COD9光盘词条数据HTML初步提取版，希望各路技术大佬进一步...

jonah_w · 发表于 2019-3-6 22:41:37

本帖最后由 jonah_w 于 2019-3-10 14:39 编辑

更新：
最终版已制作完成：
COD9 精美排版最终版
https://www.pdawiki.com/forum/thread-33464-1-1.html?x=294297

本数据是从下面帖子中pdf数据经初步提取而形成HTML文档及相关css文件，需要进一步处理，大家有兴趣的，可以去下面的帖子中进一步了解COD9这部词典以及@zhuode 发起这个事情的详细经过。

感谢zhuode提供pdf数据。

COD9光盘数据最终完成版
https://www.pdawiki.com/forum/thread-32975-1-1.html?x=294297

期待懂词典制作的朋友们可以看看，进一步整理数据，争取早日做出各自版本相对完美的COD9。

链接:https://pan.baidu.com/s/1qA43b9yDTfIU2Hfeprc_Kg
有兴趣制作这个词典的朋友，请回复获取提取码。

本帖隐藏的内容

密码:r95k

注：因为字体文件提取了几十万个，大部分效果一样，只保留了几十个… 可能需要额外处理下。

zhuode · 发表于 2019-3-7 14:01:59

本帖最后由 zhuode 于 2019-3-7 14:37 编辑

我拿迅捷挂机转html挂到第五天半16G内存的电脑死机了。

我用calibre转八个小时搞定,音标部分问题比较多,除此以外还有极少数问题。音标部分个人觉得可以舍弃了,就算得以保留原软件也只提供了英音音标并不完善。

我做了一个去重版的pdf,比原来那个半成品去得更彻底,应该比较可靠。

至于上标问题,我想到个完善方案:先把直接跟在字母或-(中划线)后的数字全处理成上标;再把其中特例(即个别词条有数字直接跟在字母或-后但不显示为上标)人工汇总逆向修复。特例部分我已人工汇总,以截图形式存在一个文件夹。

我把这两个私信给你,你有兴趣的话按这个思路应该可以做出一个满足实用基本需求的版本出来。mdx我是不会啦。

jonah_w · 发表于 2019-3-7 18:40:53

zhuode 发表于 2019-3-7 14:01
我拿迅捷挂机转html挂到第五天半16G内存的电脑死机了。

我用calibre转八个小时搞定,音标部分问题比较多,除 ...

我之前也是用迅捷转html，几天后转换进度94%了，死机了… 换了一个其他转换工具倒是成功了，但那个html标签完全不好改… 不知能否发下calibre转的html文件，我看看好改排版不。尝试了不少转换工具，迅捷转的html改起来最容易，可惜最后没能转换成功。

yuqinghuaz2 · 发表于 2019-3-7 10:50:02

谢谢楼主辛苦了

iEnglisharing · 发表于 2019-3-6 23:09:04

impressive a lot

BAT2018 · 发表于 2019-3-7 06:26:47

看看了，谢谢楼主分享！

kriskr · 发表于 2019-3-7 06:55:20

谢谢原文件，很方便

shadowfiend · 发表于 2019-3-7 09:09:04

哇，论坛还是很有工匠精神的。

qp2010 · 发表于 2019-3-7 09:19:38

越来越接近成品了

Snowdax · 发表于 2019-3-7 09:55:48

谢谢楼主的提取。

thinkinginlast · 发表于 2019-3-7 10:19:01

又有什么好东东。谢谢。

vtvt · 发表于 2019-3-7 11:27:48

谢谢楼主分享！

chenboeli · 发表于 2019-3-7 11:34:39

，谢谢楼主分享！

theduck1968 · 发表于 2019-3-7 16:19:00

thanks for sharing

RickVincent · 发表于 2019-3-7 22:40:04

Thanks for sharing,..

abc163 · 发表于 2019-3-7 23:23:46

谢谢楼主分享！

loveaffairs · 发表于 2019-3-8 02:33:43

这部词典是多少人心中的梦

oversky · 发表于 2019-3-8 18:35:22

来研究一下 css.

tagore1112 · 发表于 2020-3-13 14:56:51

感谢楼主的资源

lx583382202 · 发表于 2020-4-15 22:36:17

COD9光盘词条数据HTML初步提取版

nihaox · 发表于 2020-4-25 11:21:18

感谢楼主，下载看看

[英英] COD9光盘词条数据HTML初步提取版，希望各路技术大佬进一步...

本帖隐藏的内容