自己动手：VOCABULARY.COM DICTIONARY 自动更新

bolome1 · 发表于 2014-7-20 17:32:29

本帖最后由 bolome1 于 2014-7-20 17:59 编辑

搬运贴。https://www.pdawiki.com/forum/thread-12743-1-1.html

自从看到yaodis 的vocabulary dictionary 从此爱不释手，立马列入主力词典之一 https://www.pdawiki.com/forum/fo ... hread&tid=12390

但是还是有缺憾，词频的数据抓取不全。
不过刚才发现了解决方案：
https://github.com/OZv/E/blob/master/README.md

待编辑...

bolome1 · 发表于 2014-7-20 17:45:43

占楼

bt4baidu · 发表于 2014-7-20 21:23:07

呵呵，倒替我做起宣传来了，再加几条：

这个脚本经过本人几轮修改，已经完全达到傻瓜级，整个过程连键盘也不用敲一下

自动重试、无人值守、断点续传，即使遇到网站抽风、连接中断都不怕；
更有强大的错误检测可以保证数据完整无误。

bolome1 · 发表于 2014-7-20 22:24:38

本帖最后由 bolome1 于 2014-7-20 22:29 编辑

bt4baidu 发表于 2014-7-20 21:23
呵呵，倒替我做起宣传来了，再加几条：

这个脚本经过本人几轮修改，已经完全达到傻瓜级，整个过程连键盘 ...

用了一晚上，感觉真的很有帮助，内嵌的高质量例句帮助太大了。。而且也是自己一直想要的
再次感谢！

bt4baidu · 发表于 2014-7-20 22:41:35

bolome1 发表于 2014-7-20 22:24
用了一晚上，感觉真的很有帮助，内嵌的高质量例句帮助太大了。。而且也是自己一直想要的
再次感谢！

这些可都是英美主流报章的实时例句，高频词一天都更新好几回的

其实reuters、BBC NEWS、VOA、Yahoo NEWS这些媒体出的IOS APP也都非常不错，篇幅适中，很适合零散时间阅读。

本人超喜欢reuters的排版和实时推送，这个APP已经被我放到桌面第一页，有空就打开看几篇。

bolome1 · 发表于 2014-7-21 10:00:00

bt4baidu 发表于 2014-7-20 22:41
这些可都是英美主流报章的实时例句，高频词一天都更新好几回的

其实reuters、BBC NEWS、VOA、Yahoo NE ...

嗯，有时间试试reuters，另外，卫报排版也还行
还发现个好处。。Fish和fish Water和water这样的词在原网站是分开查询的。。这个词典竟然能一起查出来，非常棒

bolome1 · 发表于 2014-7-21 17:24:13

本帖最后由 bolome1 于 2014-7-21 18:00 编辑

bt4baidu 发表于 2014-7-20 22:41
这些可都是英美主流报章的实时例句，高频词一天都更新好几回的

其实reuters、BBC NEWS、VOA、Yahoo NE ...

在使用的时候有一个小小de地方不太方便，也不能算是bug。
因为我在使用Goldendict的时候通常需要复制短语或句子，所以点开了词典内置的一个“单击选择单词功能”，类似于通常情况下对某个单词进行双击操作。
在使用vocabulary.com dictionary的时候遇到了的小问题如下:

请单击点开看大图

也就是说，点击释义的第一个词carefully，词典选中的不仅仅是这个单词，还把前面的词性“adj”包括了进来。
如果第一个单词不认识的话，通常会习惯性双击跳转新页面看一下解释，现在的情况是把“adj”包含进来后，直接双击就查不到了~得手动输入一下（我已经懒到用鼠标设置宏来辅助查词了)。

如果大神有下一版本，还望更新下这个小地方。。没有下个版本就算了~~已经很满意了。{:10_274:}

bt4baidu · 发表于 2014-7-21 19:42:22

bolome1 发表于 2014-7-21 17:24
在使用的时候有一个小小de地方不太方便，也不能算是bug。
因为我在使用Goldendict的时候通常需要复制短 ...

直接双击就跳转了啊，为什么要先单击选择后再双击呢。
不过双击时也会出现这种问题。{:10_277:}
这应该算是Goldendict的bug，它没有把单词切分开。按理说词性和释义分属两个不同的span，应该可以切分开的。

欧路单击跳查就没有这个问题。

回避的方法就是在词性和释义之间加个空格。解开mdx，搜索所有的“</a><span class=t>”，替换成“</a> <span class=t>”

下一版。。。没打算出下一版，除非发现严重影响使用的问题。。。
也许逢大型节假日会更新一下数据，那个时候可以做些调整。

bolome1 · 发表于 2014-7-22 19:54:17

bt4baidu 发表于 2014-7-21 19:42
直接双击就跳转了啊，为什么要先单击选择后再双击呢。
不过双击时也会出现这种问题。
这应该 ...

发现一个小问题
"throw up"这个短语没有usage examples （查原网站是有的）
手机的欧路和PC的GoldenDict均无法显示。

bt4baidu · 发表于 2014-7-22 21:02:58

bolome1 发表于 2014-7-22 19:54
发现一个小问题
"throw up"这个短语没有usage examples （查原网站是有的）
手机的欧路和PC的GoldenD ...

这是个大问题啊

果然是深度用户，全文搜了一下，148730个单词里有111580个是带USAGE EXAMPLES的，3w多个没带的。
这其中有些确实是过于生僻没有USAGE，但是恐怕还有部分是和throw up同一问题。

原因是该单词的语料数据URL比别的单词多了个&filter=2，造成数据没抓下来，需要给程序打个补丁。

继续帮我挑错，攒到一块改{:10_301:}

bt4baidu · 发表于 2014-7-23 22:19:51

增加一处备份，以防GitHub被墙

http://git.oschina.net/OZv/OC/

robinlei · 发表于 2014-7-26 08:41:40

你激发了我学习python的热情

bolome1 · 发表于 2014-7-26 20:52:30

本帖最后由 bolome1 于 2014-7-26 20:55 编辑

bt4baidu 发表于 2014-7-23 22:19
增加一处备份，以防GitHub被墙

http://git.oschina.net/OZv/OC/

比如我点第三行的 fought ,跳转到的是最左边的quality。点旁边的often，跳转到的是quality前面的the。
大概就是这个规律。

bt4baidu · 发表于 2014-7-26 21:25:31

bolome1 发表于 2014-7-26 20:52
比如我点第三行的 fought ,跳转到的是最左边的quality。点旁边的often，跳转到的是quality前面的the。
...

可以确定是欧路的问题。
你可以在欧路的设置页里面给欧路发问题报告，他们会回复的。

欧路点击跳查的实现方式比较蠢笨，似乎是把一段文字拷进内存，分析后又贴回去的。
IOS版欧路有一个问题也是点击跳查时发生的：
不带简介的单词，点击Usage examples的第一句的任意单词后，这句话会消失部分文字。
这个问题在Android版没有出现。

bolome1 · 发表于 2014-7-26 21:28:50

本帖最后由 bolome1 于 2014-7-26 21:30 编辑

bt4baidu 发表于 2014-7-26 21:25
可以确定是欧路的问题。
你可以在欧路的设置页里面给欧路发问题报告，他们会回复的。

那usage example和下面wordnet部分的单词都没问题如何解释呐？

bt4baidu · 发表于 2014-7-26 21:47:52

bolome1 发表于 2014-7-26 21:28
那usage example和下面wordnet部分的单词都没问题如何解释呐？

这就是欧路诡异的地方了

我猜它之所以要对点中的文字做手脚，可能是为了实现某些特效，比如临时改变点中文字的背景色之类的，否则无法解释页面为什么会错乱。读取操作不会改变页面的。

至于别的地方单词没问题，这和欧路的代码实现方式有关。
如果它截取HTML时取对了，自然不会有问题，取错了，再写回来就会导致页面错乱。

为什么说是欧路的问题，可以做以下试验：
把mdd文件删掉，仍然会出现同样现象，这样就可以排除嵌入js脚本的嫌疑。

其实mdict、深蓝、欧路、Goldendict这些软件，远没有你想象的那么好，里面的bug一堆一堆的
搞得我做这个词典痛苦极了，左闪右躲，回避了很多问题，要不然你还会发现更多诡异的现象。

bolome1 · 发表于 2014-7-26 21:55:44

bt4baidu 发表于 2014-7-26 21:47
这就是欧路诡异的地方了

我猜它之所以要对点中的文字做手脚，可能是为了实现某些特效，比如临时改变点 ...

记得楼主新版本是要用css的对吧，那么原本mdx的内容删减很多后说不定欧路就认识字了。。。{:10_277:}

bt4baidu · 发表于 2014-7-26 22:46:41

bolome1 发表于 2014-7-26 21:55
记得楼主新版本是要用css的对吧，那么原本mdx的内容删减很多后说不定欧路就认识字了。。。

愿望是美好的，现实通常是残酷的。。。

从你发现的这个问题的现象看，像是欧路判断文字坐标出错，截取错了HTML，可能和手机屏幕分辨率有关
css外置不太可能回避该问题

建议在软件里提交问题改进建议给欧路

ceoyee · 发表于 2014-7-28 09:53:16

bt4baidu 发表于 2014-7-20 21:23
呵呵，倒替我做起宣传来了，再加几条：

这个脚本经过本人几轮修改，已经完全达到傻瓜级，整个过程连键盘 ...

原來bt4baidu 你是學編程的

bt4baidu · 发表于 2014-8-2 12:41:14

bolome1 发表于 2014-7-26 21:55
记得楼主新版本是要用css的对吧，那么原本mdx的内容删减很多后说不定欧路就认识字了。。。

如你所说，css外置以后这个问题消失了。。。

至少我的IOS版欧路没有再发生点击后部分文字消失的问题

bolome1 · 发表于 2014-11-25 09:17:54

本帖最后由 bolome1 于 2014-11-25 09:19 编辑

bt4baidu 发表于 2014-8-2 12:41
如你所说，css外置以后这个问题消失了。。。

至少我的IOS版欧路没有再发生点击后部分文字消失的问题

这个"..."和其周围的那个"方框"在查词的时候就有，点击没反应。

haohao2046 · 发表于 2015-10-31 16:59:46

能否把抓取的具体操作详细讲解一下？电脑小白搞了一天，也没有搞成功。就是下面的具体操作，详细

安装python 2.7.6
windows下要再安装python加载器，否则弹出一堆窗口很烦人
https://bitbucket.org/vinay.saji ... nloads/launcher.msi
安装lxml 3.3.5
安装BeautifulSoup 4.3.2
安装urllib3
将wordlist.txt和以上两脚本文件放在同一目录下

[词典讨论] 自己动手：VOCABULARY.COM DICTIONARY 自动更新

点评