我正在修改某個HYDZD的電子版，發現其中的 “扎” 條，缺乏第三、第四的讀音（zhǎ、zā）和解釋；
也發現 “用” 字條，有一堆別的內容亂湊進去了（在第20解釋之後）。
這個電子版有很多問題。有時，一條明明該分成兩條；有時，兩條亂幷成一條。
看來雖然內容都在，可是不少內容擺錯了，歸於錯的字條。
如果你的版本比我的更完整或整齊，請跟我分享。
2 Likes
至少把你手上那版本的基本情况说详细点吧。总共多少词条，有问题词条截图或者文本。
链接: https://pan.baidu.com/s/1DUfISJOFrXFTUunetMj-FA 提取码: xmmy
这个是隔壁分享的那个。
用正则处理的时候注意19780和83009行，不要又引入新的错误。
1 Like
一共55433词条
1 Like
謝謝分享。
看來，我的TXT基本上是一樣的。總共有166,300 lines.
有同樣的tag，有同樣不統一的釋義號碼：（1）-（10）之後就用：⑪、⑫ . . .
區別在我的版本是從MDX unpack出來的，所以次序是按照mdx builder的詞條排法。應當沒差，因為這個數據的毛病不來自詞條的次序。
我用一些search的模式，能夠確定有起碼一百多條，paragraph tag 裡面的釋義內容擺錯了，歸於別條。毛病各種各樣，有的，把某個釋義句子的第一個字當做headword，分成新的詞條；有的，應是兩條混成一條；有的，headword打錯了（用上另一個異體字），使得headword和內容不和。
有的，我無法解釋他的原因，例如“扎”字條的第三、第四（zhǎ、zā）釋義組，居然擺在“用”字條後面。“扎”詞條和“用”詞條，內容在字面上沒有任何關係或是重疊的部分，所以我搞不懂這是怎麼回事。而且這兩條，在次序上又不接近。
我前面講得那些一百多毛病，出現在詞條前面，所以更明顯格格不入。可是有的擺錯的內容出現在詞條後面，這類就比較難找出來。
主要的問題在內容擺錯了。不成大事，因為我打算做個"綜合版"：文字版，加上可以參考圖像板。光用文字版是不夠的。
3 Likes
完善 漢語大字典，功德無量！
1 Like
擺錯的內容，我修改了大概150多字條。
還有不少字條漏掉了其中一個釋義，那行只有 ‘p’ tag, tag 中間是空的，例如“侯”字的第二個釋義。
這些內容只能親自打進去。
請求幫忙查異體字：還有幾個擺錯的句子，我不知道應該放哪裡。
例如：
�同“𢿣”。《改併四聲篇海·攴部》引《對韻音訓》：“𢿣，公幺切。擊也。”
這應當是完整的一條，本來不帶讀音的信息，只缺字頭。它指的異體字不是“𢿣”，也不是“𢿲”。需要先找出這字頭在印刷版（圖像板）出現在哪一頁，然後看該字是否有統一碼（Unicode.）
還有：
同“𥇱”。《龍龕手鑑·目部》：“𥇱”，或作“�”。
還有一行，只寫：
同“鄙”。
哈哈。我在圖像板查了一堆異體字，找不到。
還有一段：
𠍳“𦺣”的类推简化字。
𠍳同“益”。
這裡的“𠍳”字一定是打錯了，可是字形也許接近。理論上，字頭是“𦺣”的簡化字（ U+30C5D）；可是跟“益”沒有關係，所以我很疑惑。也許這段原來是兩條。我在圖像板找不到“𦺣”的簡體字，也許卻是有，我只不過沒看到。
1 Like
這個找到了。
可是好像沒有Unicode.
也許可以用 “⿰𠷰阝”來代表，但不完全準確。
1 Like
这种大型词典，一个棘手的问题是生僻字的正确编码。
建议统一使用《辞源》文字版的那个方正字体
我用了 MS Word 的 Insert Symbol 界面，翻了一下 FZCiYuanSong 的字體：它支持的統一碼只包括 CJK Unified Ideographs Extension “A”-“B”。
“𦺣”字在 Extension B；他的簡化字（ U+30C5D）在 Extension G!
我沒有任何字體能夠顯出來 Extension G.
1 Like
謝謝找出來。麻煩你打出字來；我不知道如何打這些字，或是找出他的統一碼。
—看來，那是完整的HYDZD文字版。
可用“国学大师”网的拆分查字，还有“部件检索”(掌上百科论坛有下载)，相互配合使用。没有一种输入法能直接全部打出这些字来!