查看: 9666|回复: 34
打印 上一主题 下一主题

[词典讨论] 汉语大词典一家子mdx版欣赏

[复制链接]

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

跳转到指定楼层
1
发表于 2016-6-6 22:16:26 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
本帖最后由 tsiank 于 2016-6-7 08:14 编辑

近段时间一直在摆弄汉语大词典,因为网络上现在流传的各种大词典文本版有着诸如词条缺失,排版断行不妥,增补失当等问题,刚好又在网上发现了大词典3.0光盘提取工具,于是想着不如从源头重新制作一次。只是没想到这个工具是半成品,各种搞不定,于是发贴https://www.pdawiki.com/forum/fo ... CA%B5%E4&page=3
希冀高人出手,后终于在gnoweb大神的帮助下搞定,使继EPWING之后,又一版本完整再现了光盘版3.0数据。其实说“又”也并不妥当,之前就有高人提取过,只是没注意到而已。

汉语大词典光盘繁体版3.0共收18,014 个(去除重复共13069个)汉字字頭,336,706条复詞。因为光盘版3.0采用的是BIG5编码字集,所以只能收录13069个字头,超出BIG5范围的字只能舍弃,这就造成了字头数,词条数以及例证都要比纸质版少得多。且因为是在简体版的基础上加工的,也出现了简繁一对多的错误。在删除BIG5范围外的字时,由于操作失当,产生了许多词条内容重复错乱的问题(参见此贴:http://blog.xuite.net/fg_wang/twblog/106485207)。比如“吻喇喇”,3.0第二、第三义项的释义及内容都是词条“唿喇喇”的,因为“唿”字并不在BIG5编码中,所以3.0并没有词条“唿喇喇”,不知为什么把这两个词条内容并一起了。再比如“五奴”条,因为释义中“䭔”字并不在BIG5码内,所以3.0的释义是直接把“雖喫䭔子亦醉,不煩酒也”这句翻译成了白话文。像这些问题改不胜改。





依据光盘版3.0而制作的其他字典格式版本有DSL版、MDX版和EPWING版。DSL版和MDX版特点是查不到“堃,煊”等字词,因为不在BIG5范围内。也查不到“誕”字,可能是制作过程中词条丢失。只有EPWING版数据与光盘版一致。


汉语大词典光盘版2.0因为采用了GBK编码字集,所以收录字头27898个,去除重复去计20902个,刚好是GBK编码的全部汉字。复词343307条(提取后的词条数是343303,那4条不知道跑哪儿去了)。由于GBK编码比BIG5编码的字多了七千多个,所以字头数,词条数以及例证都要比3.0版的多,而且由于是简体原版,也就不存在简繁转换错误,也基本不存在词条内容错乱的问题(目前为止只发现了十个带“冤/寃”和“蠹/蠧”的词头有些内容重复错乱)。其文本质量相对3.0要好很多。此外,似乎还有另一个版本的光盘版2.0:http://www.guoxue.com/?p=4453 ,网上说其共收入18,013个字头,336,385条复词,比这个版本的2.0要少,是不是也是繁体版的原因?我没找到下载。这个光盘版2.0沒有提取工具,只能用笨方法去複製,而且几乎没有什么排版,所以提取数据后又在排版上花了很大的精力。2.0虽然比3.0文本好一些,可缺漏之处依然大量存在,一般缺失的都是“同某某词条”,“亦作某某词条”,这样的情况也是改不胜改。原光盘内含548幅图,可在正文有链接的只有513个,多亏了sky66的帮助,又找出了几十幅,而且在制作过程中改正了原光盘版的许多错误,根据字头的拼音给每个词头加上了拼音(当然由于多音字的问题不一定都准确,不过词头首音是可以保证的),根据图像版的页码数据给每个词头添加了页码信息。因为这些,mdx版比原光盘版是青出于蓝而胜于蓝了。





依据光盘版2.0而制作的其他字典格式版本有stardict版。stardict版有简体版和繁体版,其繁体版应是由简体版转化而来,参看此贴:https://www.pdawiki.com/forum/fo ... F%B4%F3%B4%CA%B5%E4
此版词条数360000(依据goldendict词典信息),可以查到“誕,堃,煊”等字。不过转换过程中也丢失了一千多个词条(如查不到“軕,軕子”等字词),而且没有排版,专名号也没有加上去。另外由于简繁转换而造成了简繁一对多的错误。

汉语大词典订补,原mdict数据來自於sxingbai,这个mdx应该是据网上流传的PD制作的,比较遗憾的是没有专名号。试了一下,从原PDF中也没法复制出专名号,只得作罢。此次主要是改动了一下排版,html标签与2.0和3.0的mdx一致,使得这三部mdx可以共用一个css文件。





汉语大词典图像版,已经发布了,就不用多说了。制作过程中,发现“坊”字条,“府良切”前面少了“《廣韻》”二字(各大电子版也都一样),这是在图像版(也即纸质版)中发现的第一个缺漏,而繁体纸质版已经修正了(感谢sky66提供纸质繁体版图片)。


  • TA的每日心情
    开心
    2019-1-18 23:55
  • 签到天数: 230 天

    [LV.7]常住居民III

    72

    主题

    1027

    回帖

    11万

    积分

    状元

    Rank: 9Rank: 9Rank: 9

    积分
    117972

    QQ 章

    推荐
    发表于 2019-2-13 01:02:14 | 只看该作者
    2.0里还是有些瑕疵。如秦、汉等词条的分义项给划到例证里去了,大约40处没有简繁区别的。汉的释义序号也有问题,不知是哪的问题。圣 的例证错位,不知有多少处(似乎是源数据的错误,早前版本也有)。
    非瑕疵但有些疑惑的,释义序号编排也与纸质版有异,不清楚是不是电子化时重新处理过。
  • TA的每日心情
    擦汗
    2019-3-22 09:51
  • 签到天数: 80 天

    [LV.6]常住居民II

    0

    主题

    134

    回帖

    865

    积分

    禁止发言

    积分
    865
    推荐
    发表于 2018-1-29 22:20:19 | 只看该作者
    链接没有啊

    该用户从未签到

    0

    主题

    23

    回帖

    364

    积分

    被盗用户

    积分
    364
    推荐
    发表于 2017-9-12 16:59:42 | 只看该作者
    不知楼主的大词典2.0 3.0 在哪里能下到,谢谢!
  • TA的每日心情
    开心
    2021-2-28 15:47
  • 签到天数: 104 天

    [LV.6]常住居民II

    3

    主题

    560

    回帖

    3251

    积分

    贡士

    Rank: 6Rank: 6

    积分
    3251

    灌水大神章

    3
    发表于 2016-6-6 23:10:54 | 只看该作者
    不知为什么图一直在转圈,都看不到啊

    该用户从未签到

    1

    主题

    143

    回帖

    838

    积分

    举人

    Rank: 4

    积分
    838
    4
    发表于 2016-6-7 02:39:06 | 只看该作者
    的确是看不到图,一直在转圈,不知啥原因

    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

    5
     楼主| 发表于 2016-6-7 08:15:16 | 只看该作者
    warbri 发表于 2016-6-7 02:39
    的确是看不到图,一直在转圈,不知啥原因

    昨晚還好好的,今天也是打不開,又重新弄了一下,只是展示全圖了。
  • TA的每日心情
    奋斗
    2019-11-28 00:17
  • 签到天数: 397 天

    [LV.9]以坛为家II

    8

    主题

    965

    回帖

    1万

    积分

    状元

    Rank: 9Rank: 9Rank: 9

    积分
    14499

    笑傲江湖章灌水大神章

    7
    发表于 2016-6-7 10:35:22 | 只看该作者
    tsiank大真是汉语辞典的专家,这应该是目前为止最好的系列资料版本了,敬佩。
  • TA的每日心情
    开心
    2023-2-6 01:16
  • 签到天数: 568 天

    [LV.9]以坛为家II

    8

    主题

    1923

    回帖

    1万

    积分

    状元

    Rank: 9Rank: 9Rank: 9

    积分
    10256

    笑傲江湖章灌水大神章

    8
    发表于 2016-6-7 10:39:41 | 只看该作者
    资讯丰富!信息量好大~~

    论坛藏龙卧虎,高手交流,看得我眼花缭乱,呵呵~~

    该用户从未签到

    539

    主题

    3046

    回帖

    25万

    积分

    翰林院编修

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

    积分
    251446

    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

    9
    发表于 2016-6-7 11:12:48 | 只看该作者
    真是辛苦!这词典下一次大折腾,估计得等新版了

    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
     楼主| 发表于 2016-6-7 13:10:31 | 只看该作者
    klwo2 发表于 2016-6-7 11:12
    真是辛苦!这词典下一次大折腾,估计得等新版了

    之所以折騰,是因爲現在的版本沒有一個是完整無誤的。目前就這樣了,起碼還能用個五六年。

    该用户从未签到

    1

    主题

    143

    回帖

    838

    积分

    举人

    Rank: 4

    积分
    838
    12
    发表于 2016-6-7 18:35:08 | 只看该作者
    这版本确实漂亮,重点还是贵在"完整无误"

    该用户从未签到

    50

    主题

    620

    回帖

    1万

    积分

    状元

    Rank: 9Rank: 9Rank: 9

    积分
    12280

    灌水大神章小蜜蜂章笑傲江湖章

    13
    发表于 2016-6-10 20:54:23 | 只看该作者
    我去年对《汉语大词典》的几个文本做过认真比对,所以我相信我目前使用的应该没有遗漏。

    该用户从未签到

    19

    主题

    593

    回帖

    25万

    积分

    状元

    Rank: 9Rank: 9Rank: 9

    积分
    259792

    灌水大神章小蜜蜂章笑傲江湖章

    14
    发表于 2016-6-10 21:10:19 | 只看该作者
    本帖最后由 sky66 于 2016-6-10 21:24 编辑
    sxingbai 发表于 2016-6-10 20:54
    我去年对《汉语大词典》的几个文本做过认真比对,所以我相信我目前使用的应该没有遗漏。


    請問您使用的《汉语大词典》文本版可否查到  "𡥃(子女)" 、 "㡭" 、 "𤫩(王靈)" 等字? 複合字詞條可否查到 "䑏疏"

    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

    15
     楼主| 发表于 2016-6-10 21:34:32 | 只看该作者
    本帖最后由 tsiank 于 2016-6-10 21:36 编辑
    sxingbai 发表于 2016-6-10 20:54
    我去年对《汉语大词典》的几个文本做过认真比对,所以我相信我目前使用的应该没有遗漏。


    目前的文本都是有遺漏的,莫非還有另外的文本?可否貼個圖欣賞一下?

    该用户从未签到

    50

    主题

    620

    回帖

    1万

    积分

    状元

    Rank: 9Rank: 9Rank: 9

    积分
    12280

    灌水大神章小蜜蜂章笑傲江湖章

    16
    发表于 2016-6-11 19:44:05 | 只看该作者
    sky66 发表于 2016-6-10 21:10
    請問您使用的《汉语大词典》文本版可否查到  "𡥃(子女)" 、 "㡭" 、 "𤫩(王靈)"  ...

    汗,你说的没有,是来自其它文本版,还是来自印刷版?

    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

    17
     楼主| 发表于 2016-6-11 21:06:32 | 只看该作者
    sxingbai 发表于 2016-6-11 19:44
    汗,你说的没有,是来自其它文本版,还是来自印刷版?

    除了 "䑏疏"以外,你的版本应该也不会有“㓖冹”,“䲦鳥”吧?


    该用户从未签到

    50

    主题

    620

    回帖

    1万

    积分

    状元

    Rank: 9Rank: 9Rank: 9

    积分
    12280

    灌水大神章小蜜蜂章笑傲江湖章

    18
    发表于 2016-6-11 21:20:39 | 只看该作者
    tsiank 发表于 2016-6-11 21:06
    除了 "䑏疏"以外,你的版本应该也不会有“㓖冹”,“䲦鳥”吧?

    嗯,再汗

    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

    19
     楼主| 发表于 2016-6-11 21:31:06 | 只看该作者

    哈哈,我开玩笑的。其实这几个词都是在寻找图片对应的词条过程中,手工添加进去的。

    该用户从未签到

    19

    主题

    593

    回帖

    25万

    积分

    状元

    Rank: 9Rank: 9Rank: 9

    积分
    259792

    灌水大神章小蜜蜂章笑傲江湖章

    20
    发表于 2016-6-11 22:48:12 | 只看该作者
    sxingbai 发表于 2016-6-11 19:44
    汗,你说的没有,是来自其它文本版,还是来自印刷版?

    目前還有不少字、詞是只有圖像版才有, 除非手工添加.
    真希望有完整的文本版..

    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

    21
     楼主| 发表于 2016-6-11 23:03:01 | 只看该作者
    本帖最后由 tsiank 于 2016-6-11 23:04 编辑
    sky66 发表于 2016-6-11 22:48
    目前還有不少字、詞是只有圖像版才有, 除非手工添加.
    真希望有完整的文本版..


    如果能组织起来三四十个人(此论坛加上国学数典论坛),每个人负责一万个词条,利用一年的时间,慢慢地在2.0的基础上先把与图像版缺失的字、词条补上,那就可以有个相对完整的文本版了。只是这个在09年到12年那几年或许还是可能组织起来的(那时候的热度比较高),现在一点儿可能都没有了。

    该用户从未签到

    0

    主题

    36

    回帖

    112

    积分

    童生

    Rank: 2

    积分
    112
    22
    发表于 2016-6-19 20:33:14 | 只看该作者
    楼主辛苦,谢谢分享
  • TA的每日心情
    开心
    2020-3-10 04:46
  • 签到天数: 62 天

    [LV.6]常住居民II

    6

    主题

    208

    回帖

    2636

    积分

    解元

    Rank: 5Rank: 5

    积分
    2636
    23
    发表于 2017-7-15 23:39:43 来自手机 | 只看该作者
    不错,下载下来看看,过去用的是国学版

    该用户从未签到

    0

    主题

    112

    回帖

    109

    积分

    童生

    Rank: 2

    积分
    109
    24
    发表于 2017-7-31 23:48:04 | 只看该作者
    绝对正能量,好东西