查看: 1817|回复: 6
打印 上一主题 下一主题

[多语种] 中英wikipedia词条对照查询(更新2016.04数据)

[复制链接]

该用户从未签到

2

主题

59

回帖

165

积分

童生

Rank: 2

积分
165
跳转到指定楼层
1
发表于 2015-4-10 13:53:32 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
本帖最后由 jijizhazha 于 2016-4-24 15:28 编辑

---------------------
Update
        更新2016.04数据, 词条增加至近48万对
        顺便瞅了眼wikipedia自己的统计, 现在英文articles已达到513万了
        https://en.wikipedia.org/wiki/Wikipedia:Size_of_Wikipedia
---------------------

目前用的kiwix.org发布的离线zim版wiki (en+zh)
不时遇到一些中/英wiki词条,想看看对应的英/中条目的内容,却不知道相应条目的名称,只好到wikipedia上去找那个词条对应的语言链接

现在干脆从数据库的page/langlinks两张表里直接抽数据,做成了一个中英对照表,大约42万对词条,做成中英/英中对照的版本
词典格式用dsl,纯文本,方便使用

想要挂在goldendict词典里的,下载wikititlepair.ann/wikititlepair.dsl
只想要单独的中英词条列表的,下载wikititlepair.txt

下载地址: http://pan.baidu.com/s/1pJsO9Sn# ... ctionaries%252FMine

wikititlepair.ann内容:
  1. ZZ's wikipedia titlepair
  2. ver 2015.02

  3. 使用离线en/zh-wiki时偶尔有些词需查对应的中/英译,往往只能上网搜索
  4. wikipedia网站在词条页面左侧的语言链接栏里有对应各语言的链接,但现有离线wiki基本都只含page而不包括langlinks

  5. 说明:
  6.   1)根据2015.02的en-wiki的langlinks数据库生成的中英词条标题对
  7.   2)只列出在wikipedia.org上同时存在中、英页面且建有链接的词条对
  8.     只包括标题(词条名),不包括内容
  9.     如: Smithornis|非洲阔嘴鸟属
  10.         Evolutionary psychology|演化心理學
  11.     另,在制作dsl时,每对title分别生成'中-英'和'英-中'两个词条
  12.   3)zh/en-wiki各有自己的langlinks数据,相差不大,少数数据有冲突
  13.     本处仅参考en-wiki
  14.   4)wiki中文词条里繁简混杂,这里保留原样,不做处理

  15. 数据: 2015.02的en-wiki
  16.   page.sql.gz       约3000万记录
  17.   langlinks.sql.gz  约2000万记录,标记为"zh"(中文)的有50万多条
  18.   去掉category等,仅提取所有article条目(page_namaspace == 0),共436528条
  19.   去掉重复标题(如'Btrfs'的中文词条标题仍为'Btrfs'),共426009条

  20. 参考:
  21.   https://dumps.wikimedia.org/backup-index-bydb.html 进入enwiki页下载
  22.   http://www.mediawiki.org/wiki/Category:MediaWiki_database_tables 各表、字段说明

  23. ZZ
复制代码

该用户从未签到

2

主题

59

回帖

165

积分

童生

Rank: 2

积分
165
推荐
 楼主| 发表于 2015-4-10 13:59:27 | 只看该作者
最后吐个槽
很高兴看到这论坛基本没人发帖了
2013年就有人抱怨验证码问题
我几个月前也抱怨了下
没人理
今天又被验证码恶心了20分钟,不光是发帖恶心死,连论坛登录都要折腾老半天,换浏览器,点不同地方的登录按钮
no zuo no die
  • TA的每日心情
    无聊
    2021-5-25 10:26
  • 签到天数: 420 天

    [LV.9]以坛为家II

    0

    主题

    265

    回帖

    6065

    积分

    会元

    Rank: 7Rank: 7Rank: 7

    积分
    6065

    灌水大神章

    3
    发表于 2015-4-11 07:35:18 | 只看该作者
    支持新东西。

    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

    4
    发表于 2015-4-11 09:46:31 | 只看该作者
    已下载,多谢!

    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

    5
    发表于 2015-4-11 18:02:46 | 只看该作者
    jijizhazha 发表于 2015-4-10 13:59
    最后吐个槽
    很高兴看到这论坛基本没人发帖了
    2013年就有人抱怨验证码问题


    额,人发帖难,机器人发广告帖更难。

    我发现有时候发帖需要填验证码,有时候又不需要。刚我发个贴,也折腾了好久。清除了几次 cookie,重新登录了两次,才提示我填对了验证码,晕……

    感谢楼主分享。

    点评

    验证码流程一定有bug,机器人不过多试几次,人哪有那么好耐心  发表于 2015-4-12 12:32
    水至清则无鱼  发表于 2015-4-12 12:29