查看: 3161|回复: 8
打印 上一主题 下一主题

[汉汉] 全唐诗-复旦词库(噱头)-怀念灵石岛

[复制链接]

该用户从未签到

23

主题

63

回帖

250

积分

童生

Rank: 2

积分
250
跳转到指定楼层
1
发表于 2014-9-5 23:20:29 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
本帖最后由 wubis 于 2014-9-7 11:53 编辑

自己动手丰衣足食{:5_227:} 。 复旦全唐诗src.7z.gz (4.25 MB, 下载次数: 400) 实际上是个7z文件,论坛不让...自己用mdxbuilder编译一次吧!请有各种网盘的童鞋帮忙分流,我对网盘...
重要提示:bug多
这几天,就这个...
之前用httrack, downthemall抓取郑州大学的全唐诗库都被封了,竟然发现复旦大学的中国古代文学史有。http://gdwxs.fudan.edu.cn/gdwxs/

不要对这个网站不住,人家也是为我们好。
制作主要过程。
1.downthemall下载900个html
2.linux 下用cat合并,win下好象用copy 不知道。
3.scite和npp把html相关标记删、换,并添加</>

我只知道纯文本编辑源文件,而且也觉得它可能最好。可是改bug的时候,比如编译词条数有700,但是</>有707个,我就只好用二份法来分段测试build分段改正了....由于我的源文件是html,各位有什么高见吗


话外音:
话说我整理html时发现一个连接,bing 一下发现是www.lingshidao.org的,灵石岛现已无法访问了,在www.shigeku.org里面有镜像。豆瓣有说是北师大的人。不管怎样,前人栽树,后人乘凉。
不过这也说明复旦的数据源也不过如此...这本里面的编号错误bug 至少发生了30多次,那个承包商也不清理一下,还留下一个count.php过时连接。

上述言论无任何意图,请相关学生不要激动,就事论事。


重要更新:这个是扬州书局的版本,电子版的作者可能手抖,竟然出现了很多编号相同的词条;目前打算遇到一个,消灭一个,900条怎么可能一个一个清理?全面参考郑大的修改。没办法。愿意自己找BUG的有得是找了。

该用户从未签到

23

主题

63

回帖

250

积分

童生

Rank: 2

积分
250
2
 楼主| 发表于 2014-9-5 23:26:38 | 只看该作者
建议以后小词典的发布都只发mdx源文件txt,  7z对文本的压缩率比mdx还要高一些屏蔽伸手党(对mdxbuilder不能运行的mac, linux用户就?)
  • TA的每日心情
    擦汗
    前天 07:00
  • 签到天数: 1090 天

    [LV.10]以坛为家III

    124

    主题

    1772

    回帖

    1万

    积分

    状元

    Rank: 9Rank: 9Rank: 9

    积分
    10477

    灌水大神章小蜜蜂章笑傲江湖章

    3
    发表于 2014-9-6 09:25:29 | 只看该作者
    linux用户txt,mdx一样方便。小字典用sed查询即可

    该用户从未签到

    23

    主题

    63

    回帖

    250

    积分

    童生

    Rank: 2

    积分
    250
    4
     楼主| 发表于 2014-9-6 10:12:45 | 只看该作者
    我找到了貌似可以排除700/703 </>bug的方法;build后用mdict全文搜索</>,因为正常结束词条的</>是不会被搜出来的。不在win,有人验证?

    该用户从未签到

    23

    主题

    63

    回帖

    250

    积分

    童生

    Rank: 2

    积分
    250
    5
     楼主| 发表于 2014-9-6 10:20:30 | 只看该作者
    可能sed功能挺强大。可是我基本上看不懂linux命令的用法,除了安装包,删、移、复 之外。说实话,能用gui实现的为什么要用命令行,从新手的角度看,白色背景比黑色还是好看。而且console的字体渣渣的。我用linux只是喜欢它开放、定制性高,不是为了追求比正常多一丁点的效率。如果你很会调教console的话,对不起,我不是电脑控。

    纯粹吐嘈,无任何意图。
  • TA的每日心情
    擦汗
    前天 07:00
  • 签到天数: 1090 天

    [LV.10]以坛为家III

    124

    主题

    1772

    回帖

    1万

    积分

    状元

    Rank: 9Rank: 9Rank: 9

    积分
    10477

    灌水大神章小蜜蜂章笑傲江湖章

    6
    发表于 2014-9-6 11:31:13 | 只看该作者
    本帖最后由 spoony1971 于 2014-9-6 11:40 编辑

    Linux基本无所不能,背景要黑就黑,要白就白,想随时变换都行,字体想大就大,想小就小,随时缩放都行。console的字体想要哪个都没问题,哪怕用幼稚体.
    gui命令行更是随便选,那怕想在浏览器里用命令行,或者命令行里用gui.

    只有想不到,基本没有做不到的。所以无论以何种格式发布资源,基本上不用多考虑linux用户,他们总能很容易的处理好的。

    该用户从未签到

    48

    主题

    410

    回帖

    2万

    积分

    状元

    Rank: 9Rank: 9Rank: 9

    积分
    24502

    灌水大神章小蜜蜂章笑傲江湖章

    7
    发表于 2014-9-8 13:16:56 | 只看该作者
    还是简体,唉
  • TA的每日心情

    2018-6-25 18:12
  • 签到天数: 7 天

    [LV.3]偶尔看看II

    0

    主题

    56

    回帖

    206

    积分

    秀才

    Rank: 3Rank: 3

    积分
    206
    8
    发表于 2015-7-19 21:42:31 | 只看该作者
    thanks so much!