求大侠制作分享dictionary.com上的random house 2015

woaini123 · 发表于 2015-5-22 21:57:48

目前dictionary.com有网页版、安卓和苹果版，内置的random house 2015都可以免费下载到本地。不知道转换成mdx难度如何?
最好能抓取网站上的数据，因为我发现离线的词库数据有些旧，比如disruptive这个词，网站上的该词典有两个释义，第二个释义还有子项，而离线版中该词只有一个释义。网站版还收了esports等新词。

希望大侠出手，现在就剩最后两个重磅级词典了，一个是random house 2015，另一个是Webster's New World College Dictionary 第五版。

tsiank · 发表于 2015-5-23 13:09:09

woaini123 发表于 2015-5-23 11:57
如果只抓取random house 2015，条目应该没这么多吧？或者直接转换app的离线数据也行。

如果大侠做出来 ...

那是不是说我的ODE2015 ,AHD5不值得捐赠呀？

woaini123 · 发表于 2015-5-23 11:51:51

Oeasy 发表于 2015-5-22 23:14
不要一味索取，如果愿意捐助制作者，给制作者一些补偿，他们应该很乐意奉献时间、精力、技术。

从我 ...

如果只抓取random house 2015，条目应该没这么多吧？或者直接转换app的离线数据也行。

如果大侠做出来，我很愿意捐赠。

sycsycsyc378 · 发表于 2015-5-22 22:36:46

估计没多少「大侠」会出手，不然早就有了。
兰登书屋的日版如果懂日文更好用。

woaini123 · 发表于 2015-5-22 23:02:08

sycsycsyc378 发表于 2015-5-22 22:36
估计没多少「大侠」会出手，不然早就有了。
兰登书屋的日版如果懂日文更好用。

为什么不出手呢？我觉得这个网站看起来很简单，抓取应该比ODE等网站容易才对。

Oeasy · 发表于 2015-5-22 23:14:27

不要一味索取，如果愿意捐助制作者，给制作者一些补偿，他们应该很乐意奉献时间、精力、技术。

从我业余的角度看，dictionary.com 网站，条目数近百万，抓取难度在于对硬盘容量、电脑配置、网络要求很高。

楼主可以去问下专业的公司（仅抓取不处理成 mdx ，有报价低于一万的，请告诉我那个公司的联系方式。

tsiank · 发表于 2015-5-22 23:25:14

本帖最后由 tsiank 于 2015-5-23 12:37 编辑

Oeasy 发表于 2015-5-22 23:14
不要一味索取，如果愿意捐助制作者，给制作者一些补偿，他们应该很乐意奉献时间、精力、技术。

从我 ...

从抓取的情况看，词条数在75万左右，可能会有遗漏。这么一大堆数据，我电脑很难一下子处理过来。

woaini123 · 发表于 2015-5-23 11:57:16

tsiank 发表于 2015-5-22 23:25
从抓取的情况看，词条数在65万左右，可能会有遗漏。这么一大堆数据，我电脑很难一下子处理过来。

如果只抓取random house 2015，条目应该没这么多吧？或者直接转换app的离线数据也行。

如果大侠做出来，我很愿意捐赠。

liuyunrushui · 发表于 2015-5-23 13:00:59

楼上的诸位大大，下面的这个网站的抓取性如何？

http://cjjc.weblio.jp/content/%E4%B8%8A%E4%B8%8B

liuyunrushui · 发表于 2015-5-23 13:03:29

中日索引 http://cjjc.weblio.jp/category/cgkgj/a

日中索引 http://cjjc.weblio.jp/category/cgkgj

有可行性的话我也愿意捐助

woaini123 · 发表于 2015-5-23 13:35:19

tsiank 发表于 2015-5-23 13:09
那是不是说我的ODE2015 ,AHD5不值得捐赠呀？

已转账，后续还会支持

wjsrc · 发表于 2015-5-23 13:43:28

tsiank 发表于 2015-5-23 13:09
那是不是说我的ODE2015 ,AHD5不值得捐赠呀？

大虾出品绝属精品。

tsiank · 发表于 2015-5-23 13:56:12

wjsrc 发表于 2015-5-23 13:43
大虾出品绝属精品。

先生过奖，现在这个论坛高手都不现身了，刚好我最近比较活跃点儿。不过我的字典都是利用现有的工具制作的，于技术并不太懂，所以完成后总是有许多小错误。

Oeasy · 发表于 2015-5-23 15:13:28

本帖最后由 Oeasy 于 2015-5-23 15:16 编辑

tsiank 发表于 2015-5-22 23:25
从抓取的情况看，词条数在75万左右，可能会有遗漏。这么一大堆数据，我电脑很难一下子处理过来。

以下内容需要积分高于 200 才可浏览

有朋友在 2013/11/23 抓过一回，截至那一天， dictionary.com 的词头数是 825183 ，当时 dictionary.com 收录的 Collins English Dictionary 还是 2009 年版，目前是 2012 年版。

Dictionary.com Unabridged
Based on the Random House Dictionary, ?0?8 Random House, Inc. 2015.
--
Collins English Dictionary - Complete & Unabridged 2012 Digital Edition
--
Online Etymology Dictionary, 2010 Douglas Harper
--
The American Heritage Stedman's Medical Dictionary
--
The Dictionary of American Slang, Fourth Edition by Barbara Ann Kipfer, PhD. and Robert L. Chapman, Ph.D.
--
The Free On-line Dictionary of Computing, Denis Howe 2010 http://foldoc.org
--
The American Heritage Abbreviations Dictionary, Third Edition
--
The American Heritage Idioms Dictionary
-------------------------

抓一本是抓，抓八本也是抓，要想抓取、制作完美，耗费时间、精力是惊人的。

我觉得可以开一个众筹的帖子，真正感兴趣但是又因为能力、时间等原因无法自己亲力亲为的人，说不定愿意捐助下制作者，在一定时间里募集到一定金额，制作者就可以开工了，如果募集不到，那说明没有太多人对这个感兴趣，没太多人需要这个东东，毕竟如果真的如此迫切地需要，那为什么不愿付出时间，不愿付出精力，最简单地，金钱也不愿付出？除非制作者自己真的是缺那个词典不可，或者单纯是为了练手，或者活雷锋在世，不然为什么要花自己的时间、精力去做呢？

作为制作者，我个人制作的第一动力就是我自己确实感兴趣，确实需要，我自己不感兴趣的，觉得时间成本太高，投入产出比太小的，我就是不会做。我自己是春节后就基本没做过新 mdx 了，我觉得目前已有的词库我可以用到下下下下下辈子了。

作为版主，我对上面提到的“众筹”、“捐助”这类行为完全没有异议，词库能做的基本都做了，现在一个月出的新资源，一个手都能数过来。现实生活中，求人办事帮忙，还不得好烟好酒伺候，到了网络上，太多人以为键盘一敲，就有人帮忙，馅饼儿就掉下来了。

bt4baidu 这个帖子 [索引] 【史上最全】在线词典抓取、制作技术汇总 https://pdawiki.com/forum/forum.php?mod=viewthread&tid=13219 里结语说得很好。

五、结语
花点时间写个科普文，主要是考虑到确实有些文科同学or计算机小白想制作词典，但没有思路，无从下手。
所谓术业有专攻，为学有先后，总结一点经验分享出来，也算是对社会做点贡献——
大家有个切实可行的方法参照，不至于绕太多弯路，浪费太多时间，从而节约了社会成本。

打算做万年伸手党的同学，本人也没想过要鼓动你们，继续做伸手党好了，热心人还是挺多的，时常有不错的新作发布。

只是拜托不要打扰别人，真想要就自己动手。
尤其不要抱着“你手熟，水平高，做得比我快”的想法，觉得找别人做词典就特别理直气壮、理所当然。
水平再高也要花时间；同时，水平高也意味着其单位时间的价值要超过水平低的人。
虽然每个人都觉得自己至高无上，应当受到别人重视，
其实“在你做出惊天动地的大事、拥有巨大名声之前，你在别人眼里就是个屁”——Bill Gates曰

http://www.zhihu.com/question/30090572/answer/47021622

我最近通过金钱利诱的办法，就搞到了一个潜力股，将会节省我未来相当多的时间、精力，帮我的大忙。

tsiank · 发表于 2015-5-23 16:06:57

Oeasy 发表于 2015-5-23 15:13
**** 本内容被作者隐藏 ****

刚下了cracode网友的dictionary.com 数据库，看了下共有514570headwords，怎么更少了。
这个字典抓取后就凉在一边没去处理它，电脑真的跑不动。做字典确实是个苦力活，我的感觉，起初做完发布到网上供人下载，看到网友说的那些赞美的话，心里是挺爽的，可听多了就感到没意思了，感觉与其说漂亮话，不如来点儿实际支持呢（是不是庸俗了？）可是呀

sycsycsyc378 · 发表于 2015-5-24 01:50:23

Oeasy 发表于 2015-5-22 23:14
不要一味索取，如果愿意捐助制作者，给制作者一些补偿，他们应该很乐意奉献时间、精力、技术。

从我 ...

近百万？哪来的这么多条目啊。
这词典的日文版才32万4千词，虽然是基于80年代版本了，英文总不可能突然多这么多词吧。屈折，短语....是全算单独条目了？

sycsycsyc378 · 发表于 2015-5-24 01:53:56

真要用这词典你买App得了
价格也不贵，能离线。

Oeasy · 发表于 2015-5-24 16:23:20

sycsycsyc378 发表于 2015-5-24 01:50
近百万？哪来的这么多条目啊。
这词典的日文版才32万4千词，虽然是基于80年代版本了，英文总不可能突然 ...

从我业余的角度看，dictionary.com 网站，条目数近百万，抓取难度在于对硬盘容量、电脑配置、网络要求很高。

---
我说的是 dictionary.com 而非网站的子集 RHUD， dictionary.com 还有几部其他词典的。我的建议上面也说了，抓一本也是抓，抓八本也是抓，既然有人要抓，为什么不把所有的都抓下来？

15 楼我也说了。

有朋友在 2013/11/23 抓过一回，截至那一天， dictionary.com 的词头数是 825183 ，当时 dictionary.com 收录的 Collins English Dictionary 还是 2009 年版，目前是 2012 年版。

[求助] 求大侠制作分享dictionary.com上的random house 2015