feiwu
1
一、汉语大词典［复刻］
目前做的工作：
- 梳理2.0新增的词头。
- 对比大字典的字头，补录大字典失收字。
二、汉语大词典［方正］
数据由 @sxingbai 提供。
目前做的工作：
- 修正了词头中的图片字、全部pua。
- 修正问题词头。
方正的数据内容更多，问题也更多，主要介绍几个大的方面：
- 对比词头发现，2.0的离谱错误基本都是来自方正，词头各种异体字、简化字、旧字形乱用，如「晚晩」、「德徳」、「虚虛」、「緒緖」、「貌貎」、「笻筇」。详见「问题词头.txt」。
“這蚤晚”与“這蚤晩”相同吗？
2.0应该是抓取过方正的数据，并将多的词头订入其中。
- 书证排列混乱。
汉语大词典光盘版2.0的资料错乱
- 重复的字符，引号、逗号、句号，甚至汉字，都可能代表某个字不能打出来，重复了前面的字符。
- 有乱码，不过影响范围较小。
三、图像
- 字，提取自原图像版，合并方正的单字。
- 词，来自hydcd-word.txt。
hydcd-word原文件是日标汉字，对于不能打出来的汉字替换为常用字，所以问题不少。开放编辑权限，发现问题可以直接修改。
四、汉语大词典订补
订正部分错字。
五、共同修订
提取自方正的 img 和 ■ ，每个文件100行，在「申领信息」中接龙即可，接龙序号对应文件序号。
img 下载后，点击网址即可看到图片字。img 的格式为
<img.*>\t字
tab已加入，直接在行末追加汉字即可。
提取各卷检字表，合并为《汉语大词典分卷检字表》，见「图像」。同时将图像字头分为12份，可申领补齐字头。
如无人参与，本帖终结。
14 个赞
独行瞏瞏
3
接龙，我做第二部分，再接正文3。
■正文_2已修订.txt (108.0 KB)
文件。MD文档无法编辑。
2022.11.03，正文2已修订完成。
4 个赞
我也想参加，然鹅打开第一个链接很长时间都看不见文件列表。一叹。
3 个赞
巨大工程，希望楼主成功！
楼主组织分包是一方面，另一方面个人建议搭建个“类似TIO + 边用边反馈错误”的系统
1 个赞
刚想发贴问一下哪个数据比较可靠就看到这个帖子了，期待一下。
2 个赞
feiwu
9
提取各卷检字表，合并为《汉语大词典分卷检字表》，见「图像」。
同时将图像字头分为12份，可申领补齐字头。
1 个赞
将作大匠
10
现在是要朝哪方面努力啊，想出点力却又不知道怎么个下手法 
哥儿有没有手把手修订截图演示“教学”
2 个赞
任务较多，建议分步进行。因为参与的人并不多，如果任务再不集中，很难看到成效，也就容易让人失去动力。
3 个赞
feiwu
18
3 个赞
m.20080419-m300-w001-035000115.gif"/>》：「〔{穆王}〕乎乎于大池。」
乎乎→乎𣺆
年丈：《聊斋志异·续黄粱》在前。
又做了一份 
img正文_3.txt (14.1 KB)
2 个赞
感谢sxingbai兄提供原始数据，感谢feiwu兄初步整理并上载。
我现在开始在弄这个资料。因为我需要的资料格式不同，整理的方法也不同，所以另辟蹊径前进了。
我的看法是，知网和方正的资料都源于光盘，所以“爱手反裘”都错了。知网的数据大概没改，方正改得多，但主要是增补资料和改错字，不是按照图像版重做。
2.0光盘版mdx增补的资料主要大概来自方正和《订补》，用了一点光盘3.0。但是2.0光盘版没有完全吸收方正的增补资料，毕竟这书太大，资料没有人能看完，没看到当然就无法改。
我本来只想补了词头，导入资料库，不管方正的图片字。
但是后来发现：图片字有时是常见字如“乞”，这是作资料保护用的，可以直接替换。
图片字假如是偏僻字，就有可能是光盘2.0版mdx漏收的，这刚好可以作为线索，查一下是否可以补进mdx。
所以，我的整理方法是把方正版和光盘2.0版mdx对着改，有时可以用后者补前者，有时二者一起改。
6 个赞
