[2016.07.21]CC-CEDICT汉英词典[开源]

imfirefly · 发表于 2015-8-17 10:44:23

本帖最后由 imfirefly 于 2021-1-10 11:50 编辑

什么是CC-CEDICT？

CEDICT计划由Paul Denisowski由1997年开创，目标是提供一份以汉语拼音为中文辅助的汉英辞典。

CEDICT本身提供纯文字档，并由其他程式对其进行搜寻与显示单词。该计划成果为其他汉英计划作为一份参考来源而使用：Unihan数据库的中文复合字资讯大部分来自CEDICT，但仅作为参考之用，且特别声明其并非Unicode主数据库的一部分。Unihan的单字定义和发音不使用CEDICT。

出自：喂鸡百科词条“CC-CEDICT”

尝试过几款MDICT格式的汉英词典，个人感觉都不太理想，一方面排版与个人喜好有关，可略去不提；另一方面，众所周知，汉语的词汇一直在发展，如果对应的汉英词典的词条没有跟进，这会显得词汇量不足，所以能不断更新及时收录词汇的汉英词典显得尤为重要。在这种情况下，本人发现数据开放且不断更新的CC-CEDICT刚好能满足我的这一需要。然而CC-CEDICT只提供原始数据，目前网络上还没有人做出能一站式生成符合MDICT格式的工具。之前论坛里面也有人分享自己制作的资源，一方面数据更新不及时，另一方面也没有提供自己的制作工具。在这种情况下，我本着DIY精神自己制作了CC-CEDICT 4 MDICT的制作工具。

本工具：

能自动下载CC-CEDICT数据文件、解压缩、解析、排版、输出，
能够设置输出简体中文/繁体中文的词条，
能将原始的发音描述转换为发音符号，
并根据发音声调用不同的颜色来标记拼音和汉字（配色来自这里），
能将词条解释内容中的参考转换为跳转链接。
能够设置是否合并相同词头的词条（如：“中招”、“清明”等）。---2015.08.27

数据来源：http://www.mdbg.net/chindict/chindict.php?page=cc-cedict
制作引擎：自制
程序源码和词典数据（提供的简中词条的数据，繁中的请参考程序说明自己制作即可）下载地址：
链接：http://pan.baidu.com/s/1dDBBoeH
密码：741j

显示效果：

BlueDict（Android）

Mdict（Windows）

---------------------------------------------

2015.08.17 词条数：113389
2015.08.27 词条数：111270（简中词头，已合并相同词头的词条）
2015.08.30 词条数：111274（简中词头，已合并相同词头的词条; 脚本升级到V1.2，恢复拼音转换前声母的大小写状态）
2015.08.30 词条数：110179（简中词头，已合并相同词头的词条; 脚本升级到V1.4，使得解释内跳转覆盖更全面，如“一甲”，简体词条合并准确率更高，如“脏”）
2015.09.15 词条数：110219（简中词头，已合并相同词头的词条; 脚本升级到V1.5，相同词头词条合并效率大幅度提高，约需1个钟）
2015.10.08 词条数：110283（简中词头，已合并相同词头的词条; 脚本升级到V1.6，修改词条解释相关的正则，使得对解释内的中文词条跳转更加精确（如：“啤酒”））
2016.01.27 词条数：110683（简中词头）
2016.03.13 词条数：110980（简中词头）
2016.07.21 合并后的词条数：111456（简中词头）

sky66 · 发表于 2015-11-2 10:22:23

感谢楼主提供的信息与相关文件,
依此CC-CEDICT.py制作了 [2015-11-1] CC-CEDICT繁体版

原始词条数：113666
用SourceEditor合并后词条数：111530

eeejj · 发表于 2015-8-18 11:45:49

本帖最后由 eeejj 于 2015-8-18 11:49 编辑

imfirefly 发表于 2015-8-18 09:20
这种词条属于多音词语，如：‘中招’，不太多见：

这种词条实际上是比较多见的，因其并不止于多音词，还包括许多多义词也是这样。因而不合并词条的话查询起来是颇不方便阅读的。例如“清明”一词，是多义而一音，而且发音颜色也是相同的，但也是被分为了两词条。

另外在颜色上，楼主能否做一个英语正文为通常的黑色字的版本呢？当前的英语正文颜色显得有些太亮太刺眼了。

shbf做过一个版本（https://www.pdawiki.com/forum/fo ... highlight=CC-CEDICT），就是合并了词条并且正文颜色为黑色的，是不错的可参考版本。其缺点是字号太小，并且数据太旧了。

imfirefly · 发表于 2015-8-17 12:03:16

cenfit 发表于 2015-8-17 11:24
感谢楼主分享，简单说，这个CC-CEDICT词典比较好用，不是将中文词汇用很长的句子进行解释，而是类似thesaur ...

再多问一句楼主，这个词典怎么自动下载更新数据？
是不是，将你给出的整个文件夹原封不动地放入使用的词典文件夹内即可？-

词典数据在那个网站上是经常更新的（好象是1天一次吧），如果你需要最新的数据，用我提供的工具自动下载、制作即可。

制作完成的MDX、MDD文件是死的。

MDX、MDD文件见我提供的output文件夹下，其他的请参考下载链接里的帮助文档。

wwoxxoyy · 发表于 2015-8-17 11:03:25

感谢楼主无私分享。。。。。。

cenfit · 发表于 2015-8-17 11:24:02

本帖最后由 cenfit 于 2015-8-17 11:39 编辑

感谢楼主分享，简单说，这个CC-CEDICT词典比较好用，不是将中文词汇用很长的句子进行解释，而是类似thesaurus。
****
再多问一句楼主，这个词典怎么自动下载更新数据？
是不是，将你给出的整个文件夹原封不动地放入使用的词典文件夹内即可？

看了说明，慢慢了解一下。

6bageya6 · 发表于 2015-8-17 11:53:57

感谢楼主分享！！！！

klwo2 · 发表于 2015-8-17 12:55:19

真心不错！

不会的童鞋，其实很简单，安装Python 3.4.3（实在找不到的话，360软件管家就能下载）

装好以后双击CC-CEDICT.py，最后会生成CC-CEDICT.txt 。然后用mdxbuilder 参考“说明.txt”里面的描述，处理CC-CEDICT.txt 就可以啦

爱死楼主了！！！

hiboniu · 发表于 2015-8-17 15:39:53

楼主做的好棒，谢谢，可以自己更新数据

knetxp · 发表于 2015-8-17 16:41:42

可以考虑每个月或每几个月更新一次
天天更新没必要，也会累死

cenfit · 发表于 2015-8-17 17:48:25

imfirefly 发表于 2015-8-17 12:03
词典数据在那个网站上是经常更新的（好象是1天一次吧），如果你需要最新的数据，用我提供的工具自动 ...

感谢楼主和Klwo2的耐心解释。

chigre3 · 发表于 2015-8-17 19:01:47

授人以渔！传道授业解惑啊！谢谢

onlyXXenglish · 发表于 2015-8-17 19:27:03

不顶对不起人民

SharkW · 发表于 2015-8-17 19:40:59

这个必须顶！楼主厉害

经典与古典 · 发表于 2015-8-17 19:53:07

非常棒的资源，虽然解释不多，但是涉及很多语言，有启发

eeejj · 发表于 2015-8-18 00:07:21

楼主可以将相同词头的多个词条合并进同一个词条吗？这样阅读起来更方便

erew1 · 发表于 2015-8-18 00:11:34

又一个大作！谢谢

lizhanhuazzm · 发表于 2015-8-18 08:58:20

非常谢谢楼主。的确如楼主所说，论坛优秀的英英、英汉词典不少，但是好的汉英词典很少。楼主做的这个词典收词量丰富，很实用。

sanwan · 发表于 2015-8-18 09:08:17

这个确实是最好的CC-CEDICT了。

usword · 发表于 2015-8-18 09:16:36

太棒了,感谢楼主!

imfirefly · 发表于 2015-8-18 09:20:22

本帖最后由 imfirefly 于 2015-8-18 09:22 编辑

eeejj 发表于 2015-8-18 00:07
楼主可以将相同词头的多个词条合并进同一个词条吗？这样阅读起来更方便

这种词条属于多音词语，如：‘中招’，不太多见：

中招中招 [zhong1 zhao1] /senior high school enrollment/
中招中招 [zhong4 zhao1] /to get infected/to fall into sb's trap/

由于目前显示的汉字是按照发音颜色标识的，不太适合吧另一发音的彩色汉字放一起。所以合并词条这种方式我暂时不做，如果其他人感兴趣的话可以在原有代码的基础上自己修改吧

[email protected] · 发表于 2015-8-18 10:21:23

谢谢楼主大爱无限

[汉英] [2016.07.21]CC-CEDICT汉英词典[开源]

本帖被以下淘专辑推荐:

点评

点评

点评