更新：已删除超级js版（太邪修了）和跳转版，统一为 静态拆分版，兼容性最佳。
请重新下载更新。
数据来源：Collins COBUILD Phrasal Verbs Dictionary 4th 2020最新版
感谢 @教会mission 无私分享高清pdf！
下载地址：
能做这本吗？收词比牛津还多，有大量漫画插图
图片比较多的不太好处理，不过可以试试。
这个词头数据你有吗？
你现在用的哪个ocr工具啊，可以选paddleocr和mineru来处理图片，取md格式就可以了，或者大模型加提示词输出坐标再去原图截取。我为了解决日本語大辞典的问题已经给校对工具加了图片功能，不过还在测试。
主要还是用gemini，主要原因是 paddleocr和mineru 不能输出带格式（粗体、斜体）的md文件。
还没试过截取图片。
你说的“提示词输出坐标再去原图截取”是个不错的方案。
我尝试一下先。
可以用gemini和paddleocr ocr两份，然后把图片插入到gemini版，日本语新辞典我就是这么做的。
感谢！！！！
Excellent work!!!
I am about to get my hands on Oxford Thesaurus (the one which is part of OALD10). I hope you could help me with OCR stuff and how to convert it to mdx.
新增超级js版，见1楼；
修复多词典 锚点冲突问题（影响页内跳转），现在css、锚点都是唯一的；
请全部重新下载替换。
简单来说，如下三步：
-
清理 PDF 文件： 移除页眉、页脚及其他干扰内容，得到干净的 PDF。
-
AI OCR 识别： 运用高精度 AI OCR 技术生成带有格式标记（如粗体、斜体）的 Markdown 文件（一般 OCR 识别结果不带格式，后续会很难处理）。
-
转换为 MDict 格式： 利用 AI 处理 Markdown 文件，将其最终转换为 MDict txt 格式。
Simply put, it takes three steps:
-
Clean PDF: Remove headers, footers, and other distractions to get a clean PDF.
-
High-Precision AI OCR: Run high-accuracy AI OCR to generate a Markdown file with formatting tags like bold and italics (standard OCR usually strips formatting, making downstream processing difficult).
-
Format Conversion: Use AI to process the Markdown file and convert it into MDict TXT format.
以上 均已修复，请重新下载替换。
我觉得音标要完全辨识成功，可能真的比较难，如果实在没办法，直接隐藏起来也是一招，我们看别本辞典的音标即可，反正音标大家都差不多。会这样说，主要是不舍楼主花太多时间，弄相对比较不重要的内容…。
更新：已删除 超级js版（太邪修了）和跳转版，统一为 静态拆分版，兼容性最佳。
请重新下载更新。
音标问题暂时不打算处理，谢谢理解。
音标 建议参考 专门的音标词典。
火眼金睛 
稍后更正
