这个就奇葩了，抖音是那个庞然大物的抖音吗，还没有官方数据啊，是不是故意被审查了敏感内容。
可以肯定网页程序猿在流程中丢包了，比如网页json有的内容HTML没显示（应该是js程序猿的锅）。
本身json数据是不是另一个程序猿从数据库用query生成的，数据标签遗漏的话是数据库问题。
貌似search还找不到敏感内容。
聚典内容很多，这些网站或app只买了其中很少一部分。聚典实际上有很多工具书内容呢。有的app只为了用户稍微查个词用，不会花钱买全库的。
有道理，缺的内容也可能是钱不够的原因。目前总结是
1.数据库，程序猿丢包
2. 网页设计
3.钱 + 版本
4.审查
除了第一个，其他都是故意人为的。
其实我更推荐【中 国 搜 索】，那个也不需要注册，就能查词。如能离线将是个不错的选择。因为它不只买了聚典的部分，也买了其他库。
如果网速不限，也没有反爬虫，我觉得可行。可能数据体积会很大。
目前抖音的体积能有400-500GB。
1 个赞
那就就此打住，先不提及了，祝大佬好运。就是需要我提醒下，那个链接必须从我发的带【社科】的链接进，从首页进无效，如图中所示，图中红色框的部分，原本是有社科一栏的，原来从社科那里进可以直接查词，现在把这个直接入口给隐藏了，但是从我发的带社科二字的链接进，就还是能查词的。
你跟楼主推荐的这个有反爬吧，而且文字都加密的（聚典接口就是这样的，官方文档可查，抖音其实是特供版），不见得楼主解决的了，费力不讨好。
只有抖音是最好爬的。大伙天天爬，不知道字节工作人员啥时候也弄字体加密了。
再者，聚典的汉语大词典数据哪都一样，就那样了，别白费功夫，只是收录辞书数量有区别。最大问题是根本没有完整的词头去爬。
冷知识，用这些残缺的聚典，不如老老实实用光盘版。
1 个赞
如果抖音的search是最完整的，可以根据某个更大的清单来发现目前没有的词头内容（仅限于抖音）。
审查的内容可能是search屏蔽了，但可能是根本不存在？这些都是无法解决但是可以接受的。
抖音的就挺不完整的，因为掺了别的词典会代替显示，你用不到完整的汉语大词典的。
我的意思是说，DocId清单不完整（至于抖音本身内容是不是完整，我无法改进它），我只是说，至少可以借助search和一个更大的词头清单来排查抖音汉语黑箱里面的隐藏的内容（DocId目前有四十万，够用，是不是够完整，不知道）
谢谢分享发现，我弄好了抖音先，然后核实一下ChinaSo的可行性。
amob大佬估计把这两种数据库的用途搞串了，像我，用聚典是要查阅更多工具书的内容，而不是只看汉大的部分。聚典和中国搜索的好处在于收录内容多。如果大家只是为了补齐汉大内容，就不是讨论范围了。抖音汉语里也不是只有汉大。
先把抖音汉语离线版本弄得彻底一点，里面很多没有标明原书名的定义，例句和诗词等等。我就不区分了，尽量下载。如果仅仅为了补齐汉大，这个算含杂质的汉大加强版吧。我目前想补齐这个抖音网站，因为它还可以爬。
中国搜索更大，如果可以爬，我考虑下一步。
2 个赞
大佬真牛，期待。
这些数据是来自汉典吧？
上述牛叉的技术大佬们！
哪位兄弟有百度网盘链接啊？
这个不知道，理论上来说抖音应该标记的，难道又是程序猿的锅
还没有完成，弄好了就加百度
抖音汉语说白了就是杂拌式的汉语资源，什么都是别人的，本着拿来主义拉杂成堆，没有突破没有创新，就这差不多也瞧出抖音对公益人文这一版块的重视程度了。建议还是以光盘版为主，渐次用抖音汉语的部分句例来嵌补光盘版缺失的句例吧，这要是做好了，几几乎就接近纸本书了。聚典也不是完品，估计也是众包数字化的成果，虽然也是OCR文本去比勘，但后期基本没有缮补了，各处小疵瑕也不少