教你用人民日报参考消息全文数据库mdx做简单语料库

klwo2

原始资料从这里下：https://www.pdawiki.com/forum/thread-41276-1-1.html
4 j& ^5 f, I6 r% k& U3 y% V" N4 [
9 P) g% Q7 X$ Y0 x/ e这个东西是阿彌陀佛从老资料网上抓的，我觉得适合做简易的语料库，研究现代汉语的人可以用用。

+ l  I: h0 s2 J8 Z+ Z* e. {2 P8 h我教大家怎么把mdx转成适合搜索的txt，但是不会给成品，原因很简单，因为txt里面的内容开放，度娘看得到，说不定传上去也会被和谐掉，还是只说方法好了。
& x. q6 }: C) M: F
第一步，用mdxexport把mdx转成txt
) S( G" p. B  D; N2 Z; \
( B; g! z. y  K1 J# h
& J; d; K, `7 w7 r. J* I4 r
这个没有太多好说的，文件比较大，等进度条走完就行了。

第二步，把txt分割成多份，我用的是阿海文本分割器，这类工具大同小异，随便选一个
' v' a+ N4 q2 }: b
: b% s, i4 ?9 @2 ^) Y
4 y  h! v' w; c5 N
  i! p# o9 \" [4 o3 }选择【按份数分割】，人民日报选200份，参考消息选100份，按【执行】 按钮即可

阿海文本分割器有个问题，就是分割后的文件路径永远都在C盘，留意一下剩余空间足够

第三步，使用FileLocator，定位到目录，用正则搜索即可

. d; P% f& W. p9 r
1 n# Q9 D' R' W; W+ f+ f
* f% k/ m8 T3 K4 v它的速度比goldendict全文检索快，比如我这张图上搜的是「坚决……的行为」，中间插入最多10个字
' @) z+ e& p" C9 T9 k/ p
& o& C2 q! C( ]) C4 h

999阿彌陀佛

這樣的教學帖多多益善！

abtxu

用奶牛网盘估计不会被和谐

Mandolin

FileLocator 的全文检索似乎挺不错
7 h# H7 [* q: D: ]. o( s& T

shuwushimang

感谢赐教，大赞！

Bartleby

但是不会给成品，原因很简单，因为txt里面的内容开放，度娘看得到，说不定传上去也会被和谐掉，

( u. x. v! X5 b+ m, m楼主不会打包成zip文件，再设置个密码上传吗？

Toyger

人民日报这种二流报纸也就那么回事

人在上海

HyConcv3.9.8免费版和免费的AntConc更专业些，都很方便。

zaijiaseng

txt文件分割之后，有很多文件是乱码！

dave

人民日报参考资料做的视频