查看: 3758|回复: 20
打印 上一主题 下一主题

[筹划] 新西汉词典文本

[复制链接]

该用户从未签到

43

主题

448

回帖

3793

积分

贡士

Rank: 6Rank: 6

积分
3793

灌水大神章小蜜蜂章笑傲江湖章

跳转到指定楼层
1
发表于 2013-9-23 01:05:41 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
本帖最后由 zhlpen 于 2013-10-30 11:50 编辑

本人已经把 《新西汉词典》ocr得到了文本,没有进行人工校对,每个文本10页内容共117个文本,2-1和2-1已经整理完毕,2-3,2-4整了一半,其他的还没有整理,鉴于文本校对太耗费精力,直到搞的头晕眼花,建议需要的网友,校对后上传到本论坛,做成mdx词典,文本已经上传至 115网盘,数字帐号为331342118 密码xxhcd123,可到哪里下载,如果不能下载请留言,发至您的邮箱。希望网友们整理后贴出,等待高手制作。

该用户从未签到

19

主题

388

回帖

7702

积分

会元

Rank: 7Rank: 7Rank: 7

积分
7702

灌水大神章小蜜蜂章笑傲江湖章

2
发表于 2013-9-24 02:15:09 | 只看该作者
是这一本?

该用户从未签到

43

主题

448

回帖

3793

积分

贡士

Rank: 6Rank: 6

积分
3793

灌水大神章小蜜蜂章笑傲江湖章

3
 楼主| 发表于 2013-11-12 14:21:20 | 只看该作者
对,汉西词典还没有转换

该用户从未签到

1

主题

14

回帖

110

积分

童生

Rank: 2

积分
110
4
发表于 2013-11-13 10:43:31 | 只看该作者
真是好东西
这个应该发到词典编纂区

可惜最近实在没时间,要不肯定支持楼主

该用户从未签到

43

主题

448

回帖

3793

积分

贡士

Rank: 6Rank: 6

积分
3793

灌水大神章小蜜蜂章笑傲江湖章

5
 楼主| 发表于 2013-12-24 22:27:42 | 只看该作者
现在进度:已经把文本合并在一起,并且进行了单词分割,并进行了简单的整理,正在逐个单词校对,已传至网盘,太浪费时间精力,一个人利用业余时间一年也整理不完,希望网友们帮忙整理。共同完成。

该用户从未签到

0

主题

2

回帖

3

积分

童生

Rank: 2

积分
3
6
发表于 2013-12-25 01:42:17 | 只看该作者
本帖最后由 chigre2 于 2013-12-25 01:50 编辑


这本1982年版本的<新西汉词典>的OCR文本, 但是文本需要重新按照一定格式校对.
http://book.douban.com/subject/1003758/

--------------------------------------------------------------
但是比新OCR校对要快多了, 我弄了10页测试
--------------------------------------------------------------
PDF可以下载到: http://pan.baidu.com/share/link?shareid=417141&uk=2016121280
--------------------------------------------------------------
初步文本 + 前10页校对 + Emeditor自定义显示格式文件:
楼主请看私信.

该用户从未签到

0

主题

2

回帖

3

积分

童生

Rank: 2

积分
3
7
发表于 2013-12-25 01:49:44 | 只看该作者

该用户从未签到

123

主题

1719

回帖

3万

积分

翰林院编修

Rank: 11Rank: 11Rank: 11Rank: 11

积分
30382

灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

8
发表于 2013-12-26 07:14:15 | 只看该作者
还有, 我账号总是健忘, 今天再注册个3.
楼主有事直接联系我... 2 的密码我临时设置的, 转眼就不记得了.
--------------------------------

该用户从未签到

43

主题

448

回帖

3793

积分

贡士

Rank: 6Rank: 6

积分
3793

灌水大神章小蜜蜂章笑傲江湖章

9
 楼主| 发表于 2013-12-26 17:49:35 | 只看该作者
这本书

未命名.JPG (35.04 KB, 下载次数: 2)

未命名.JPG

该用户从未签到

123

主题

1719

回帖

3万

积分

翰林院编修

Rank: 11Rank: 11Rank: 11Rank: 11

积分
30382

灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

10
发表于 2013-12-26 23:05:52 | 只看该作者
zhlpen 发表于 2013-12-26 17:49
这本书

恩, 是这本. 西语祝寿的西汉部分就是这个词典, 也就是发给你的文本. 但是问题太多, 在此基础上校对会快得多.

该用户从未签到

2121

主题

2961

回帖

6万

积分

翰林院修撰

不忘初心。送分大人,灌水砖家。擅长抛砖引玉,挖坑不填。

Rank: 12Rank: 12Rank: 12

积分
61056

翰林院专用章灌水大神章笑傲江湖章小蜜蜂章管理组专用章

11
发表于 2014-6-20 23:52:40 | 只看该作者
{:10_276:}

115网盘,数字帐号为331342118 密码xxhcd123


密码错误噢。。。

该用户从未签到

123

主题

1719

回帖

3万

积分

翰林院编修

Rank: 11Rank: 11Rank: 11Rank: 11

积分
30382

灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

12
发表于 2014-6-29 19:16:54 | 只看该作者

该用户从未签到

123

主题

1719

回帖

3万

积分

翰林院编修

Rank: 11Rank: 11Rank: 11Rank: 11

积分
30382

灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

13
发表于 2014-7-10 18:37:00 | 只看该作者
本帖最后由 chigre3 于 2014-7-17 02:02 编辑



页面词条:57802
一次重复:-0270
二次分割:+1106
实际词条:58908
页面索引:+1620
----------
最终索引:60528
----------

该用户从未签到

123

主题

1719

回帖

3万

积分

翰林院编修

Rank: 11Rank: 11Rank: 11Rank: 11

积分
30382

灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

14
发表于 2014-7-13 04:51:18 | 只看该作者

该用户从未签到

123

主题

1719

回帖

3万

积分

翰林院编修

Rank: 11Rank: 11Rank: 11Rank: 11

积分
30382

灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

15
发表于 2014-7-13 04:51:38 | 只看该作者

该用户从未签到

123

主题

1719

回帖

3万

积分

翰林院编修

Rank: 11Rank: 11Rank: 11Rank: 11

积分
30382

灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

16
发表于 2014-7-13 04:52:02 | 只看该作者

该用户从未签到

123

主题

1719

回帖

3万

积分

翰林院编修

Rank: 11Rank: 11Rank: 11Rank: 11

积分
30382

灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

17
发表于 2014-7-15 05:47:00 | 只看该作者

该用户从未签到

43

主题

448

回帖

3793

积分

贡士

Rank: 6Rank: 6

积分
3793

灌水大神章小蜜蜂章笑傲江湖章

18
 楼主| 发表于 2015-9-15 19:41:11 | 只看该作者
本帖最后由 zhlpen 于 2015-9-15 19:42 编辑

谁要词典ocr后的文本,本人没有时间校对,只是整理了一部分,因为好多文字普通字库里面没有,希望要的留下邮箱或qq好本人会尽快寄过去。

该用户从未签到

43

主题

448

回帖

3793

积分

贡士

Rank: 6Rank: 6

积分
3793

灌水大神章小蜜蜂章笑傲江湖章

19
 楼主| 发表于 2015-11-7 23:28:38 | 只看该作者
文本已传至论坛,本人精力实在有限,从头整理了120页左右,后边的几个字母整理完毕,也就是十分之一多的文本校对工作,希望有志者制作继续下去

为了做到完美本人测试了下面的文本,对论坛中的一位网友提供的方法进行了改善可以完美完成以下工作:

替换词条下的正文中用~来代替本词条的省略符,例如:
</>
book
1 (C)<br>
a. 书,书籍; 著作<br>
read [write] a ~<br>
读 [著] 书<br>
→ closed book,open book.<br>
b. 知识 [教训] 的泉源, (…之) 书<br>
the ~ of Nature <br>
自然之书<br>
</>
bag
1 (C)<br>
a. 袋<br>
a paper ~ <br>
纸袋<br>
→ carry bag,doggie bag,tote bag.<br>
b. 猎物袋<br>
2 (C)<br>
a. 提袋; 旅行袋,提包<br>
a traveling ~ <br>
旅行袋<br>
</>

在emeditor中可以测试,可完美替换:
1.在第一行book下面的第一行加空格</>\n(.*?)\n(.*?)替换成</>\n\1\n \2;
2.所有\n替换成""(无);
3.</>替换成\n<\>\n;
4.^(.*?)( \(.*?)~(.*)$替换成\1\2\1\3,可以多替换几次;
5.<br>替换成<br>\n.
6.<>\n(.*?)( )替换成\1\n

7.空行替换成</>: 查找^[ \t]*\n替换\1</>\n

新西汉词典.rar

2.8 MB, 下载次数: 17, 下载积分: 米 -5 粒

该用户从未签到

123

主题

1719

回帖

3万

积分

翰林院编修

Rank: 11Rank: 11Rank: 11Rank: 11

积分
30382

灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

20
发表于 2015-11-8 19:24:01 | 只看该作者
楼主,你可以在APP里下载西汉实用辞典,明码的。
然后文本化这个词典。。。我觉得希望也不大。