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: 38726|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 2 L1 X4 }* E. a. _! g* U

    & a$ y+ }: B7 Y7 F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。
    9 B6 S7 s( W8 F, Q8 ^$ u# P以后我会做一款带GUI的,针对小白玩家。. F) F0 ?' ]" t! n' M
    ( I6 f4 t' U/ b2 g, S: X
    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。% O: |4 X; R- o8 i& C5 q: j+ c
    genMDX_ox4.py is the entrance file you want to use in CMD/terminal. I've also enlcosed a OALD4_azure.txt for testing purpose.
    ' |, G' G3 G: q# W1 }1 T
    ( y) I* _: b( g/ T% V$ x
    , O, J' q0 k3 w, r. z$ Q6 g4 l6 h9 w# b6 U) S# i- `
    Windows下运行举例(需安装python):
    ' e0 g/ x9 W( P* D2 F) ]6 O, H. _3 F( m* `
    # F) R4 N3 o8 B8 R1 W; w
    相较于原版我主要改了两个地方:. {1 A* H4 O  C3 b' h5 s/ v
    1. 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+ T* H) o$ j' [. n) l
    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。
    + d1 a4 \  ^5 h1 h+ b: d% ^" W7 Y) G0 X5 L$ A

    $ T. e4 q- I' V( P# g
    1 O- k# @( z  Z# X) }$ V) R5 H0 h! cPython实现的txt转MDX代码:! @. D" Z9 W) J

    / Q; J' X4 ?, ?9 ~- E0 m+ J
    游客,如果您要查看本帖隐藏内容请回复
    欢迎提建议
    3 x! r3 p) B% I* V2 k4 V⚜ 感兴趣可以看看我的其他字典,绝大部分都公开分享。) t8 s3 M" Q& e" A' e# C

    & j# F3 j" q: l2 z: d3 w: o; {
    * [# t, S6 J% }5 K0 F/ K' C& `% O9 k  y5 K1 D( F
    ; S4 o- ^3 Y) u" U& b! o

    : j2 y9 D: x. ~; ~5 |0 F) Q9 ]4 C. [* P( t# V

    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!5 P4 L  c/ P- |$ @6 @' L

    ; y' e. V) J( f# U做了如下修改:# ^8 z6 Z. ]! K
    ; U3 y( Z. _, [5 K! [8 R
    1.genMDX_ox4.py
    4 R( @' D, h* V4 V9 R  U
    , i7 D1 P" {/ H$ g+ S5 ]9 J  g% F(1)注释掉前三行# -*- coding: GBK -*-  # coding: utf-8  # encoding=utf8,解决SyntaxError: encoding problem: GBK
    0 S" d2 \3 T! P) q, G. r' t
    - D, |: Z& y. w& f5 Y(2)注释掉import sys  reload(sys)  sys.setdefaultencoding('utf-8'),python3不需要了4 P2 q) S% w  _& b. @; Q5 G* l' ?
    - y: A( p  t; O8 F% h3 d
    (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:3 Y) L9 Z  V, X- k

    2 j+ |3 O" N/ [# o! z0 g(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。7 {$ h" X# I& H( C

    + j% n) G% E! d/ E+ Q2.writemdict.py: F' N3 n- \0 J3 Z

    ' @+ c  B) X  v7 g' G0 w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  ^# Z" t4 Z1 s( t% y& [$ |$ |
    imp.reload(sys)改为:* L: M1 {2 x& g/ d8 ?
    import importlib# }: f( s7 a2 R( O! D
    importlib.reload(sys)
    3 e1 x$ p* p" y' L. y$ |3 V# a然后删掉:sys.setdefaultencoding("utf-8")
    % F$ T- M* f3 n3 I测试通过。3 P, B  C8 `& w4 q3 I! x; [

    ' ^$ b: [% U: H( P( Y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:
    ( l, i8 D; t! t: n# p# cTraceback (most recent call last):
    $ ]4 C4 c. J& P  File "genMDX_ox4.py", line 14, in <module>
    3 W: n7 M0 a5 }8 D6 C  Y- X    reload(sys)
    9 {8 B! L  R$ _! K, f+ F  p6 ?NameError: name 'reload' is not defined& F) N$ {$ s9 F6 r* ^' ]# U
    ) L: V( a. l+ z. o. q
    解决:# \+ U( l6 v8 o3 x; T6 ?
    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:
    6 S% R5 Z+ _. f4 O$ a8 k; e! P$ Q, |分享
    【支持超大文件】Python打包MDX词典工具

    9 W6 p9 c; ~. ~, N8 |7 Y% 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9 x' J. O! k% f& I
    謝謝仁兄分享此重量級工具4 j* {! `; a- e4 O# k3 S  q
  • 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 07:30
  • 签到天数: 2667 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
    * y& U( _' Z1 X9 Q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 10:064 ^, l$ f' d! N8 P% o6 n. C2 \- g
    还是可以指定输入文件的命令行方式不较好0 l( U9 z. I+ [7 t; H
    比如 python genMDX.py source.txt about.txt ...
    , [, p" S- t; J3 y
    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 5 M5 f# f( T" K5 o6 \
    oversky 发表于 2019-10-9 09:30
    " f4 y- @9 F, o+ \5 |& ]請問 mdxbuilder 目前能處理的文檔大概是多大?
    ' j! a0 y: i* t8 b: u
    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 01:039 q% _1 n+ u% P9 ~# r) Z  J
    你可以咨询一下@喬治兄 ,他可是屡屡遇到上限。

    ; U+ L' w3 H9 T2 l! I9 x: Z( o+ D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
    $ M3 P5 w9 c1 \9 [7 _& q5 D7 H感謝 lgmcw 兄:! P5 t+ R% Q9 \) ?% a0 s% s9 `: U
    分享  
    * B, j' k( Q6 f9 ]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

    4 b4 O- Y: `! a" ~2 O; F# I% V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$ o$ K2 U! j2 m9 u" L
    兄弟可测试通过,此工具可还好用?
    1 C: g) n. x3 E: S* q1 B  A$ C: G
    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 . r2 y' o  e" A( ]6 e- p! i: p
    , V$ e  r! G2 j  K$ i! `
    1. 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。/ O/ f5 j) J, u! Q3 o9 k  p2 U
      w' P3 D" ^- }# f# Y& L; D8 l  P
    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!8 n; c& C1 M% O4 w
    0 ^' T, a! w4 D% Z3 V, U
    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。: C. m! A- g+ I

    6 d2 X% `7 O5 q( F1 y' Q% c' l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?
    1 u% t2 a  k! ~8 u/ l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, 2025-4-25 05:48 , Processed in 0.032408 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