TA的每日心情 | 擦汗
2021-3-8 17:59 |
|---|
签到天数: 2 天 [LV.1]初来乍到
解元
 
- 积分
- 1927
|
推荐
楼主 |
发表于 2014-2-11 18:15:25
|
只看该作者
本帖最后由 lixun305 于 2014-2-13 11:59 编辑
粗略程序已经上传： SqLite2MDB.exe ，有啥bug请交流或告知，千万别骂娘。
现代汉语词典第六版.mdx制作过程:
网上有好几个 “现代汉语词典.apk"，重名，也没具体研究过，但都号称支持第六版，这就够了，咱就从这个抓起（版权问题归原作者，这里纯研究，不过好像他们的词库都几乎一样，这个版权怎么说呢？）。
简言之
1. 网上下载apk文件
2. 从其中提取出词库
3. 进行整理
4. 转换成 mdx 文本
5. 用mdxbuilder生成。
详细制作过程待续。。。
不一定有通用性，不喜勿喷。。。
1. 网上下载apk文件
apk文件就是android的标准可执行文件，点击就可以安装到手机上，类似于pc下的.exe文件。究其根本，android源于开放系统linux(我不怎么懂，姑且这么说，勿喷)。所以，apk文件本质上就是一个zip压缩包。 下载到 现代汉语词典.apk后，更名为 *.zip，解压到某一个文件夹下，看到一堆目录和文件，有一个文件夹 assets ，里面是 apk程序的一些数据文件， 在资源管理器下用 详细信息 方式查看，然后按照大小降序排列，一般情况下最大的前几个文件就是词库文件，例如 我看到的：
apk1:
xingkai.ttf
story.dll
apk2:
dictionary.dll
当然，都是穿着马甲的。
用ultraedit打开，可以看到：
伪装成 字体文件的 xingkai.ttf 实际打头的字节是 PK，那么，他就是一个zip文件，把他更名为 xingkai.zip，解压缩，得到
bushou,dat nxbzdxh.apk, nxbxd.apk nxbchina.dat ，这几个文件是用扩展名穿的马甲，用ultraedit一一查看，好了，均是SQLite format打头，那么，这四个文件都是 SQLite格式的数据库文件，将他们均改名为 *.db文件，用SQLiteDev.exe查看，成功打开，分别是 部首词库，新华字典， 汉语词典 成语词典。
伪装成系统文件的 story.dll 文件用emeditor打开，发现就是一个文本文件，当然，是unicode格式的，用一般的文本查看，是乱码。
伪装成系统文件的dictionary.dll用ultraedit打开，也是pk打头，更名为zip文件，解压，看到xinhua.db xiandai.db，用ultraedit查看，都是 SQLite format，这个倒是干脆，懒得二次伪装了，那就不客气了，收下！ 用SQLiteDev.exe查看，分别是新华字典词库，汉语词组库（包括成语，词组，故事）.
这就是通过两个apk文件，得到两个几乎一样的现代汉语词典第六版词库的方法。
2.
得到 SQLite格式的词库，虽然可以用SQLiteDev.exe查看，编辑等，但毕竟很不方便，我也没有认真研究SQLiteDev的心思。毕竟做不少特殊的工作，用通用程序SQLiteDev是无法满足要求的，因此，还是自己着手编程来的灵活。 这就是SqLite2MDB.exe(下面简称sq)编制的初衷。
通过sq，将sqlite格式转成我熟悉的mdb格式，就可以用以前的积累，灵活处理了。sqlite数据库的处理源代码可到 www.codeproject.com中搜索。
通过sq, 可选择sqlite数据库中的一个或多个表格，转化成的mdb文件也将以同样的名称创建这些表格。此时得到的mdb词库和原来的sqlite格式是一样的，并没有做什么处理。 相当多的字段都是乱码或者无法识别的16进制数字。
3.
通过sq,可以将2中转换出来的mdb数据库加载，在列表中可以看到10条或者更多的记录。一般情况下，有很多字段都是乱码或者无法识别的16进制数字，分两种情况：
乱码字段：这些一般是unicode编码，此时可以点击unicode ->ansi，就会将每一个记录对应的该字段转化成可以识别的字符。注意，转换之前备份一下mdb文件，这个不可逆转啊。转换前请选择要转换的一个或者多个字段。
无法识别的16进制数字字段：这些一般是utf8编码，此时可以点击UTF8 ->ANSI，就会将每一个记录对应的该字段转化成可以识别的字符。
可能有些软件将这些词库做成加密的或者通过什么算法处理过了，对不起，只能放弃了。
可能得到了几个数据库文件，可以都转换成mdb文件，然后用microsofit access打开并合并，这个多个数据库的合并我就没有做到程序中，很繁杂，我也觉得没必要。
得到的词库，大多表格名称或者表格的某些字段名称不合意，可以在access中更改，删除等，整到自己满意为止。
4. 转换成mdx词库文本文件.
这个应该是大家最关注的。
转换前要明确一些任务：(当然，直接ok, ok下去，也会得到一个缺省的mdx文本).
(1) 要将mdb文件中的哪些表格转到mdx中。 例如，mdb中新华字典，成语词典，现代汉语词典等，可以选择一个或者多个。
(2) 针对某一个表格，要将哪些字段的内容转到mdx中。 例如新华字典有 _id 汉字 拼音 解释等字段，_id是为了排序需要加的，没有必要出现在mdx中，可以勾掉。 如果不处理，就是选择所有字段。
(3)针对某一个表格，要将哪些字段的内容作为索引。 例如新华字典，希望做成的mdx文件，以 汉字 字段为索引，没人愿意以 1 2 3 4 .....为索引，mdict 搜索的时候，左列如果一堆数字除了挠头有啥用。 索引字段也要勾选，不勾选默认是第0个字段。
操作步骤：
a. 打开一个mdb文件，将(2) (3)中的工作做好，注意是对每一个表格都要做，程序中会记住你的选择。
b. 选择表格。
c. 点击 mdb转换成mdx文本 按钮即可。
注意：生成两个文件（例如选择了表格 xhzd)，xhzd.txt xhzd_info.txt。前者为mdx文本文件，后者是mdx文件的“关于词典”时出现的内容，里面是一些信息，包含，文本从哪些表格转换而来，有多少记录，转换的时间，转换作者（用过mdcit的都知道把，就是:about后出现的)。 xhzd.txt 是纯文本方式，如果原来的词库含有声音、图片等复杂格式，此程序概莫能助。
5. 有了mdx文本，用mdxbuilder即可转换成mdx文件，可将xhzd_info.txt的内容粘帖到mdxbuilder 的 Description 后的编辑框中，当然可以贴上自己的内容。
|
|
发表于 2014-2-6 12:31:49
