㵄語大詞𥮏未刻藳

shaoshi · 2023 年2 月 27 日 12:44

这个地方清静，没有闲杂人。没什么人利用，太可惜了。我来发个帖子玩玩。在这里开会，像是密室会议啊，很好玩。

我想这个地方适合发征求意见稿，只发讯息征求少数人意见，征求意见后删掉文件，低调省事。

我有几个跟随者，也许会跟着新帖跑到这里来。我先说明：这是学者的玩意儿，而且远远没到可以发布的程度，我纯粹是发个帖子玩玩，别发私信向我求书，那样可烦人啊。

旧本：

《㵄語大詞𥮏未刻藳》(研学版)

feiwu兄的《㵄語大詞𥮏復刻》和我的《㵄語大詞𥮏未刻藳》(研学版)对比：

其他截图：

我现在在学习css，改了改界面。内容改得还很少，只改动了千分之几(个位数)的词条吧，还不到可以自成一版本发布的程度。发这个帖纯粹是玩玩。

旧本冗余的标签和内容都被我用程式切除了，可以分行的地方都分行了，容易手动修改。

旧本简体转繁体的解释我删了。

原来的文本有449mb(包括跳转)，我的文本只有376mb(不包括跳转，跳转已经切除存为独立文件)。

只有少数条目会做校记(有的其实是笔记，和校对无关)，不然就太累了。有校记是学术版的特色。这真不适合一般人用，适合学者用。

我喜欢用Goldendict，不过Goldendict无法显示生僻字，有生僻字时，只好把内容复制到Emeditor里看。

抽出几条来做了一个小样本测试版，学习css，自己改出了一个新的css。都放在下面的附件里，各位有兴趣可以看看。

收的是有特色的文本，键入0可以去到目录。

Mastameta · 2023 年2 月 27 日 14:40

文字版狀況挺亂，又不全，我只在乎把圖像板的索引先搞好。
請問圖像板，有沒有詳細的 頁碼-字頭排次 信息？我所見過的索引只有 頁碼-字頭，缺乏字頭次序。而且又把字頭本身與異體字跳轉都混在一起，無法確定某頁有多少字頭，某個字頭用哪個字形。

shaoshi · 2023 年2 月 27 日 14:45

日本人原来的顺序大致是对的，但是没有序号。而且一页假如有多个异体词，可能只键入常见的一个，而且还用了旧体字。

我也在重整图像版的索引，但是工作量挺大。

例如查到有三千多词头重复，要对照原文查是怎么回事，一天差不多只能查50个，到目前为止只查了将近一千个，还有两千多个没弄完。

有掉词，有错字，有混用异体字，各种状况都有。

我的结论是：没有完善的图像版词头索引。

但是目前的图像版必须和文字版对照着看，可以发现许多问题。

Mastameta · 2023 年2 月 27 日 15:07

我手上的紫雪藍海 “漢語大詞典清晰”版，不知是否最新。其 “:About” 沒提日期。我加工的是把 IDS、PUA、亂碼詞頭升級到 Unicode 15.0。大概只花了半個小時呵呵。沒做別的。
漢語大詞典清晰.rar (1.5 MB)

隨便舉個例子：
這是 060885 頁的跳轉，保留mdx原有的先後次序。

上面詞頭漏了㩆、撴（誤歸下頁）兩個字頭。文字版好像沒㩆字。
可以看出次序是按照 Unicode 編碼，跟紙書排次無關。也許包裝、解包 mdx 沒保留原來次序，但本來大概沒什麼特別排法。

shaoshi · 2023 年2 月 27 日 15:30

下面这个索引(mdb)应该比较接近日本人原始资料的原貌，但是可能少了后来中国这边的增补？我忘了是怎么做的。

我自己加过资料的，顺序也乱了。

mdx解开后的索引当然都打乱了。

add file here

Mastameta · 2023 年2 月 27 日 16:07

我早不用 MDict 官方軟件來打包、解包。
但我知道mdict-utils-master打包能保留索引次序。用重出 search word 可以測試，比如說：

A@@@LINK=B
A@@@LINK=C

無論B、C是什麼編碼，總是會先跳B，再跳C。

alexpeng · 2023 年2 月 27 日 23:38

大词典的字词头应该是按笔顺排序的。应该可以复原（吧）。但是遇到可简化的左边偏旁时，如言，就要人工调整了。

sxingbai · 2023 年2 月 28 日 22:35

ms的excel的笔画排序，基本可以把光盘2.0mdx+紫雪蓝海图像版词条还原纸书顺序以及部首归属。我整理过页码以及部首归属，M兄如果需要，我找找发给你。