关于文本格式的使用及扫描版格式的一点建议

spoony1971 · 发表于 2014-5-14 23:40:53

本帖最后由 spoony1971 于 2014-5-14 23:46 编辑

近来诸君工作如火如荼，无私精神令人惭愧。这里我发表一些愚见，若对诸君产生细微的帮助，则不胜欣慰。

关于文本格式：markdown vs. XML
个人推荐使用markdown格式。XML格式太过繁琐，直接输入不胜其繁。即使markdown也只应该采纳最基本的两点。
1，空一行作为分段标记。（换行符不起作用，可由输入者自行决定，但换行符可作为全文检索时的单元划分，善加利用可更好的全文检索）。
2，词头单独成一行，前加“###” (假如担心字典中段首会出现"###"的话，也可用"####"等)
别的更丰富的标记可酌情采纳，但不可过多。

关于扫描版格式：
毋庸置虞，无损压缩清晰度没有丝毫损失，这里主要两种图像格式bmp和无损png压缩。但生成的最终文件太大。
在图像有损压缩中，jpeg专门针对图像，文字边界清晰度损失较大，没有对扫描文字进行特殊优化，压缩率低。
djvu是专门针对扫描文本的压缩算法，对普通图像处理效果不佳，但对扫描文本，清晰度保存高，压缩率超高。（特别推荐用minidjvu来压缩黑白扫描文本）

欢迎大家讨论。

meigen · 发表于 2014-5-15 00:36:34

黑白格式的png完爆jpg/jpeg不解释

chigre3 · 发表于 2014-5-15 03:24:16

spoony1971, 你说的markdown, 我google了解了一下, 暂时还未尝试过.
目前我个人用Emeditor, 自定义高亮, 文本里除了`/\, 几乎没有添加另外的符号,
感觉非常好.

Oeasy · 发表于 2014-5-15 06:50:27

dsl格式为GoldenDict直接支持，容错性高。

我目前是直接录入为dsl格式。如图

够简单吧？词头单独一行，内容前有tab，完了空一行，so easy。当然，最后排版可能也就这般朴素了。

另外，同意楼主的看法。我们这般普通网友，没必要搞出出版级别的xml，那太累太累了，当然，如果有牛人搞出一个简单的适用于mdx的Dictionary Writing System，那就另当别论。

其实校对，最难的是找到靠谱的同路人，《英汉大词典》，能找到五个，就不错了。

{:5_227:}

itarcy · 发表于 2014-5-16 11:46:59

Oeasy 发表于 2014-5-15 06:50
dsl格式为GoldenDict直接支持，容错性高。

我目前是直接录入为dsl格式。如图

伸手党请教，dsl格式有什么优势么，是否市面上光盘的词典转换为dsl更容易？

Oeasy · 发表于 2014-5-16 11:58:22

itarcy 发表于 2014-5-16 11:46
伸手党请教，dsl格式有什么优势么，是否市面上光盘的词典转换为dsl更容易？

dsl格式就是纯文本，GoldenDict可用，容错性高。参考：http://lingvo.helpmax.net/zh/故 ... �一本-dsl-词典/

这里所谓i的“容错性”高，是指某些词条格式不合乎规范，这个dsl文件，还是可以为GoldenDict所加载，还是能够使用，能够查询到绝大多数词条。只不过这个不合乎规范的dsl在转制为lsd（ABBYY Lingvo所支持的格式）时，会有很多问题罢了。

要是mdx的源文件txt里有些问题，不严格符合规范，是不能制作为mdx的，也不能为词典软件所加载使用。而且从mdx再转为mdx源文件txt，词条的顺序可能就变了，和最初的源txt不同。

dsl里，词条顺序可以和纸质出版物一致，方便校对时定位、对照。

至于光盘转换为dsl，难度和转换为mdx是一样的。最难的部分其实就是从光盘提取文本（一般是xml格式），至于那文本是转为dsl还是mdx，就看制作者喜好了。

itarcy · 发表于 2014-5-16 12:05:10

Oeasy 发表于 2014-5-16 11:58
dsl格式就是纯文本，GoldenDict可用，容错性高。参考：http://lingvo.helpmax.net/zh/故障排除/dsl-c ...

懂了，谢谢，大人简直就是百科全书

Cdasjkldjas · 发表于 2014-5-16 16:49:17

太忙，以至于只关注了我自己的贴子，今天才看到前辈的耐心箴言，非常惭愧！

zhplren · 发表于 2014-12-26 23:58:45

光盘转文本大神们主要是什么方法，按键精灵吗？

[讨论] 关于文本格式的使用及扫描版格式的一点建议