詞頭txt和詞條txt合併問題

group1234 · 发表于 2016-9-10 05:50:21

本帖最后由 group1234 于 2016-9-14 21:58 编辑

我是第一次製作mdx辭典，對於正則還是html這些相關知識都不懂，
但是想要製作Garner's Modern English Usage 4th，所以自己慢慢摸索中，
這本辭典從mobi轉檔後，A-Z的內容使用UltraEdit已經整理出8千多個詞條，
詞頭卻因為電子書本身的html和css格式干擾一直無法搞定，
想要刪除所有格式來弄詞頭，
只是有個疑問，如果詞頭.txt.和詞條.txt在windows系統下，
有辦法用dos指令來交叉合併嗎？
謝謝

sky66 · 发表于 2016-9-10 09:29:23

建議 詞頭.txt 和 詞條.txt 的內容, 提供一些範例, 這樣人家才好給建議.

group1234 · 发表于 2016-9-10 12:16:06

本帖最后由 group1234 于 2016-9-10 12:20 编辑

sky66 发表于 2016-9-10 09:29
建議詞頭.txt 和詞條.txt 的內容, 提供一些範例, 這樣人家才好給建議.

目前詞條整理好了，詞頭部分還沒整理，只是先把格式弄掉

這是整理好的詞條

這是把html和css格式弄掉要整理成詞頭的，還在想怎麼弄比較好

如果各存一個txt檔，如何合併成這個樣子?

sky66 · 发表于 2016-9-10 12:55:43

以圖一這個例子而言, 個人淺見, 格式弄掉反而不利整理出詞頭.
若要簡單整理出圖三, Emeditor下使用正則, 找到 xxxxx">(.*?)<xxx 中間那個就是詞頭 (沒有文字檔, 不能複製貼上作範例)

當然, 找出來的結果如底下這個帖子提到的, 有些詞頭與內文沒有分開
https://www.pdawiki.com/forum/fo ... hread&tid=17193

就要另外從 . , ; 這些符號來下手, 找出詞頭與內文分開的規則..
如果規則測試理想的狀況, 也許一個指令就能全部完成..
尋找 (^xxxxxx">)(.*?)([\.,;<].*$)
取代為 \2\n\1\2\3\n</> 之類的

group1234 · 发表于 2016-9-10 15:00:37

sky66 发表于 2016-9-10 12:55
以圖一這個例子而言, 個人淺見, 格式弄掉反而不利整理出詞頭.
若要簡單整理出圖三, Emeditor下使用正則, ...

我有下載Langheping大製作的mdx，就是因為有些詞頭沒有分開，不好搜尋，所以才想要自己動手做，這本的格式非常複雜，像是詞頭部分，電子書有些並沒有連結，所以單純用有連結的來製作詞頭會有遺漏，我已經把大部分原電子書沒有連結的整理出來，加上刪併電子書有連結卻是大標B. C. E.等的詞條，目前暫時整理的詞條有8556。
詞頭前面的格式其實也很複雜，我是模仿Langheping大把所有詞條前面的格式改成圖一的樣子，而詞頭部分，我原本也想要用正則替換，可是，製作過程發現格式千百種，而且有的單字後面有句點、有逗點或是只有空格，有的單字還被格式分割，有的詞頭有將近七個單字，原本想要整理完8556個詞頭後，再把這些有多個單字的詞頭再分別整理出個別單字，用@@@LINK連結，可是現在連8556個都整理不好，才會想要把所有格式移除，試著整理看看，光整理詞頭就已經弄了好幾天，製作期間還發現刪除空行時沒有加空格，導致單字連在一起，又重新來過，再弄不好只好先放棄了，等以後有能力再繼續做T_T

詞條的格式有很多，列幾個出來：

group1234 · 发表于 2016-9-11 15:06:44

請問有人知道該如何合併嗎？
我已經將headword和詞條整理好，共8551條
因為是各存一個檔，不知道該如何合併

Langheping · 发表于 2016-9-11 15:42:40

本帖最后由 Langheping 于 2016-9-11 15:47 编辑

Windows 有两种方法：
1. 用 MS Excel

2. 用 UltraEdit 的 “Column mode”

参考：
多个文档合并、左边词头和右边词条合并 (Linux, Unix)
https://www.pdawiki.com/forum/fo ... &fromuid=185183

group1234 · 发表于 2016-9-11 16:49:11

本帖最后由 group1234 于 2016-9-11 17:11 编辑

Langheping 发表于 2016-9-11 15:42
Windows 有两种方法：
1. 用 MS Excel

google找到答案了，原來有空行@_@
謝謝Langheping大大提供方法!!!
我是參考你的分享的garner 4 th mdx學習製作epub轉mdx，非常感謝
接下來要來整理@@@LINK的單字了~~

==============

第一個方法會出現空格處會出現"_"

我用第二個方法
轉成MDX檔出現問題
提示這個
Begining loading source file...
Invalid keyword at position: 4565181 of the source file
Failed to load source file, process cancelled

圖片現在不能上傳，所以沒辦法貼我的檔案畫面
不知道該如何解決

group1234 · 发表于 2016-9-14 01:13:17

本帖最后由 group1234 于 2016-9-14 05:18 编辑

這本辭典的電子書排版不是普通的爛，3rd的字體大小和內容明明都很正常，4th電子書製作者是喝醉了嗎=_=?
重新校稿一次，發現有內容錯置，不然就是有詞條沒跟前一條斷開= =||||
因為種種原因，又重作了一次，頭都快暈了Orz，還好有作筆記起來，
目前更新後，A-Z總共有8558條，我第一條用000防止bug，所以才會顯示8559，至於@@@LINK的部分還沒弄>"<
我不會CSS，所以是用電子書原本的格式，而且電子書的格式亂七八糟，應該也不會想去動它=_="
至於分享....我膽小，怕被抓，所以不方便分享@_@，不好意思
謝謝提供協助的Langheping大大，不然我可能到現在還是對著詞頭和詞條的txt檔發呆....
能完成這部辭典，真的很感恩!!

chigre3 · 发表于 2016-9-17 04:08:47

可以给两个文档的所有行都添加序号
然后复制到一个文档里，排序一下就行啦~
【Ultraedit】【EmEditor】

[求助] 詞頭txt和詞條txt合併問題

点评