查看: 5843|回复: 25
打印 上一主题 下一主题

[英英] World book dictionary 2014 html数据

[复制链接]

该用户从未签到

3

主题

64

回帖

890

积分

举人

Rank: 4

积分
890

灌水大神章小蜜蜂章笑傲江湖章

跳转到指定楼层
1
发表于 2014-11-15 19:26:22 | 只看该作者 |只看大图 回帖奖励 |倒序浏览 |阅读模式
本帖最后由 wjsrc 于 2014-11-15 22:38 编辑

此词典 W.B.D.2011BT兄之前做过一版,由于自己无缘得到,特从World book 官网把数据爬了下来,现已将html整理完毕,希望论坛有朋友愿意花些时间制作成MDX文件。

WBD数据链接: http://pan.baidu.com/s/193QSu 密码: i71x

词条数:134040
html文本:84.8M








World Book Online Encyclopedia
Log-in ID: ps116k
Password: ps116k





此帖关闭,见3楼 B大回复。


  • TA的每日心情
    开心
    2019-8-11 07:55
  • 签到天数: 606 天

    [LV.9]以坛为家II

    22

    主题

    1128

    回帖

    1万

    积分

    状元

    Rank: 9Rank: 9Rank: 9

    积分
    11878

    小蜜蜂章笑傲江湖章灌水大神章

    2
    发表于 2014-11-15 20:44:09 | 只看该作者
    谢谢分享,期待中。

    该用户从未签到

    59

    主题

    960

    回帖

    8774

    积分

    翰林院编修

    Rank: 11Rank: 11Rank: 11Rank: 11

    积分
    8774

    灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

    3
    发表于 2014-11-15 22:23:47 | 只看该作者
    该网站数据瑕疵甚多,见
    https://www.pdawiki.com/forum/thread-11446-1-1.html

    要做出完美版那难度是非常大,上回征集几员猛将大搞一次,改了不下上千处各种瑕疵,实际使用过程中仍然还能发现一些,懒得再改了。

    不过确实是部非常好的词典,值得花点时间好好弄一弄,够用一辈子的



    该用户从未签到

    3

    主题

    64

    回帖

    890

    积分

    举人

    Rank: 4

    积分
    890

    灌水大神章小蜜蜂章笑傲江湖章

    4
     楼主| 发表于 2014-11-15 22:36:39 | 只看该作者
    bt4baidu 发表于 2014-11-15 22:23
    该网站数据瑕疵甚多,见
    https://www.pdawiki.com/forum/thread-11446-1-1.html

    感谢B大回复。

    该用户从未签到

    59

    主题

    960

    回帖

    8774

    积分

    翰林院编修

    Rank: 11Rank: 11Rank: 11Rank: 11

    积分
    8774

    灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

    5
    发表于 2014-11-15 22:39:00 | 只看该作者
    yuwb 发表于 2014-11-15 20:44
    谢谢分享,期待中。

    想用得比较舒服,不如抽点时间帮楼主挑错改错

    这词典要做出完美版工作量非常大,这回想当伸手党未必能当成,时间多到用不完的擂锋不好等

    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

    6
    发表于 2014-11-16 12:35:20 | 只看该作者
    是用offline抓取的吗?其实做到这一步也就再用正则式稍微提取一下字头基本上就可以用了.

    该用户从未签到

    3

    主题

    64

    回帖

    890

    积分

    举人

    Rank: 4

    积分
    890

    灌水大神章小蜜蜂章笑傲江湖章

    7
     楼主| 发表于 2014-11-16 12:40:55 | 只看该作者
    tsiank 发表于 2014-11-16 12:35
    是用offline抓取的吗?其实做到这一步也就再用正则式稍微提取一下字头基本上就可以用了.

    yes,官网有的数据全都爬下来了。

    该用户从未签到

    59

    主题

    960

    回帖

    8774

    积分

    翰林院编修

    Rank: 11Rank: 11Rank: 11Rank: 11

    积分
    8774

    灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

    8
    发表于 2014-11-16 12:55:43 | 只看该作者
    wjsrc 发表于 2014-11-16 12:40
    yes,官网有的数据全都爬下来了。

    词源里有很多外来语字母是图片,也需要抓的,大概900多

    该用户从未签到

    3

    主题

    64

    回帖

    890

    积分

    举人

    Rank: 4

    积分
    890

    灌水大神章小蜜蜂章笑傲江湖章

    9
     楼主| 发表于 2014-11-16 14:53:36 | 只看该作者
    bt4baidu 发表于 2014-11-16 12:55
    词源里有很多外来语字母是图片,也需要抓的,大概900多

    噢,这样子啊
    还请问下 B大 朗文6 官网是不是有限制,爬虫软件爬不下来,有解吗?

    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

    10
    发表于 2014-11-16 16:40:17 | 只看该作者
    wjsrc 发表于 2014-11-16 12:40
    yes,官网有的数据全都爬下来了。

    粗略给你做了一个,没有排版,基本可以使用.如果想要更好,自己可以在此基础上慢慢学习修改.
    http://pan.baidu.com/s/1sjBHfpb 密码:qvbv

    该用户从未签到

    7

    主题

    818

    回帖

    1万

    积分

    状元

    Rank: 9Rank: 9Rank: 9

    积分
    12678

    灌水大神章小蜜蜂章笑傲江湖章

    11
    发表于 2014-11-16 20:36:04 | 只看该作者
    纸板的wbd基本没有错误。。。。网络版太多了,但大部分是格式问题,边用边改也不错的。
    wbd是本好词典,像语文词典,比喻义标注的好,各项释义处理的也不错,world book公司的语料库也是十分庞大的,仅次于merriam-webster,这里的语料库不是通过计算机处理的,而是一代代编撰者一条条积累筛选的,比宣传动辄多少亿的语料库更精益求精

    该用户从未签到

    59

    主题

    960

    回帖

    8774

    积分

    翰林院编修

    Rank: 11Rank: 11Rank: 11Rank: 11

    积分
    8774

    灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

    12
    发表于 2014-11-16 20:40:15 | 只看该作者
    wjsrc 发表于 2014-11-16 14:53
    噢,这样子啊
    还请问下 B大 朗文6 官网是不是有限制,爬虫软件爬不下来,有解吗?

    I don't know, I don't care.

    该用户从未签到

    59

    主题

    960

    回帖

    8774

    积分

    翰林院编修

    Rank: 11Rank: 11Rank: 11Rank: 11

    积分
    8774

    灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

    13
    发表于 2014-11-16 20:49:41 | 只看该作者
    mitkyg 发表于 2014-11-16 20:36
    纸板的wbd基本没有错误。。。。网络版太多了,但大部分是格式问题,边用边改也不错的。
    wbd是本好词典,像 ...

    呵呵,其实缺字漏字更多,尤其是斜体字部分。
    之前校对的时候改了好几天,胳膊都麻了。。。最近使用还是能发现一些缺字问题,你可能没注意到。懒得折腾了。

    感觉这词典像是印刷版OCR后,人工粗略检查一遍,直接用程序转成HTML放网上的。

    单从内容来说,这词典是美语词典的第一选择,非常好读,释义、例句都好。
    国内出版社应该考虑引进,出个双解版会大赚一笔的。

    该用户从未签到

    7

    主题

    818

    回帖

    1万

    积分

    状元

    Rank: 9Rank: 9Rank: 9

    积分
    12678

    灌水大神章小蜜蜂章笑傲江湖章

    14
    发表于 2014-11-16 21:22:07 | 只看该作者
    bt4baidu 发表于 2014-11-16 20:49
    呵呵,其实缺字漏字更多,尤其是斜体字部分。
    之前校对的时候改了好几天,胳膊都麻了。。。最近使用还是 ...

    据说是手工敲入的。。。。。
    我最初用的是2005年的文本,还没有词源,辨析,校对的时候发现有些单词相邻字母顺序敲反了的情况,本来打算认真校对文本的,后来感觉费时费力就不搞了,接着边用边改,现在也懒得改了,知道就行了,影响也不大。后来用你修改的,手机上用的最多了,适配手机屏幕感觉太好了,5s看起来方便极了。

    wbd 2400多页。。要是出双解,那太恐怖了,要是开本小点单卷本的wbd也是极好的,翻检不便限制了wbd的使用。关键还是没钱可赚啊,牛津,朗文瓜分了英语词典这块蛋糕的绝大部分,但感觉现在的学生频繁使用词典的真不多啊,中英文皆如此。

    该用户从未签到

    3

    主题

    64

    回帖

    890

    积分

    举人

    Rank: 4

    积分
    890

    灌水大神章小蜜蜂章笑傲江湖章

    15
     楼主| 发表于 2014-11-16 22:52:41 | 只看该作者
    tsiank 发表于 2014-11-16 16:40
    粗略给你做了一个,没有排版,基本可以使用.如果想要更好,自己可以在此基础上慢慢学习修改.
    http://pan.b ...

    感谢,希望想用此词典的可以试着用下。

    该用户从未签到

    42

    主题

    1737

    回帖

    2万

    积分

    状元

    Rank: 9Rank: 9Rank: 9

    积分
    20641

    灌水大神章小蜜蜂章笑傲江湖章

    16
    发表于 2014-11-17 08:54:34 | 只看该作者
    mitkyg 发表于 2014-11-16 21:22
    据说是手工敲入的。。。。。
    我最初用的是2005年的文本,还没有词源,辨析,校对的时候发现有些单词相邻 ...

    手工输入的?按说2005年不算早,怎么电子数据也没有。

    该用户从未签到

    59

    主题

    960

    回帖

    8774

    积分

    翰林院编修

    Rank: 11Rank: 11Rank: 11Rank: 11

    积分
    8774

    灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

    17
    发表于 2014-11-17 23:12:26 | 只看该作者
    wbd 2400多页。。要是出双解,那太恐怖了,要是开本小点单卷本的wbd也是极好的,翻检不便限制了wbd的使用。关键还是没钱可赚啊,牛津,朗文瓜分了英语词典这块蛋糕的绝大部分,但感觉现在的学生频繁使用词典的真不多啊,中英文皆如此。


    主要是印刷版查起来极其不方便,常用词典的应该都有深刻体会。
    有人声称印刷版能看到上下文、不是电子版可以代替的云云。。。我就呸,肯定不是常用词典的主。一边看书一边翻词典试试看,能坚持一小时就不错了。
    本人以前学日语的时候,曾经买过一本原版词典,实际一用发现效率极差:首先查到那个词就要翻半天,手太干还翻不利索;释义里面有生词要接着再查,又得翻半天,然后还要再翻回原先要查的那个词。。。唉,那真叫痛苦,查几天实在坚持不下去,咬牙购入电子词典(那会还没有智能手机,PDA又太贵)。当时买Canon的,就看重它支持触摸,还能手写输入。用起来效果极好,真是爱不释手;用了好几年,一直用到买iphone。
    如果没有电子词典,我都怀疑自己学日语能否坚持下去。

    电子词典有两大优势:交叉索引,快速定位词条,这是印刷版远不能比的。
    上下文对一般读物很关键,对词典来说毫无意义,我更希望快速定位到具体释义。

    现在还买印刷版的大部分恐怕是强制或半强制性的,老师推荐,学校要求。
    买回家估计主要也是用来积灰。

    该用户从未签到

    59

    主题

    960

    回帖

    8774

    积分

    翰林院编修

    Rank: 11Rank: 11Rank: 11Rank: 11

    积分
    8774

    灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

    18
    发表于 2014-11-17 23:42:14 | 只看该作者
    我现在查一个词同时检索八九本词典,没有满意的结果还要再查八九本,完成全部动作就是点几下鼠标的功夫;
    要是印刷版,别说要一本一本地翻半天,桌子上都摆不下

    该用户从未签到

    34

    主题

    755

    回帖

    2705

    积分

    解元

    Rank: 5Rank: 5

    积分
    2705

    灌水大神章小蜜蜂章笑傲江湖章

    19
    发表于 2014-11-18 06:17:57 | 只看该作者
    bt4baidu 发表于 2014-11-17 23:42
    我现在查一个词同时检索八九本词典,没有满意的结果还要再查八九本,完成全部动作就是点几下鼠标的功夫;
    ...

    电子版有检索优势(例如查电话号码、基因序列),查单词的同时还能听到发音(甚至看到视频),但是印刷版可以很方便地做笔记。

    绝大部分的常用词义在5万词条的学习型词典里面都可以找到,所有查不到的词义(专业词汇除外)对学习者来说都是没必要掌握的。如果阅读的时候很多句子读不懂,说明有效词汇量太小,最好是先读双语版的文章。

    每个人的学习方法不同,我是觉得不应该频繁查词典。

    该用户从未签到

    2121

    主题

    2961

    回帖

    6万

    积分

    翰林院修撰

    不忘初心。送分大人,灌水砖家。擅长抛砖引玉,挖坑不填。

    Rank: 12Rank: 12Rank: 12

    积分
    61056

    翰林院专用章灌水大神章笑傲江湖章小蜜蜂章管理组专用章

    21
    发表于 2014-11-19 09:32:31 | 只看该作者
    mitkyg 发表于 2014-11-16 21:22
    据说是手工敲入的。。。。。
    我最初用的是2005年的文本,还没有词源,辨析,校对的时候发现有些单词相邻 ...



    这年头,出啥纸版啊。 WBD真出双解纸版,估计销量也堪忧。

    依我之见,直接出电子版的双解,压缩好,文本也就几十兆而已。

    斤衫茨坝搞的AHD3双解,没有纸版,质量一般,但是却是很有意义的尝试。

    https://www.pdawiki.com/forum/fo ... &fromuid=147948

    《遠東英漢大辭典》的蓝本,据说就是早年的WBD。真要弄双解,这遠東英漢大辭典可以作为参考,会节省很多时间、精力。

    当然,版权始终是个问题,人力、财力更是个问题。


    该用户从未签到

    59

    主题

    960

    回帖

    8774

    积分

    翰林院编修

    Rank: 11Rank: 11Rank: 11Rank: 11

    积分
    8774

    灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

    22
    发表于 2014-11-19 19:52:22 | 只看该作者
    Oeasy 发表于 2014-11-19 09:32
    这年头,出啥纸版啊。 WBD真出双解纸版,估计销量也堪忧。

    依我之见,直接出电子版的双解,压缩好 ...

    词典未来必然要走online路线,大家用,大家编

    随时更新,随时纠错,而且和用户随时互动交流,比如M-W、Collins在线版。
    有人想要印刷版也好办,团购,一批人合伙掏钱让出版社印。

    该用户从未签到

    2

    主题

    260

    回帖

    2149

    积分

    解元

    Rank: 5Rank: 5

    积分
    2149
    23
    发表于 2014-11-20 17:06:57 | 只看该作者
    大熊部落 发表于 2014-11-18 06:17
    电子版有检索优势(例如查电话号码、基因序列),查单词的同时还能听到发音(甚至看到视频),但是印刷版 ...

    支持大熊的说法,掌握一定基础词汇量后,如果真正读进去,许多词汇是可以从上下文确定词义的,包括基础词汇中的偏僻义项含义。

    该用户从未签到

    59

    主题

    960

    回帖

    8774

    积分

    翰林院编修

    Rank: 11Rank: 11Rank: 11Rank: 11

    积分
    8774

    灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

    24
    发表于 2014-11-20 17:51:48 | 只看该作者
    本帖最后由 bt4baidu 于 2014-11-20 17:53 编辑
    cenfit 发表于 2014-11-20 17:06
    支持大熊的说法,掌握一定基础词汇量后,如果真正读进去,许多词汇是可以从上下文确定词义的,包括基础词 ...


    作为外语学习者,实在不推荐根据上下文猜词。望文生义,不求甚解,实际运用的时候容易在小地方翻跟头。
    治学要严谨,还是勤快一点好,既然学外语,我觉得词典是一辈子都离不开的。

    即使是中文,也经常用错读错,如果从事文字工作,汉语词典同样是案头必备。



    该用户从未签到

    2

    主题

    260

    回帖

    2149

    积分

    解元

    Rank: 5Rank: 5

    积分
    2149
    25
    发表于 2014-11-20 19:50:59 | 只看该作者
    bt4baidu 发表于 2014-11-20 17:51
    作为外语学习者,实在不推荐根据上下文猜词。望文生义,不求甚解,实际运用的时候容易在小地方翻跟头。 ...

    你说的也有道理,如果是正式文件,合同,技术资料等,需要一个都不放过,认真查;
    如果是消遣和提高自己阅读能力的,则可以猜;否则一直查词典,就会牺牲阅读的意境和乐趣。
    题材和目的不同,方法各异。