从零学做 MDX，新手实操心得

技术交流与词典编修
1

从零学做 MDX，新手实操心得

由于要查The Oxford dictionary of English grammar就有了试着做成mdx的想法。在论坛搜索几个经验贴，从词典制作工具备份下载了工具。拜读了[教程]从epub/mobi制作MDX方法(零基础可学会) 还有新手 入门 科普 。谢谢各位的分享。
做了一个毛坯版，仅仅是能够打开查阅，但是对我来说也够用了。里边肯定还有不少错误，使用的过程中再慢慢校对。
接触 MDX 词典制作这几天，从一开始一窍不通，到慢慢摸索也积攒了一些经验，特此整理出来，送给同样刚入门想自制词典的朋友。

一、了解制作工具。

工欲善其事，就得先磨刀。
开始使用某个工具，碰到的问题是，不知到有什么功能，用哪个功能可以实现自己的想法。想了解操作界面、菜单、工具栏等等，还是多用搜索引擎。

1. MdxBuilder

阅读这个文档manual_Chn.txt (3.4 KB)的3) MDict html format部分，了解一下目标文件的格式要求。一共也没几条，要认真阅读。

2.Emeditor

可以查阅官方文档，这是最新的
emeditor-May 06, 2026.pdf (5.0 MB) ，正文内容1833页。
AI推荐用的Onigmo正则表达式引擎，这是一些介绍
Onigmo (Oniguruma-mod) Regular Expressions Version 6.1.0-20161225.txt (17.8 KB) 。前几天用onigmo导致软件崩溃，是这个引擎不稳定么？与Boost.Regex孰优孰劣咱也说不清楚。

3.正则表达式

阅读这个文档正则表达式基础.pdf (1.3 MB)，对于理解正则的符号组成、作用方式非常有帮助。内容出自《神奇的匹配：正则表达式求精之旅》 。编辑文本数据时会频繁用到查找-替换，了解一下正则，提高工作效率。

二、词典数据源。

输入的质量决定了输出的质量。
尝试从epub开始。
用epub制作mdx流程就几个步骤，改后缀、解压缩、编辑数据、生成mdx。
大量的时间都花在了数据整理上。
如果源文件的数据格式规范，很快就可以完成。要是数据比较混乱，最好还是换个源文件。否则刚开始就劝退，挫败感杠杠滴。
epub解压后会有很多html文件，建议先不要合并，合并以后数据量有点大，容易懵。先选一个篇幅小的、数据量少的。了解数据构成，如词头放在哪里、释义放在哪里，分别用什么标签包裹。这是定位获取内容的标记，也是查找、替换内容用的“锚点”。
如果是没有任何html标签的文本，里边有n个叫做“book”的，你批量操作的时候怎么区分哪个是heaword呢？以目前我的知识储备，没有任何标记的文本，那就只有对照原件手动操作了。
符合要求的最简单的数据是什么样的？4楼的test.txt (594 字节)就是一个例子。每个词条处理成这样，就能制作mdx了。

三、其他

这个事本质上是把一种文本格式转换成另外一种文本格式。如果你希望直接获得答案而不想在这上面花费什么时间，那就没必要开始，到这里或者用搜索引擎找一下可能就实现了。如果你希望控制或驾驭“文本”，掌控文本的细节，愿意花时间和精力，你已经开始行动了。
正如《驾驭文本：文本的发现、组织和处理》Taming Text How to Find, Organize, and Manipulate it 这本书里讲的：

对于大部分驾驭文本的活动来说，搜索都是起点。Search provides the starting point for most of your text taming activities,

在对html进行改造，编辑txt文本这个过程，是需要考虑一下如何搜索、匹配、识别、标注的。
有编程经验加持，应该会方便很多。这方面我不了解。
但愿这些文字对你有所启发。
另外，论坛对编辑帖子次数有限制。

2

这是第一版还是第二版的呢

3

First issued as an Oxford University Press paperback 1994
Reissued, with corrections, in new covers 1998

4

这个test
test.txt (594 字节)
只有一个词条，可以用MdxBuilder制作成mdx，在goldendict中可以正常显示。

5

现代化的方案的话，可以用python和mdtt库生成mdx和mdd文件，使用bs4来解析生成html，如果处理源数据比如xml或者json格式能解析就不用正则去写，

至于MdxBuilder的话，就可以忽略不计了，就按照html格式写就行

6

编程的方案超出了我的知识边界，刚好有个疑问请教：现代化方案对数据源的要求是什么？是否也需要考虑重新整理数据？
比如说，epub的html把大多数词头放在class=“level” id="word123"标签，也有一些被放在正文里边，没有类似的标记，对于这种情况，通常怎么处理的？

7

可以阅读beautifulsoup文档，也可以问豆包啊千问啊。。。比写正则去解析xml快的多

也可以选择用ai编程工具比如trae等
现在0基础手搓用ai不难的

8

从零学做 MDX，新手实操心得二

道路千万条，省劲儿第一条。做题讲究简便方法，做事情也要考虑，在满足目的要求的情况下，能不能减少投入。为了避开复杂繁重的数据清洗，把目标瞄向了图片词典。
一键制作图片词典 MdxSourceBuilder提供了一个好方法。源文件是扫描版pdf，容易获得。只要建立headword和页码的对应关系txt，词典的主体部分就完成了。
对于有索引的词典，用这个方法非常方便，能够快速得到与纸质书质量一样的成品。比如这个词典

索引

0007
00072259×596 165 KB

有12页，每页有6个切片，所有的切片交给AI会得到完整无误的结果，“headword page”格式的索引就建立了，配合少量的人工调整就可以进入下一环节。

10

现在直接把mdx格式说明和epub给ai，ai直接就能生成，不需要这么麻烦。

11

用的哪个ai呢

12

我用gemini比较多，也用gpt和claude，不过这种简单工作随便一个ai都可以做。
做图片词典也可以用paddleocr先识别一遍，然后让ai来写程序提取词头和页码。

13

我刚刚安装好python,vscode,正在研究怎么弄。跟ai交流忒费劲。安装的时候，每进行一步都截图丢过去，这样反倒是更方便。

14

你可以用trae或者一些vibe coding工具就不用不停在浏览器和vscode切换

15

已经下载了trae cn，在摸索中。安装python时设置了虚拟环境，在设置trae的时候花费了时间。现在用下来，感觉就是在不断试错。给的指令和反馈更准确，效率会高一些。如果不能很好的定义问题，就不知道什么时候能试出个结果了。

16

从零学做 MDX，新手实操心得三

几天的时间体验了不同阶段的制作技术，这次进入到快速生产的阶段。
个人体会，对于从未编码的人来说门槛在于：

  1. 调试工作环境。我用的Trae和python，是在AI的指导下完成安装调试的。
  2. 如何给Trae布置任务。我的做法是让聊天AI把每步出现的问题整理成信息+任务要求的内容给Trae，用过几次就了解怎么给Trae布置任务更高效。
    第一个任务：
    最终把Trae整崩溃，出现了满屏的“让我看看是什么样子的…”，正是由于这句话让我觉得要换个思路，随即把任务删除，工作环境中的相关文件删除。
    第二个任务：
    做了一些改进
    a. 用Trae习惯的指令布置任务。对于“比较文件1和文件2的区别，告诉我结果”这类的工作，那就是一句话的事。对于稍微复杂一些的任务，如果不清楚如何下指令更符合Trae的习惯，这时候可以对任务进行拆分，化整为零分步实施。让Trae多做些一句话的事。
    b. 布置任务时，尽可能多的给Trae提供信息。我提供了词典正文的一张图片、一个词条示例、python的版本以及pip list。
17

你切换到trae solo模式更好一点。。至于pip list本身ai就可以调用获取。。

18

用codex或antigravity会简单很多吧，让他们写Python脚本处理，唯一缺点就是要money