原：中華大字典MDX
重要說明：本辭典錯誤非常多！很多字（異體）是亂碼，與本字對不上，千萬小心使用。不可作依據。一定要引用，也要和原書圖片對比。切記切記！
如：查，同，字。類似的錯誤非常多，小心使用。
中華大字典.mdx (8.2 MB)
4 个赞
谢谢改进。
可能是抓取自中华书局那个网站
希望原发布者说明一下。
后续也许会有人出新版本
來自哪我也不知道。中華書局字體沒用。
1 个赞
可能是
http://www.ancientbooks.cn/home
网页下方稍右有个联机字典，估计是这里抓取的
查询同字，并没有乱码，估计是抓取过程没有注意汉字编码问题。
1 个赞
word中顯示字體為：myFont3734093_2，還是亂碼。
1 个赞
網頁可以顯示，複製到文本就亂碼了。
我看了，这就是字体加密技术，网页版辞源也有的。
似乎無解了。。
1 个赞
成本问题罢了，如果仅想看着是对的字的话，那抓取的时候将字体下载下来就好了，也不费事。
如果想要替换成正确的字的话，应该是可行的，我还在分析字体和代码。（仅会提供可行性报告）
可行性报告
结论
完全可行
分析过程
查询的时候，会有三个 WOFF 字体加载请求。这个字体格式关系不大，WOFF网页用的而已。其中文件大小最小的就是 加密字体 。这个网站（http://www.ancientbooks.cn/home）只是会加密一个文章的几个字，而辞源会加密所有字。
以 同 这个词条的乱码字 𠔼 为例，这字不认识，还找了个网站手写查字。下面开始硬核环节，其思路同样适用于辞源网页版。
先简单说一下字体加密原理，此网站和辞源在线版均采用了我能知道的字体加密的最先进技术。我们都知道一个字在编码的时候是一个 unicode 码，也就是一些数字和字母的组合。比如 龢 这个字在编码的时候会写成 Uni9fa2。在解码或者渲染的时候，浏览器会到字体文件中找对应的 unicode 码的信息，再将这些信息呈现出来，我说的这些信息就是上文提到的笔画的信息，笔画构成文字，所以就渲染出了文字。这俩网站的加密方式是：将某些的字的 unicode 改成 另一些字的 unicode，比如说我用 xxxx 代表 我 这个字，但是 我 的实际的 unicode 码是 U+6211，但是我只告诉你一个人我的 xxxx 代表我，那么这就我们之间的暗语了。同样的，这俩网站替换一些文字的 unicode 为另一些文字的 unicode，然后在字体文件中写上“破译暗语的东西”，那么在渲染网页的时候，加载对应的字体，我们眼睛看到的就是正常的文字了。但是复制出来还是那些 xxxx 暗语，复制出来的文字就不对了。
解包前文提到的较小文件大小的字体。得到 XML 文件，是的，字体本质上是一些数字，这些数字代表了笔画的位置、起终、上下等信息。然后再找到这些字体的 本家字体，顺便一提，好像都是方正做的这些个加密字体。这个网站的本家字体是 方正中华书局宋体字库02，我放在下面，可能有人有用呢。
FZSONG_ZhongHuaSongPlane02_2018111620191105100324.7z (19.4 MB)
从上文的较小文件大小的字体中找出 unicode 对应的数字，再到本家字体中用数字找 unicode 就是一个完整的破解流程了。
没想到之前分析辞海的经验在这儿也能派上用场，当然如果你不想破解，只想看着对劲（我似乎从来没有复制过查词结果去哪儿），那么
截图两张，仅供讲解所用，图也并没有包含所有数字，左为加密字体，右为本家字体，请注意两点
- unicode 的差异
- 对应数字的相同。
至此就说明白了。逻辑不难，实现较难。
5 个赞
還是看不太懂。。那現在将字体下载下来還有用麼
这里是出版方把这本字典的所有偏僻汉字集中在一起，用自定义的一个字体去显示，这个自定义字体很可能就是中华书局委托方正制作的“中华书局宋体02平面”？
https://www.pdawiki.com/forum/thread-37487-1-1.html
这种算是不得已的字体加密。
有些epub制作者把随机的一部分常用字集中在一起，用自定义的一个字体去显示，这个自定义字体还不对外公开（相当于密码本），这就是比较恶心的字体加密了。
2 个赞
没用，每个词条的密码本不一样的。重新爬，在爬的过程中，抓下来就ok。
不公开那么怎么显示？只要能让我肉眼看到，都可以破解。当然，有壳子的电子书走开。
嗯，我指的就是 得到app，精品汇等制作的电子书，把部分常用字进行字体加密，在自家app可以正常阅读。
现在自定义字体不就是“中华书局宋体02平面”吗？是每个词条还不一样吗？或许别的词条可能有“中华书局宋体15平面”中的汉字。接下来的问题是，如何在词典软件中正确显示这些汉字？
1 个赞
还是没有看懂我的分析呀。
抓取的时候，每个词条会有一个加密字体的请求，这个加密字体是 中华书局宋体02平面 的子集的变体（变在 unicode码上），大概几个 KB，抓取的时候一起下载下来， HTML 中引用这个字体就行了，不需要解密。
1 个赞
技术细节现在迷迷糊糊的明白了 
如果现有mdx缺失这些unicode码信息，那光有了字体还没法用，需要重新抓取
这玩意用文字还真难解释清楚，技术细节有点多。什么都得分析和了解。
理论上说有了加密字体就够了，但是现在哪儿去找加密字体的链接呢，那个链接是随机生成的。所以重新爬就可以解决。
我这种文科生如果只是理解大致的原理还不算难。
但是没想到自定义字体还有
人家在第五层，而我只在第二层。
只要制作方高兴，他还可以多套几层加密，反正是一对一函数转换哈。
如果面对面拿个代码给你讲解你就马上就懂了，这种一对一的就够难了。只要配合抓取频率限制（点名在线辞源），想要抓就难的一批。
辞源的字体供应商也是方正。
无根据猜测，网页版最底层的也是“中华书局宋体00平面”、“中华书局宋体02平面”和“中华书局宋体15平面”三个ttf字体。虽然基本的原理跟上述一样，但中间的具体加密算法和防爬虫技术不一样。
2 个赞
技术细节都是一样，辞源是加密了所有字，辞源的字体是：方正辞源宋体，但是找不到下载，经过比较，他的本家字体可以是：方正宋体S SIP超大字符集。（算是分析结果都告诉你们了）
3 个赞