|
|
本帖最后由 phyng 于 2013-10-19 20:56 编辑
终于完成了basechem.org全站63663种化学品抓取，无一缺失~- Original text size = 1440809KB, compressed size = 127367KB, compression ratio = 8%
- Time used for this section: 504 seconds
- Number of entries: 63663
- Conversion succeed!
每个词条都有12个模块，目录在Mdict里可以点击跳转。- 编号系统
- 物性数据
- 毒理学数据
- 生态学数据
- 分子结构数据
- 计算化学数据
- 性质与稳定性
- 贮存方法
- 合成方法
- 用途
- 安全信息
- 表征图谱
我计算了一下，全站图片大概20G左右，如果全部下载，我的带宽不太允许，电脑配置也很吃力，所以查询图片是需要联网才能显示的。
几个截图：
几个不足：
设想对多个字段做索引，但是不知道为什么@@@LINK一直无法转换？请求技术支持。或者可以用链接跳转的方式曲线实现对多个字段的索引，这样搜索这个词典就不仅仅可以用中文名称，CAS号、英文名称等等都可以加入。
======2013/10/19更新======
不好意思，现在才上传，下载地址：
http://pan.baidu.com/s/1uww3r
做这个事情一开始只是just for fun，现在发现虽然Mdict词典形式可以查找迅速，浏览方便，但还只能作为官方网页的一个补充或者离线环境下的备用（试问现在社会有多少离线环境？断网第一件事就是停下所有事把网络弄好。。。）
仔细想想，这种词典不像英文词典，应该没几个人用。。。
更加有用的是，我不仅仅抓取了html文件，还解析成了结构化的数据，并且保存到了一个SQLite数据库（如果有需要的话可以找我要或者我共享代码或者你自己码，可以直接用SQL语句搜索数据库）
所以，这个词典要想比官方更强大点，
1、加强Mdict的制作，加入更多索引和搜索项目；
2、直接用SQLite数据库吧；
3、写一个软件，可视化操作数据库。。。
版权问题。。。纠结。。。低调。。。
|
|
发表于 2013-10-11 14:30:51
楼主
