一键制作图片词典 MdxSourceBuilder

喬治兄

7 k; c, [2 U+ B2 m

wjl 发表于 2020-8-16 11:23
你这个定位边算法不是已经有词头了吗？在每页加个左右分界标记，然后不就能够区分左侧单词、右侧单词以及 ...

兄弟，那也得人工去挑出來呀！，怎麼顯示都不是困難點，重點是如何挑出左右邊，人工那不如多花點精神弄精確定位，反正也差不了幾步，所有的動作不就只是想輕鬆點，然後效果又不要差太多，不是嗎？甚至是沒字表，隨便亂匹配也能知道大概位置，或甚至多配或沒匹配到也能找到位置，也能去那估出的位置看一下，辭典到底是否有收錄這個單字與否
8 M6 ^" e' }+ Y% x

wjl

喬治兄 发表于 2020-8-16 11:34
" v0 F5 V  a* X+ F8 {& G. H兄弟，那也得人工去挑出來呀！，怎麼顯示都不是困難點，重點是如何挑出左右邊，人工那不如多花點精神弄精 ...

' w6 f; t: C$ @- A# W6 [好吧，不过我不是很理解那种词头不精确、大词表、乱定位的词典有何意义。正规词典上的少数错误都会被各种专家、看客吐槽呀。

wht1979

喬治兄 发表于 2020-8-16 11:34
兄弟，那也得人工去挑出來呀！，怎麼顯示都不是困難點，重點是如何挑出左右邊，人工那不如多花點精神弄精 ...

" E' U! E" j$ A0 y1 r/ J) A这样用ps批处理左右加上不同的符号再用FineReader  ocr出来应该问题不大。你可以试验下或我可以给你实验个30-50张。（FineReader带格式的保留很全，就是慢）

/ `& z) v, N1 W' F% i' j- C
: i# [5 r2 e! p' H

喬治兄

wjl 发表于 2020-8-16 12:07
好吧，不过我不是很理解那种词头不精确、大词表、乱定位的词典有何意义。正规词典上的少数错误都会被各种 ...

wjl 兄，在下也不建議您用粗略匹配的辭典，本來就不是很好用，最好是弄一次到位的文字辭典，然后文字辭典最好也是沒你所說的OCR錯誤，何必屈就圖片辭典呢，時間，效益，和用途，本來就要拿捏不是嗎？
+ x- B, m; p  d: J! [/ x

喬治兄

0 E$ w, H7 D2 E: s7 q5 j+ H

wjl 发表于 2020-8-16 12:07
" I1 x5 ~6 ^/ u. {" N3 Q好吧，不过我不是很理解那种词头不精确、大词表、乱定位的词典有何意义。正规词典上的少数错误都会被各种 ...

在下從來不怕人家吐槽，也不說空話，畢竟空話一堆是生不出辭典，這話有點毒辣，除非有更好的實現方法或作為，粗配的缺點不用你說，大家都知道，所用的方法更不是什麼好方法，粗略定位呢，和粗配一樣缺點定不準而且還很難找，這是已知的問題呀，有沒有改善的空間呀，有的，花更多的時間去人工處理呀，若按您的標準，精確定位的處理法，你怎能忍受呢，若是碰到有音節的單詞或內縮的詞頭，請問閣下是OCR校對呢, 還是一個個點擊單詞列表呢.....以上所言並非為粗配護航也無意護航，而是閣下應對事物的本質有所了解再去決策實現的方法, 粗配也是一個笨方法...哪有可能包山包海的全解

VimVim

0 ]* U0 b. X7 A- y  K2 k# U
% J% n3 q4 Q8 `$ a* M+ O真实词典案例：
+ L2 N6 e+ U. [" X0 u
國語日報辭典 - 使用MdxSourceBuilder重制导航
% r5 W  x* e/ Q2 k- lhttps://www.pdawiki.com/forum/thread-41323-1-1.html
) w. i- N9 f4 W6 K2 A8 K$ @(出处: 掌上百科 - PDAWIKI)
- S9 ?/ C2 S2 h6 L$ `4 F
' b9 k' Z( e$ R, ~8 _* b
在这个案例中，还增加了一个功能：可以添加现成的mdx源文件。其妙用：特别适合于类似案例这种港澳台等表达习惯不同的情形，要添加额外@@@LINK到已有词条的内容。

VimVim

Update：增加了防错机制，对词条、info等文件的编码都不做要求，无论gbk或utf-8，还是bomb或nobomb，系统均会自动处理。

VimVim

我在 MdxSourceBuilder 标准版的基础上，定制了一个能够兼容多层次词条（主词条+多个相关词条）的版本，用于制作《汉字源流字典-谷衍奎》，大家可以前往观摩，体会开源的好处及程序的灵活性（开源就是这个好处，想怎么改就怎么改）：

【汉字源流字典-谷衍奎】最实用的字源字典
5 y+ H" Z' V! g- Lhttps://www.pdawiki.com/forum/thread-41393-1-1.html
9 m4 e5 b1 n" \4 o(出处: 掌上百科 - PDAWIKI)

starmars

6 Z$ I4 H5 y" B$ r% S! S
. W4 O/ x1 J+ v* J! R# C建议作者不要搞VIM这么专业的东西，不要用什么命令行，即使您感觉再简单也会令大部分初级人员望而生畏。最好使用C#编程用WPF或者更加原始的winform创建标准的Windows桌面应用软件，一切使用拖拽式傻瓜处理，加一些窗口菜单界面上可选择的微调设置。软件开发结束之后，不要浪费时间写这么多使用说明。写一千个字都不如制作三分钟视频演示教学管用，不要无声的视频要带音频讲解的。这正是我现在正在做的。

VimVim

% k5 }1 t0 |: S  A

starmars 发表于 2020-8-26 11:44
建议作者不要搞VIM这么专业的东西，不要用什么命令行，即使您感觉再简单也会令大部分初级人员望而生畏。最 ...

期待您的大作！若能超越，那是最好的了，皆大欢喜！
! @* ~/ t0 G. ?( I4 e
不过你对MdxSourceBuilder的理解有误 —— 它不用任何命令就可以使用（讨论可参见21楼）：打开Vim，单击 工具栏按钮 “运行vim脚本” ，找到MdxSourceBuilder.vim，确定，结束。
! c0 \8 K% l0 e. \
此外，MdxSourceBuilder 的初衷是开源而且跨平台（不能局限于Windows，毕竟很多人使用Mac、Linux），人人都能按需修改。我水平有限，能想到的就是要用脚本语言，否则编程门槛太高就失去了意义。我的目标不是傻瓜化，而是足够优秀（无论是成品体验，还是制作过程），同时又没有后顾之忧（开源，不要受制于原作者，想怎么修改就怎么修改）。至于傻瓜化只是必要的组成部分（属于产品需求分析与设计的范畴）。当然如果能用Python之类的流行语言编写更好。怎奈我更熟悉Vim，且使用Vim可以让我实现编辑到输出完全都只用一个工具。期待高人能够编写一个更好的Python版本。
. Y2 X: J! L9 C

$ z# t1 X' c  ]+ ]至于教程，其实就一句话：打开Vim，单击“运行vim脚本”按钮或输入命令 :bro so，找到MdxSourceBuilder.vim，打开，结束。


对于普通用户来说，其他的文字都是可以不看，完全属于多余的内容。。。之所以写那么多，甚至GIF无声动画，那是为了协助高级用户了解来龙去脉，以便深度定制或开发新程序，或者纯粹为了让帖子好看一点，有图有真相，吸引更多的用户而已。
7 T2 @/ v. Y6 J  H+ I+ ^7 u# r3 j

VimVim

starmars 发表于 2020-8-26 11:44
! |- X" ]8 B" v( b建议作者不要搞VIM这么专业的东西，不要用什么命令行，即使您感觉再简单也会令大部分初级人员望而生畏。最 ...

建议您搞个可开放下载的切图软件更有意义（开源不开源无所谓，但要有反馈的机制，比如Github）。目前流传的切图软件在友站可是讨论的热火朝天（至少说明用户很感兴趣），只是有很多问题得不到原作者的反馈或参与，甚是可惜。
/ c- D# x: A5 K. I6 U
MdxSourceBuilder 从提出想法到已经实现，甚至都出了好几个案例了，也没几个人感兴趣，您若只是重复造这个轮子，感觉有点浪费您的技术水平了。

若说 MdxSourceBuilder 有任何闪光点的话，我觉得也仅仅是其中的 “一键制作（面向制作者）” 和 “基本导航（面向词典终端用户）” 思想。MdxSourceBuilder 程序本身纯粹是玩具，编程高手看了不笑话就不错了，因为我根本就不会编程。为了实现 MdxSourceBuilder，我还是临时学习的Python，借鉴着相关概念用熟悉的Vim脚本来编写的，你说的那两个技术术语（WPF、winform）我都没听说过，期待我去编写什么C#程序那是不现实的。
- Q$ j( L0 w7 }3 ^+ \1 N7 L' `
MdxSourceBuilder 更多是解决我自己的需求：在目前还没有任何其他替代品的情况下，搞了个粗糙的小脚本满足自己个性化的想法。

: J, P( G, V' x6 e+ X

wjl

VimVim 发表于 2020-8-12 17:12
# MdxSourceBuilder
/ A6 m$ |& C, [0 @
9 J. _) o0 V- o9 `一键制作图片词典：原始词条==> 标准化词条==> mdx源文件 ==> mdx词典文件

# J% _( f) ~7 L2 [9 Q$ y请问一下正文前和正文后部分的页码如何写？图片文件如何命名？假设正文前和正文后的页码如下所示
! k$ y5 g% S2 ^0 o2 m* k6 P4 o$ }
正文前部分：
0001
" l7 e& U& _3 m! h8 ?封面
' g( ]' P  W( t, Z4 O. ?1 o0002
0003
; M/ K6 Q- p' j0004
0005
" H2 j8 {) H' N编写人员名单
0006
6 q4 p' N+ I) W! [目录
+ j: K& w  P% z  h0007
3 k% n( E# ^9 D0 j; e序
( S6 ]2 V$ q9 d% X. O, B0008
2 B, L$ N, h/ {0009
前言
0010
体例说明
0011
) n+ s6 V, L. l; |4 U5 e. R; y0012
略语表
0013
, u! p8 j& f; B" a3 Y3 v0014
0015
主要参考书目
0 h" K8 l6 x" W: @- S4 f
" N( Z4 n" T1 h正文后部分：
0001
图书在版编目(CIP)数据
6 I* m8 P- j6 X8 Y1 N0002
0 A% _' A, k# l* B0003
0004
封底


0 T% s6 v% l+ q* i  e9 ?! [5 W' V% S

VimVim

wjl 发表于 2020-8-31 18:54
2 S" Q: e$ L- A. r% g* ^- T# z+ ]请问一下正文前和正文后部分的页码如何写？图片文件如何命名？假设正文前和正文后的页码如下所示

: v9 G  W+ ]8 g' [- D) q正文前 ...

页码其实可以随便怎么写都可以，默认只要是四位数字都支持（3位或5位等需要更改core程序），但按顺序写（从1开始，或接续正文页码），用起来也符合逻辑不是吗？否则跳着页码来或突然来个第7856页，也很奇怪啊。

! M( \6 [, i2 u图片名称是由配置文件MdxSourceBuilder.vim的g:dictionaryParts 决定的：前缀（第2个参数）+四位数字页码（在词条文件中）+后缀（第3个参数），比如：        
let g:dictionaryParts = [
; ~3 Z, r5 |8 L: F% n; f        \["火星词典.Cover.txt", "MarsDictCover_", ".png", 0, 1],
        \]
" N; v! M, x; T2 M( C  c1 ]

那么这个图片名称就是 MarsDictCover_1234.png

3 s) w1 t! Q, A  g8 _+ U5 `$ L你在案例中可以看到，我给每个部分的前缀名定义都不一样，就是为了避免不同部分的图片名称冲突了。
/ j5 J& G* ]2 p9 n, t. \
0 [: W; a  s& A1 N' q9 k

wjl

不支持以下格式吗？
( _% x; L$ C5 g; M% n% u9 @3 i( v" S
; J+ E- T/ F6 b' l/ M+ m0001        A
/ Z' V1 e5 m( H0001        Al/A-one
0001        Al at Lloyd's
0001        d coups de baton
+ {% J5 M8 m3 `/ P  n0001        d haute voix
" \" f- @& r' m; R2 b9 u0001        d Mervielle
0001        A to Z of, the
0001        A/advanced level
$ C( K# C# L2 G4 B  P0001        Aaron's beard
0001        Aaron*s rod
! ?3 U# L# J) p( B. Y: `- i0001        Aaron's serpent

VimVim

wjl 发表于 2020-8-31 22:53
! x% ~( C8 T+ o; C# H: n不支持以下格式吗？

" E, Q' a9 F- s0001        A

4 J# f9 m3 y! t支持啊，格式2。
配置文件中都有说明文档啊，不用这样一点一点问答吧。
; E# z5 s: G3 i, u, ~

wjl

VimVim 发表于 2020-8-31 23:16
支持啊，格式2。
! O, w& L5 v4 W. ?2 U- w配置文件中都有说明文档啊，不用这样一点一点问答吧。
: w9 V2 H0 F4 o  S ...

程序使用的分隔符是什么呀？我用制表符分割，生成的mdx只有页码，没有关键字词条

VimVim

wjl 发表于 2020-8-31 23:21
程序使用的分隔符是什么呀？我用制表符分割，生成的mdx只有页码，没有关键字词条 ...

词条格式的配置参数对了吗？PageKeywordStyle：2
$ V! e, f. p5 v! R, h3 ~支持tab或4个及4个以上空格
3 c  I6 `6 H& i$ b! e4 v7 |

wjl

VimVim 发表于 2020-8-31 23:24
5 d! f6 u* ~( c7 _& Y4 A* v1 u词条格式的配置参数对了吗？PageKeywordStyle：2
支持tab或4个及4个以上空格

我这里实测用emeditor的tab不行，换成四个空格就正常了

VimVim

wjl 发表于 2020-8-31 23:38
我这里实测用emeditor的tab不行，换成四个空格就正常了

你是下载的最新版本吗？中间升级过。

wjl

VimVim 发表于 2020-8-31 23:42
你是下载的最新版本吗？中间升级过。

- Y  D; g& r" p% J对，我今天刚下载的最新版本。另外，转换的条数也不全，五万多条，只转了四五百条

VimVim

wjl 发表于 2020-8-31 23:47
2 u1 A4 t" j7 Z5 p  ?对，我今天刚下载的最新版本

9 H4 x" c2 r; p  R4 k' m" m1 G- v8 s我估计你肯定哪里出错了，只是你还没发现。
6 Y# N: A0 I% s
方便的话，私信我一个案例文件吧，我具体看一下。

VimVim

" w0 P! A4 R- |! e

VimVim 发表于 2020-8-31 23:49
# ]0 ?, S4 v0 i: ]我估计你肯定哪里出错了，只是你还没发现。

* }" C# d" e1 d5 B, M方便的话，私信我一个案例文件吧，我具体看一下。

找到问题所在了——你的词条文件有问题：
1 r) G; j  w7 z6 w% k" F8 T7 A1 \
如果你使用词条格式2，其分隔符采用的是tab或4个及4个以上空格，因此，你的关键词中不应该出现与分隔符一样的字符，否则就会造成错乱。经排查，你的关键词中有大量的tab分隔符，错误就在这里了，你把这些tab都替换掉，就不会出错了。
如果你不想更改这些关键词的tab键，那么建议你想办法将这个词条格式2，转换位词条格式0，这样，不管其中的内容是什么，都是可以正常处理的。
; {" c% q  |( q, d" h" Z9 P; W- T2 F
也可以这么理解，词条格式0的兼容性是最强的，因为它对词条关键词没有任何禁忌。而其他词条格式都会多出一步——将其转换位词条格式0，这个步骤可能会有不少潜在的风险，除非你知道如何排查或避免。

wjl

, z7 v; n" o9 l7 \# E, s6 k

VimVim 发表于 2020-9-1 01:17
2 C: V: Z% l0 a7 W6 r3 D4 K找到问题所在了——你的词条文件有问题：

如果你使用词条格式2，其分隔符采用的是tab或4个及4个以上空格 ...

9 q+ E+ c2 _3 p1 X分隔符如果能支持自定义就好了。我原来使用分号和tab键做分隔符就是因为单个分隔符容易在词条中出现

VimVim

wjl 发表于 2020-9-1 08:27
分隔符如果能支持自定义就好了。我原来使用分号和tab键做分隔符就是因为单个分隔符容易在词条中出现 ...

你可以自定义。看core.vim文件，随便你怎么折腾。

wjl

既然程序内部也是先转换为词条格式0，我还是先自己转换词条格式0再使用MdxSourceBuilder吧，以免出现无法预料的问题