掌上百科 - PDAWIKI

 找回密码
 免费注册

QQ登录

只需一步,快速开始

查看: 38480|回复: 413

[工具] ⚜【支持超大文件】Python MDX词典打包工具 2019-11-19更新

  [复制链接]
  • TA的每日心情
    奋斗
    2020-11-15 11:37
  • 签到天数: 249 天

    [LV.8]以坛为家I

    发表于 2019-10-9 03:46:36 | 显示全部楼层 |阅读模式
    本帖最后由 lgmcw 于 2020-11-19 22:31 编辑
    * Y; q' e9 T" g, I% ^
      m, K7 G8 j% ?: \这帖target的是硬核玩家,希望对有需要的人有所帮助。代码比较乱,拖了好久都懒得整理,正好朋友又找我需要,趁着一鼓作气整理出来就正好也贴在论坛里吧。我这里不跟进你那边的环境调试了,如果有运行错误自己修一下(python3可参考楼下的修改经验);不过还是鼓励回帖反馈。对我以后做新人友好版有帮助。$ V* S' S6 A/ @0 a% \! x# g3 H) ]
    以后我会做一款带GUI的,针对小白玩家。
    ! a8 h4 S, {% A* ~2 ?& J! }
    % B$ r% }4 W8 D' R( [/ r0 Q* W入口文件,运行genMDX_ox4.py即可开始打包,附了一个牛津4的txt源码,我已经调试好,确保在我这里能工作,下载后可以直接运行用来测试程序。我的所有字典都是用这个程序打包,暂时没什么大问题。词条数最多我试过的简明英汉400多万词头;体积最大的OED,txt源码就有2.4G;这些打包都毫无压力。不过我这边还在用老古董python2.7;python3应该也能用,如果报错,可能需要自己debug一下。
    ' \  y& o8 B8 L4 S9 hgenMDX_ox4.py is the entrance file you want to use in CMD/terminal. I've also enlcosed a OALD4_azure.txt for testing purpose. % P; g) ]7 |& _  k1 e
    1 v, G; ~. p3 i5 D6 A5 R- X5 l
    + R5 z$ ?# g" I" W

    ) g, |9 w4 P9 b, e/ t# ~. bWindows下运行举例(需安装python):
    . I) Z# \3 T( _6 e$ S/ L
    ; h0 U9 r* I4 A, _( L" N3 [; F& n. [0 q. L8 D$ P
    相较于原版我主要改了两个地方:
    * C5 O4 S, c  }3 K2 v& h1. 在代码里,以前一个字典的key只能对应唯一个value。而MDict完全支持多个相同词头对应多个意思。所以我改了代码,让一个字典的key可以对应多个value- X  V0 K5 }3 n
    2. 修改排序算法,原版是用的默认python排序,输出的文件在MDict简直不能查。GD勉强能查。
    + K  E6 u& }! a/ t$ d( }' R: g
      b9 Y, q2 R2 J; n& b, `- V3 W& K) p. W% B2 B0 ^, u! i
    * \7 _# g4 U' Y* p$ [! C" t
    Python实现的txt转MDX代码:9 c6 s' W$ N4 M3 T+ w( Z( V1 a6 o

    " m! e, f" F4 ?) T* \) R3 ^
    游客,如果您要查看本帖隐藏内容请回复
    欢迎提建议% {7 d" }2 e+ G! s
    ⚜ 感兴趣可以看看我的其他字典,绝大部分都公开分享。
    7 o% t8 n4 {# J
    8 C( Z! p" E; x. ?( n  _; t) B6 ?/ m/ Q% n8 G
    4 f0 D/ J9 Q; `; |

    ! c+ i+ L! j$ ^. C- c; G. Z9 s# l1 |1 q0 s  V
    5 ^9 n* w3 P1 E* |" z) h  o

    评分

    5

    查看全部评分

    本帖被以下淘专辑推荐:

    该用户从未签到

    发表于 2021-7-23 14:38:37 | 显示全部楼层
    python3.8.9调试成功!
    . f& J/ o! o( l9 L2 x1 X* _; f! i; e' U$ @' h5 ]' Z" a
    做了如下修改:
    + A$ b1 N, k" x$ Y
    " X+ c+ S8 k0 t4 t1.genMDX_ox4.py
    ; j# j2 n) O9 [* Q( X
    3 X6 a8 g0 }; s* M7 {* T9 r(1)注释掉前三行# -*- coding: GBK -*-  # coding: utf-8  # encoding=utf8,解决SyntaxError: encoding problem: GBK
    0 D6 v6 ]1 R/ B7 X% o) z9 L9 h) v$ J
    (2)注释掉import sys  reload(sys)  sys.setdefaultencoding('utf-8'),python3不需要了
    2 W% |! E. R$ f) A2 n9 P0 j
    4 o9 ?- j1 q( T. C. N(3)打开、写入的文件加上当前路径(import os;current_path = os.path.dirname(__file__);current_path+"/OALD4_azure.txt",),解决No such file or directory:
    & v2 I5 q; T+ I' L; S* D# X5 M0 X: x2 }! Y6 F$ ~( O
    (4)大神提示OALD4_azure.txt、about_OX4.txt使用utf-8格式。我试了下,两个文件转换为gb2312,代码修改为encoding='ANSI',也可以成功。另外,goldendict可以打开这两种编码的mdx,mdictpc版只能打开ANSI编码的mdx文件。- U. y, h0 e- D$ _, `
    5 Q$ T8 Y8 a7 M2 A; Z( h
    2.writemdict.py
    0 d: B/ f; J) p4 r2 @! ^# A" e" e3 K3 w: r4 m" }
    修改 from cgi import escape为 from html import escape,解决cannot import name 'escape' from 'cgi' ,因为python3 cgi.py里面已经没有escape了。换成html,可以用,暂未发现问题。

    评分

    1

    查看全部评分

  • TA的每日心情
    无聊
    2023-12-27 22:43
  • 签到天数: 500 天

    [LV.9]以坛为家II

    发表于 2019-12-6 14:19:04 | 显示全部楼层
    我的是Python3.7的,genMDX_ox4.py文件里面的
    . @* @0 d+ ^7 Jimp.reload(sys)改为:
    0 d1 O7 U- z5 P! P; Himport importlib% q+ C- T9 S- ~& w
    importlib.reload(sys)
    ( H2 ^$ `1 _: d; K" |然后删掉:sys.setdefaultencoding("utf-8")
    $ e4 l6 L0 ], `) N测试通过。& P7 L. v" h( ]7 E
    0 _& F9 O6 D$ @, Z) V0 {
    但是生成的词典,用SourceEditor打不开,PC版GoldenDict,安卓版欧路可以打开。汇报完毕。

    评分

    1

    查看全部评分

    该用户从未签到

    发表于 2023-3-9 22:28:50 | 显示全部楼层
    好的,感谢老铁啊

    该用户从未签到

    发表于 2023-3-8 14:04:03 | 显示全部楼层
    感谢大神分享
  • TA的每日心情
    慵懒
    2023-10-11 10:27
  • 签到天数: 198 天

    [LV.7]常住居民III

    发表于 2023-2-14 11:51:09 | 显示全部楼层
    感谢楼主分享

    该用户从未签到

    发表于 2022-12-30 17:34:07 | 显示全部楼层
    谢谢高手无私分享这么好的教程
  • TA的每日心情
    开心
    2021-11-18 11:26
  • 签到天数: 3 天

    [LV.2]偶尔看看I

    发表于 2022-12-28 10:39:48 | 显示全部楼层
    试试看,谢谢大佬
  • TA的每日心情

    2022-5-16 09:51
  • 签到天数: 208 天

    [LV.7]常住居民III

    发表于 2019-12-9 09:53:05 | 显示全部楼层
    反馈个问题,直接跑大佬的源码,在mac上会报如下错误:
    , r2 Y8 N& O2 ~) z+ w# rTraceback (most recent call last):) E4 Z% }, F' ?$ f3 f
      File "genMDX_ox4.py", line 14, in <module>9 \, f# q4 j. ?# f& ^# I4 x  v8 \
        reload(sys)
    : M- Y' x- |' U+ bNameError: name 'reload' is not defined
    9 W4 j) `4 K' `8 ?9 Q1 i
    $ z, K7 W" p. C! D# m3 C解决:$ {# V! Y# k7 R( {5 q) d0 `
    注释掉文件line14和line15,即可

    点评

    应该是python3和python2.7的区别  发表于 2019-12-9 10:15

    评分

    1

    查看全部评分

  • TA的每日心情
    慵懒
    2023-1-18 13:13
  • 签到天数: 539 天

    [LV.9]以坛为家II

    发表于 2019-10-9 08:44:33 | 显示全部楼层
    谢谢L大,等了1年了。
  • TA的每日心情
    无聊
    2023-6-6 10:30
  • 签到天数: 2 天

    [LV.1]初来乍到

    发表于 2023-3-29 17:40:05 | 显示全部楼层
    谢谢大佬 都是好东西来晚了 就看到要关站
  • TA的每日心情
    开心
    2023-2-21 17:06
  • 签到天数: 227 天

    [LV.7]常住居民III

    发表于 2019-10-9 06:37:56 | 显示全部楼层
    先收藏再研究,谢谢分享
  • TA的每日心情
    无聊
    2021-8-13 07:38
  • 签到天数: 195 天

    [LV.7]常住居民III

    发表于 2019-10-9 07:00:20 | 显示全部楼层
    thanks a lot
  • TA的每日心情
    开心
    2018-8-8 03:13
  • 签到天数: 1 天

    [LV.1]初来乍到

    发表于 2019-10-9 07:09:48 | 显示全部楼层
    感謝 lgmcw 兄:' o/ c: \6 m) r: C. Y
    分享
    【支持超大文件】Python打包MDX词典工具

      F* h2 a  X* m7 Z- s% D非常需要此超大文件打包, 有的文件再合併後再用 mdxbuilder 打包MDX弄不出來6 j1 f; ?% C- p0 K+ `) O/ v
    謝謝仁兄分享此重量級工具4 u6 ?6 J8 a- n1 Z1 w* e
  • TA的每日心情
    擦汗
    2022-5-20 11:41
  • 签到天数: 222 天

    [LV.7]常住居民III

    发表于 2019-10-9 07:54:53 | 显示全部楼层
    謝謝分享資源
  • TA的每日心情
    开心
    昨天 07:49
  • 签到天数: 2648 天

    [LV.Master]伴坛终老

    发表于 2019-10-9 08:05:03 | 显示全部楼层
    好东西,学习学习,谢谢楼主分享技术
  • TA的每日心情
    开心
    2020-1-5 08:04
  • 签到天数: 50 天

    [LV.5]常住居民I

    发表于 2019-10-9 08:19:19 | 显示全部楼层
    謝謝分享此重量級工具,感谢 !

    点评

    如果是古籍文献,有可能需要用UTF-16。要自己摸索一下修改入口文件。  发表于 2019-10-10 01:04
  • TA的每日心情
    开心
    2022-1-21 00:52
  • 签到天数: 699 天

    [LV.9]以坛为家II

    发表于 2019-10-9 08:28:06 | 显示全部楼层
    学习,谢谢楼主分享技术,争取以后逐步从小白玩家进化到硬核玩家。
  • TA的每日心情
    无聊
    2020-12-19 21:10
  • 签到天数: 21 天

    [LV.4]偶尔看看III

    发表于 2019-10-9 09:06:01 | 显示全部楼层
    谢谢l大,准备考研结束后就折腾折腾
  • TA的每日心情
    奋斗
    2021-3-15 08:06
  • 签到天数: 585 天

    [LV.9]以坛为家II

    发表于 2019-10-9 09:07:57 | 显示全部楼层
    非常感谢你的分享。
  • TA的每日心情
    奋斗
    2023-2-19 20:22
  • 签到天数: 682 天

    [LV.9]以坛为家II

    发表于 2019-10-9 09:21:53 | 显示全部楼层
    好东西 谢谢分享
  • TA的每日心情
    无聊
    2022-9-25 21:09
  • 签到天数: 1136 天

    [LV.10]以坛为家III

    发表于 2019-10-9 09:30:46 | 显示全部楼层
    請問 mdxbuilder 目前能處理的文檔大概是多大?
  • TA的每日心情

    2019-9-20 08:37
  • 签到天数: 214 天

    [LV.7]常住居民III

    发表于 2019-10-9 10:06:07 | 显示全部楼层
    还是可以指定输入文件的命令行方式不较好
    : G- ^. ^3 ?8 r  h) m  q& J比如 python genMDX.py source.txt about.txt
  • TA的每日心情
    擦汗
    2025-3-22 20:43
  • 签到天数: 314 天

    [LV.8]以坛为家I

    发表于 2019-10-9 10:14:53 | 显示全部楼层
    emmm论坛有个excel转mdx的工具很不好用。。。
  • TA的每日心情
    开心
    2023-9-27 20:45
  • 签到天数: 847 天

    [LV.10]以坛为家III

    发表于 2019-10-9 16:54:33 | 显示全部楼层
    感谢分享,看看,学习一下
  • TA的每日心情
    奋斗
    2020-11-15 11:37
  • 签到天数: 249 天

    [LV.8]以坛为家I

     楼主| 发表于 2019-10-10 01:02:33 | 显示全部楼层
    HMPT 发表于 2019-10-9 10:067 K: g/ [; T5 M) R! g
    还是可以指定输入文件的命令行方式不较好# H1 k, ~+ ^- B  [( H
    比如 python genMDX.py source.txt about.txt ...

    " X* H7 {" G2 y8 k这个其实改一下入口文件就能实现,应该不难的。
  • TA的每日心情
    奋斗
    2020-11-15 11:37
  • 签到天数: 249 天

    [LV.8]以坛为家I

     楼主| 发表于 2019-10-10 01:03:25 | 显示全部楼层
    本帖最后由 lgmcw 于 2019-10-10 01:58 编辑 % L" {- u8 U& r# g) l, r+ {# J/ p
    oversky 发表于 2019-10-9 09:30
    3 L! D  m4 R+ y% |' ~請問 mdxbuilder 目前能處理的文檔大概是多大?
    " N, E/ f  r2 |& X0 D/ y* A7 |3 t4 G
    你可以咨询一下@喬治兄 ,他可是屡屡遇到上限。
  • TA的每日心情
    无聊
    2022-9-25 21:09
  • 签到天数: 1136 天

    [LV.10]以坛为家III

    发表于 2019-10-10 07:27:37 | 显示全部楼层
    lgmcw 发表于 2019-10-10 01:03# u# V2 I$ O& [' d+ {
    你可以咨询一下@喬治兄 ,他可是屡屡遇到上限。
    9 C& V# A6 b" B$ M- {
    谢谢您的指引。

    该用户从未签到

    发表于 2019-10-10 11:24:07 | 显示全部楼层
    很有用的工具
  • TA的每日心情
    开心
    2021-4-24 17:14
  • 签到天数: 119 天

    [LV.6]常住居民II

    发表于 2019-10-10 11:45:08 | 显示全部楼层
    非常感谢分享!
  • TA的每日心情
    奋斗
    2020-11-15 11:37
  • 签到天数: 249 天

    [LV.8]以坛为家I

     楼主| 发表于 2019-10-12 12:38:31 | 显示全部楼层
    喬治兄 发表于 2019-10-9 07:09
    , Y3 Z' K  q: y6 O感謝 lgmcw 兄:
    & _1 g8 y, E( L8 _& l分享  
    7 N( J9 E+ G1 U+ ^  r3 C1 T非常需要此超大文件打包, 有的文件再合併後再用 mdxbuilder 打包MDX弄不出來

    $ I; Y6 t; g6 T9 A$ m兄弟可测试通过,此工具可还好用?
  • TA的每日心情
    开心
    2018-8-8 03:13
  • 签到天数: 1 天

    [LV.1]初来乍到

    发表于 2019-10-12 12:48:11 | 显示全部楼层
    lgmcw 发表于 2019-10-12 12:38
    ' `4 j) o9 M7 w0 P: Y+ j6 u* a兄弟可测试通过,此工具可还好用?

    ; C* `1 ]# n7 W) _5 J謝謝 lgmcw 兄關心,小弟還未試呀,小弟會盡快試試,若有困難再向仁兄請益,謝謝啦!
  • TA的每日心情
    开心
    2019-3-26 21:36
  • 签到天数: 178 天

    [LV.7]常住居民III

    发表于 2019-10-12 15:33:11 | 显示全部楼层
    本帖最后由 流星冲击 于 2019-10-12 15:37 编辑
    - z. C* w0 b( r  P3 q1 q
    8 ~. m6 g- _& e1. 在代码里,以前一个字典的key只能对应唯一个value。而MDict完全支持多个相同词头对应多个意思。所以我改了代码,让一个字典的key可以对应多个value。
    % h: s* c8 J9 P/ ?5 T1 l3 o+ B  _! z% ~2 G5 W: ^9 T
    之前我和zzzz_sleep讨论过“以前一个字典的key只能对应唯一个value”的问题,他给出的方法是让类Mdict套壳的软件/app的作者去解决,例如用@@@link和a href=词头#锚跳相混合实现查询多个value的方式(具体zzzz_sleep给出的代码的用法我也忘记了,不过印象中还是基于一个key对应一个value的用法),现在楼主这个工具直接从代码层修改一个key对应多个value,这个要给个赞!
    & f! p+ v" n: w. ?, z& L2 N$ d
    2. 修改排序算法,原版是用的默认python排序,输出的文件在MDict简直不能查。GD勉强能查。; ^. d* s, P  Q, A8 W

    + J* @3 F  k2 A7 \* X0 C我没用Mdict_PC来查询生成的mdx,对于GoldenDict,我看了某些帖子的说法,GD是全部提取mdx的headwords为一个缓存文件而不依赖原生的mdx算法的排序的,相同词头(例如a和A)是以类似多本词典联合查询单词的方式在一个页面内列出所有a和A词头的内容的,如果GD不依赖原生的mdx算法排序,楼主说“GD勉强能查”是单词基本能查询,不过不按照Azure排序(dot,doT,dOt...)这样排列下来?
    + n! _* b1 f- _$ q; y3 ~  u手机端的app,以Azure排序,单本词典查询的模式下,安卓mdcit和平典app(平典app可能有些带符号的单词查不到什么的,平典以前的国庆版本就查不到楼主你用python生成的新牛津v2.3.0 beta的单词词头)查询是完美支持这种排序的,而不是原生A再到a这样下来。深蓝dict不能单本词典模式查词,所以不能看到多个a和A,a和A的内容会挤在一个界面,由于不能单本查词,ff大的朗文5++ v1.3.5的气球在滑动单词页面时不能固定在右下角(直接在单词页面最右下角,对于长内容,需要滑动到页面最底部)。欧路app未测试。
    您需要登录后才可以回帖 登录 | 免费注册

    本版积分规则

    小黑屋|手机版|Archiver|PDAWIKI |网站地图

    GMT+8, 2025-4-5 00:31 , Processed in 0.031211 second(s), 31 queries .

    Powered by Discuz! X3.4

    © 2001-2023 Discuz! Team.

    快速回复 返回顶部 返回列表