汉语大词典一家子mdx版欣赏

tsiank · 发表于 2016-6-6 22:16:26

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）。

dfliaoyue · 发表于 2019-2-13 01:02:14

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。

f123 · 发表于 2018-1-29 22:20:19

链接没有啊

wbl75 · 发表于 2017-9-12 16:59:42

不知楼主的大词典2.0 3.0 在哪里能下到，谢谢！

fanziyu · 发表于 2016-6-6 23:10:54

不知为什么图一直在转圈，都看不到啊

warbri · 发表于 2016-6-7 02:39:06

的确是看不到图，一直在转圈，不知啥原因

tsiank · 发表于 2016-6-7 08:15:16

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。

coolsummer · 发表于 2016-6-7 10:35:22

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。

秋天故事 · 发表于 2016-6-7 10:39:41

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~~

klwo2 · 发表于 2016-6-7 11:12:48

真是辛苦！这词典下一次大折腾，估计得等新版了

tsiank · 发表于 2016-6-7 13:10:31

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。

warbri · 发表于 2016-6-7 18:35:08

这版本确实漂亮，重点还是贵在"完整无误"

sxingbai · 发表于 2016-6-10 20:54:23

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。

sky66 · 发表于 2016-6-10 21:10:19

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"

tsiank · 发表于 2016-6-10 21:34:32

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？

sxingbai · 发表于 2016-6-11 19:44:05

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？

tsiank · 发表于 2016-6-11 21:06:32

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？

sxingbai · 发表于 2016-6-11 21:20:39

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

tsiank · 发表于 2016-6-11 21:31:06

sxingbai 发表于 2016-6-11 21:20
嗯，再汗

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。

sky66 · 发表于 2016-6-11 22:48:12

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..

tsiank · 发表于 2016-6-11 23:03:01

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。

zrk000 · 发表于 2016-6-19 20:33:14

楼主辛苦，谢谢分享

hqsjg · 发表于 2017-7-15 23:39:43

不错，下载下来看看，过去用的是国学版

appfr · 发表于 2017-7-31 23:48:04

绝对正能量，好东西

[词典讨论] 汉语大词典一家子mdx版欣赏