分享自制的洪武正韵两种全文检索文档（html格式）

资源分享
,
1

之前 superzhangmch改编过一个说文解字的检索文档，我已经忘了从哪里下载到的了，现在源文档也早已被我删掉。不过我对这种格式的词典非常满意，现在尝试着做了一个。但我没学过编程，也完全不懂设计网页，只能利用他的框架填上自己的内容，所幸试了一下，用起来还基本能满足需要。
这里一方面分享我制作的词典，一方面也说一些我发现的原框架的一些问题，希望高人设计一个更加简化便用的框架，以方便在此框架之下制作各种词典资料。先上个界面图：

1
11491×395 51.2 KB

HTML格式的优点：
1，只要纯文本的话，体积很小，方便存储传递。
2，不需要任何特别的辅助软件，只要有显示生僻字的字体、浏览器就可以完全利用。
3，相对于一般mdx词典，这个不仅仅可以查字头，词条内容也可以查。
4，内容便于修订，就用word或别的软件打开，查找替换即可。
5，支持不少正则表达式检索，如果文本内容有固定的程式，那就可以进行复杂的匹配检索。
框架的问题：
1，这个框架原来是为了说文解字做的，针对重文做了一些复杂化的设计，其实可以都删掉，但我不懂不敢删除，导致在调整内容时总是面对里面的冗余代码。需要删掉。
2，除了检索项三个格子以外，其他可检索项目原作者进行了不必要的限定，导致在不符合要求的情况下检索不到内容。需要撤掉这些限定。
3，原来每个格子的顺序编号比较乱，需要调整顺序。
4，原来的框架不支持格子里面换行，对于显示康熙字典之类内容过于丰富的辞书这就很不方便了。
5，希望能固定列宽。现在的这个框架貌似只设置了检索项的列宽，其他总是随着文本内容变动，在使用时界面忽宽忽窄，影响使用体验。
6，定义字体字号、颜色的地方希望能集中一些。
7，页面很多的情况下，点上一页下一页太过耗手了，希望设计一个可以跳转的页码。
关于格式讨论和技术求援，暂时就这些。

我制作的洪武正韵分别使用了本坛 okayer抓取的数据，以及日本人修订的迪志的四库数据（kanripo）。由于本人还在学习，加上数据本身存在一些问题，做这个用了不少时间，做的结果也存在各类问题。不过大家可以下载试验一下，这种格式确实值得推广和改进，尤其是在有全文文本、又不需要集成扫描图像时。

洪武正韵.7z (1.0 MB)

2 个赞
2

我对《洪武正韵》没什么兴趣，但是觉得兄台做的这个格式的词典很有趣，赞一个！

兄台刚来，就做起词典来，而且乐于分享，再赞一个！

3

谢谢，确实是什么书其实在其次啊。你就假定是你需要的一本书，看用起来方便不方便。好用的话大家一起完善这个框架，或者针对不同的书再优化一下，更多内容就可以搞起来。

4

kanripo数据库的维护者不是日本人，而是德国人、汉学家Christian Wittern（維習安），他现在是日本京都大学的教授。网站上数年前有制作者和数据来源等的介绍，后来删除了，或许因为严格来说这些数据可能存在侵权问题（古人的书现在当然是公版，但将其文本化、扫描的公司也许拥有某些权利）。

Christian Wittern网上有论文“ Digital Texts in Practice” （ Digital Texts in Practice ）自述怎么制作这些电子数据库的，可参考。

2 个赞
5

可以制作成图片版的MDict文件吗？

2 个赞
6

不知何意？这是可检索的全文数据，为什么要制成图片

7

这个问题含糊不清。怎样把文字html制作成图片版m-dict？

你是说制作文字与图片对照的m-dict吧？

技术上可行，但太费功夫，没人愿意做。

Kanripo网站就是图文对照的。需要看图的，去检索原网站。

对Kanripo某书需要图文对照m-dict的书友，自己先花功夫把该书文字和图片都下载齐全，分享到这里，再求人做m-dict。

KR1j0068 洪武正韻-明-樂韶鳳
https://www.kanripo.org/text/KR1j0068/

图文对照例子(需要点按文中的图片号码)
https://www.kanripo.org/text/KR1j0068/001#1a

8

粗略看了一下，这种格式的文档从程序角度来评价是比较糟糕的。数据层、渲染层和控制层没有分离，基本全糅合在一个文件里，原始数据就是一大团超长string，加了很多用于区分的符号、标签以有利于js控制，而js控制的方法就是靠正则搜索（正则以自己写的过段时间自己都看不懂而知名）。因此，用这种办法做出来的文档没什么通用性和可扩展性，换一个文件，就要重新加全部奇怪的标记，甚至重写js代码和正则表达式，想修改，超长string把我的notepad++都弄崩溃了，读起来文本费眼劳神，还没有现成的工具链（mdx用的html虽然也不咋样，但有很多处理工具），它整体上只是奇技淫巧的个人玩物而已。

做网站的人，数据库用SQL等，渲染用模板，控制用css、JS，数据量不大，底层data就用JSON，还有的数据用xml这些，很少见到人用加了标签的超长string的，这不是毫无道理，因为它们结构简单，逻辑清晰，易于操控，通用性、可移植性强，有完善的处理工具链。像《洪武正韵》这种体量的书，纯文本本身就很好阅读和搜索，如果不满plain文本的单调、无格式，可以用markdown和html，如果还想以某种逻辑查询检索，用python、sqlite（js、JSON等亦可）写个简单的程序比制作这种满目正则表达式的文档也容易得多。

9

如果不想写程序而逻辑化地查询搜索，可以用excel，它完全能实现这个检索文档的功能，制作起来要简单得多。

11

不敢苟同，我感觉你对这些也不太懂，说那么多都是不切实用的。你用来打开这种格式的程序就不对啊，word都要快得多，何况还有编程软件可以用。而且你只有检索字头的需求，mdx就够了，想要全面利用文本，mdx就无能为力，这个格式要好得多。你还提到Excel格式，更是远远比不上这种格式，这个格式用浏览器打开只能浏览，是无法改动的，Excel浏览时就可以改动，稍微不小心就误操作了，缺少稳定性，此其一。加载速度上html也非常快，Excel内容一多就会迟钝，此其二。Excel无法方便的实现复杂检索，此其三。搜索结果有多个时这种格式可以把结果同时显示出来，而视野中不会出现其他无关条目，一目了然，此其四。所谓奇技淫巧，这说法也很奇怪，有其他格式没有的功能还是坏事？

1 个赞
12

就是有问题才发帖求助，你回复自己用就好有问题不用求助？你这是什么心理？这个格式在占有数据的角度有明显的优点，求助的一些问题对于会编码的人都可以轻易解决的，我利用这个框架制作这种格式的辞典也是出于公益之心。即便高人看不上这个，人家能顺手开发出更厉害的格式来也不错啊，毕竟这个格式就是有其他格式比不了的好处。

13

谢谢解答，我只是觉得网页的可能会失真。

14

Kanripo 网站的古籍，图片无法查看，不知各位是如何解决的？经常显示：No digital facsimile available for this text!WYG 002-1b

15

看了一下网页的内容，就是png文件。

用chrome、firefox，甚至很小众的opera，都没问题。

你用什么浏览器？某种中国的小小众浏览器？

16

呵，本论坛有不少会编程的人，你既然颇懂颇自信就等着看他们能不能把代码给你改好捋顺，然后也希望你能用这种文档格式制作出很多优秀作品造福他人。还有，我打开html用notepad++你说我用的程序不对，应该用word，真看不出你对写程序这个行当有什么经验与判断力。

17

不明白，前面都给出部首了，后面还要重复两次。
如果是为了方便正则匹配，可以用特殊符号啊。那么多特殊符号，一栏一个，都用不完。
重复内容和不需要的都可以去掉啊。

1 个赞
18

一个人的看法会受到自己经验的限制，但是个人的经验有限，所以很难说一定对。

我的印象是：Ms Word打开大文件很慢。但是我的Word很旧了，也许最新版速度很快呢？

我的经验是：html不适合做大书，打开时会很慢。但是，也许某种浏览器能够快速打开呢？

鼓励制作分享，别泼冷水。

我推荐用Emeditor看中文文本。

19

先看一下notepad++的wiki介绍好了：

In 2014 Lifehacker readers voted Notepad++ as the “Most Popular Text Editor”, with 40% of the 16,294 respondents specifying it as their most-loved editor.[17] The Lifehacker team summarized the program as being “fast, flexible, feature-packed, and completely free”.[17]

In 2015 Stack Overflow conducted a worldwide Developer Survey, and Notepad++ was voted as the most used text editor worldwide with 34.7% of the 26,086 respondents claiming to use it daily.[18] Stack Overflow noted that “The more things change, the more likely it is those things are written in JavaScript with NotePad++ on a Windows machine”.[18] The 2016 survey had Notepad++ at 35.6%.[19]

notepad++是打开2、3m大小的html看源码的当行里手，直接用Word把主楼的html打开，其实只能看到一个渲染出来的查询界面，原始文本看不到，JS代码也看不到，文件72个字符，打开快有什么用？这个文件用浏览器打开也很快，是因为打开的时候浏览器啥也不干，只调用html里的body部分，实际查询的时候触发js函数，然后在超长string（ 源码为strr =" "; )里正则搜，幸亏如今浏览器js和正则的执行效率很高，文件不大的话也没什么妨碍。不过如果你把这个string换成90m的《汉语大词典》全文，然后再试试速度如何？我试了，我的VS code和EmEditor都在复制编辑的时候程序冻结了，不能正常使用。

不是别人爱泼冷水，楼主自陈“没学过编程，也完全不懂设计网页”，然后“格式讨论和技术求援”，我很诚恳地说出自己的看法，他的回应是“感觉你对这些也不太懂，说那么多都是不切实用的”，刚愎自用，再来一段洋洋洒洒的理由，也未必站得住脚。既然如此自信满满，又何必来跟人讨论和请求技术支援，自己按照自己的想法直接干就行了。

20

EmEditor主要是做mdx词典的人追捧，超大文件的处理比较流畅，有筛选功能等，作为文本编辑器，实际上突出的优点不多，第一，它不是开源免费的，第二，界面设计上也过时了，第三，插件不够丰富，也即功能有限。轻量级的文本编辑器，我觉得notepad++不错，喜欢多功能，VS code是这几年的不二之选。

21

notepad++ 在作妖的道路上越走越远。

自从在notepad++在某个版本更新加入一句话后。许多人就对它不喜了，也包括我。
加上它对大文件处理能力实在有限，只好把它扔在一边。虽然没删，却基本不用。