请教各位mdict制作问题

邱海波 · 发表于 2015-9-19 07:30:22

本帖最后由邱海波于 2015-9-19 07:33 编辑

如题，我现有较新中文维基百科全简体超纯文本版的数据（资源来自网络，http://licstar.net/archives/262）：链接: http://pan.baidu.com/s/1o6ms8Q2 密码: mew7

上述.bz2解压后得到一个wiki_cn文件，可加上扩展名.txt。

问题来了：

文本中词条格式如下：（双击图片，查看实际大小）

现请教各位，该如何制作成mdict数据。

谢谢！

（题外话：话说被逼着上传了头像和加满5个好友，终于能再发帖了！活着真好！）

zhu1234 · 发表于 2015-9-19 11:57:51

下来看了，词头和内容木有规律，手工完成几乎不可能。建议下载的时候保留原标签，才便于制作。

邱海波 · 发表于 2015-9-19 16:41:45

zhu1234 发表于 2015-9-19 11:57
下来看了，词头和内容木有规律，手工完成几乎不可能。建议下载的时候保留原标签，才便于制作。

感谢回复，之前我还在想能否写个正则表达式把那些空白替换掉，终于没成功。看来要推倒重来。

zhlpen · 发表于 2015-9-22 14:34:07

本帖最后由 zhlpen 于 2015-9-22 14:37 编辑

空白行可以用emeditor的工具/插件/删除空行删除掉，不用编写正则表达式，可能因为你的文件太大，全选文本后替换空行在我的电脑中没有成功，如果你的电脑运行比较快应该没有问题。
另外你的文本中的规律，标题后面没有标点符号，而段落后面有标点符号，利用这个规律，能否在后面加上分词的标志</>，多余的或漏下的标志在进行手工操作则可以减轻工作量。
还有你的文本好像不全，有的词头下面没有内容

邱海波 · 发表于 2015-9-23 07:23:31

zhlpen 发表于 2015-9-22 14:34
空白行可以用emeditor的工具/插件/删除空行删除掉，不用编写正则表达式，可能因为你的文件太大，全选文本 ...

谢谢你的宝贵建议。

[求助] 请教各位mdict制作问题