在进行关键字比较时只保留字母和数字。 即 A1，A-1，A 1  ...

也就是 [0-127] - [48-57](0-9) - [65-90](a-z) - [97-122](A-Z) 这些东西都会被 stripKey()，这样理解对吗？
/ Z$ \% `0 l# L1 m4 C# r6 V
另一个问题是，strip key 为何要在mdx制作时选择，而不是单纯MDict的选项？GoldenDict读到相同的mdx，还是会区分 a a. a-。
# K- W- O. u3 w4 @3 e& c& f: ^
/ h/ S8 ]% }9 ^! t$ I  d2 `说 a- 打不出来，并非查不到。如下图，查了aa. 和 a- 都先出字 aa 和 a。理想上，使用者查 a，MDict可以stripKey()给他们 a a. a-；但是若使用者已经固执地查了 a- , MDict 应该先出字 a-，至于要不要给 a a. 就随意了。MDict PC 2.0 RC2
& @% z1 n  \' X( ^5 I: z

不想注册论坛

asicsfree 发表于 2018-6-10 20:10
另外，strip key的算法详细为何？（只是去头尾？还是全部的符号都被去掉？详细去的符号是？）

若加上str ...

  ~+ I  T' d1 P' xstrip key影响的是排序吧，没有页面处理的

不想注册论坛

rayman 发表于 2018-6-11 10:01
- j+ l8 X+ p1 u# k. T1. Strip Key的意思是对于内码在0-127之间的字符，在进行关键字比较时只保留字母和数字。 即 A1，A-1，A 1  ...

& y* w5 _+ I& {: ]; K: lR大，不区分大小写好像对英文字以外的，比如说俄文字母，拉丁文字母无效？