# 《拉鲁斯法汉双解词典》 文本数据（OCR）

**URL:** <https://forum.freemdict.com/t/topic/41497>\
**Category:** 法语\
**Tags:** ocr, 法语\
**Created:** [2025 年9 月 1 日 08:48 UTC](https://forum.freemdict.com/t/topic/41497 "2025-09-01T08:48:56Z")\
**Posts on this page:** 20\
**Page:** 9

<div class="post-metadata">

作者： ![mixivivo](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/m/8491ac/32.png) [@mixivivo](https://forum.freemdict.com/u/mixivivo)\
发布日期： [2025 年10 月 12 日 17:26 UTC](https://forum.freemdict.com/t/topic/41497/235 "2025-10-12T17:26:28Z")

</div>

“化学公式:C₆H₅- NHhttps://www.compart.com/en/unicode/U+2082. ”——这里应该有失误。

公式和世纪的上下标问题我在改法文文字时注意到了，当时觉得无所谓，反正看得懂，弄复杂了反而有时在有些文本编辑器里显示不正常。当然，规范了更佳。

---

<div class="post-metadata">

作者： ![mixivivo](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/m/8491ac/32.png) [@mixivivo](https://forum.freemdict.com/u/mixivivo)\
发布日期： [2025 年10 月 20 日 03:16 UTC](https://forum.freemdict.com/t/topic/41497/236 "2025-10-20T03:16:12Z")

</div>

a）屏蔽中文，和法文版对比校对所有文字和符号；b）只选择中文，和夸克版OCR文本对比。用以上两种方式，从头到尾把整部词典又校核了一遍，查出来不少错误。至此，我想全部文字校对的工作基本算已经结束。

还有继续提高文本质量的余地，比如把清晰版图像重新OCR一遍再对比，或者用ai全文查错，但这些比较麻烦费时，初步观察，能提供的助益也不是很大，暂时就算了。

接下来可以准备制作mdx词典了，一需要整理词头和索引，二则是文本格式化。有必要的话，也搞一个图文对照版。

---

<div class="post-metadata">

作者： ![xliley](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/xliley/32/95779_2.png) [@xliley](https://forum.freemdict.com/u/xliley)\
发布日期： [2025 年10 月 20 日 04:15 UTC](https://forum.freemdict.com/t/topic/41497/237 "2025-10-20T04:15:24Z")

</div>

太棒了，一直期待中，如果有图文对照，肯定更完整。

---

<div class="post-metadata">

作者： ![mixivivo](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/m/8491ac/32.png) [@mixivivo](https://forum.freemdict.com/u/mixivivo)\
发布日期： [2025 年10 月 20 日 04:31 UTC](https://forum.freemdict.com/t/topic/41497/238 "2025-10-20T04:31:49Z")

</div>

有没有《罗贝尔法汉词典》的高清图像pdf，有的话，可以把它也文本化了。我把它的法文底本找到了，是 _Dictionnaire du Français_ Josette Rey-Debove - Le Robert & Cle International，有准确的文本pdf文件。

不过罗贝尔相对比较初级，收词量少，是针对青少年编写的，重要性、功能不如拉鲁斯这本词典。

 ![ba2618db-0f51-4288-9df5-0606fe8f0375](https://forumcdn.freemdict.com/uploads/default/original/3X/7/3/737f3366b98709e522fabf50a6dfdb271bc71085.png)

---

<div class="post-metadata">

作者： ![wynick27](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/w/958977/32.png) [@wynick27](https://forum.freemdict.com/u/wynick27)\
发布日期： [2025 年10 月 20 日 05:22 UTC](https://forum.freemdict.com/t/topic/41497/239 "2025-10-20T05:22:34Z")

</div>

词头索引有十多个单词格式特殊，和其他都不同，只能单独给这些词条写规则。  
另外如果不只匹配词头而是完全匹配则现在有2300条不能匹配。

---

<div class="post-metadata">

作者： ![mixivivo](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/m/8491ac/32.png) [@mixivivo](https://forum.freemdict.com/u/mixivivo)\
发布日期： [2025 年10 月 20 日 05:46 UTC](https://forum.freemdict.com/t/topic/41497/240 "2025-10-20T05:46:31Z")

</div>

针对这种本身无格式的自由文本，代码能处理到这个程度或许算很不错了。先格式化能够处理的，不能匹配的挑选出来，用更宽松的规则处理，实在不行的，试试ai，或者手工加标签。

---

<div class="post-metadata">

作者： ![wynick27](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/w/958977/32.png) [@wynick27](https://forum.freemdict.com/u/wynick27)\
发布日期： [2025 年10 月 20 日 05:58 UTC](https://forum.freemdict.com/t/topic/41497/241 "2025-10-20T05:58:34Z")

</div>

还有个问题就是加什么标签，不知道有没有规范，现在的规则已经能处理比较复杂的情况了，比如faire的解析树如下：

> **语法树**
>
> - ▶ start

---

<div class="post-metadata">

作者： ![mixivivo](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/m/8491ac/32.png) [@mixivivo](https://forum.freemdict.com/u/mixivivo)\
发布日期： [2025 年10 月 20 日 07:09 UTC](https://forum.freemdict.com/t/topic/41497/242 "2025-10-20T07:09:53Z")

</div>

标签用什么是随便来的，我觉得以往有本《牛津中阶英汉双解词典》的标签就不错，简单，简短。参考它我初步拟定一个拉鲁斯双解词典的标签吧。你觉得有什么需要补充的的标签可以添加。

> id 索引，词典里不显示，隐藏
> 
> hw 词头  
> pron 音标  
> etym 词源  
> conj 动词变位
> 
> pos 词性
> 
> num 义项编号
> 
> tag 标签，俗，旧等  
> domain 〔军〕〔建〕等；可不用，跟后面的中文合并
> 
> def 定义  
> def\_fr 法文定义  
> def\_ch 中文定义
> 
> ex 例句  
> ex\_fr 法文例句  
> ex\_ch 中文例句
> 
> phr 短语
> 
> rem 注意事项  
> ref → 参考参见  
> ency 百科知识

---

<div class="post-metadata">

作者： ![wynick27](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/w/958977/32.png) [@wynick27](https://forum.freemdict.com/u/wynick27)\
发布日期： [2025 年10 月 21 日 05:40 UTC](https://forum.freemdict.com/t/topic/41497/243 "2025-10-21T05:40:18Z")

</div>

词头扩展数据，所有词头按照书的规则加了粗体标签。 新增3个字段，main\_word，就是主词条，expanded\_words，扩展词条，normalized\_words，就是特殊符号换成普通符号的。  
处理了特殊情况，比如：  
jovial, e, als ou aux 词头变为 **jovial, e, als** ou **aux**  
main\_word：jovial  
expanded\_words： joviale, jovials, joviaux

[拉鲁斯法汉双解词典\_expanded.zip](https://forum.freemdict.com/uploads/short-url/kR2hGimTifXf7wY6LbemNmsuPko.zip) (6.0 MB)

---

<div class="post-metadata">

作者： ![mixivivo](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/m/8491ac/32.png) [@mixivivo](https://forum.freemdict.com/u/mixivivo)\
发布日期： [2025 年10 月 21 日 10:41 UTC](https://forum.freemdict.com/t/topic/41497/244 "2025-10-21T10:41:35Z")

</div>

根据上面的json文件，生成了一个无格式纯文本版的mdx词典，把那些分为1.x，2.x，3.x的词条合并在一起，并对索引词头做了适度扩充，可以用没有变音符号的法文拼写查询。

> 总计：33609 个主词条，19320 个重定向词条，已按原始文件顺序排列。

索引词头、格式等有什么错误，或者不满意，欢迎提出；也可以自行修改，重新生成mdx，我把打包前的txt源文件也贴在这里。

 ![1a99960e-e161-4b45-bdda-43592fb540f7](https://forumcdn.freemdict.com/uploads/default/original/3X/2/5/25da63457989ad9e86a75ccc8c7b9a76547a5029.png)

[拉鲁斯法汉双解词典（MDict版）.mdx](https://forum.freemdict.com/uploads/short-url/7M64bORUiTXXpneAVsVzTEkLzAw.mdx) (5.7 MB)  
[mdx\_source\_MDict.txt](https://forum.freemdict.com/uploads/short-url/tujcVkfh2KcRVdTzoLMvGtwXxJY.txt) (12.8 MB)

——附注：此处适配MDict的词典文件不再更新。2025-10-29

---

<div class="post-metadata">

作者： ![wynick27](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/w/958977/32.png) [@wynick27](https://forum.freemdict.com/u/wynick27)\
发布日期： [2025 年10 月 21 日 11:15 UTC](https://forum.freemdict.com/t/topic/41497/245 "2025-10-21T11:15:58Z")

</div>

带序号的词条不用合并吧，mdx应该不要求词条唯一，查询的时候应该多条会同时显示。

---

<div class="post-metadata">

作者： ![mixivivo](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/m/8491ac/32.png) [@mixivivo](https://forum.freemdict.com/u/mixivivo)\
发布日期： [2025 年10 月 21 日 11:32 UTC](https://forum.freemdict.com/t/topic/41497/246 "2025-10-21T11:32:15Z")

</div>

合并了保险，我测试在MDict里并不会多条同时显示，比如查询a，实际两个词条按照现在的处理方式都对应着它，但只会显示第一条。兼容性的幺蛾子是很令人头疼的，我也不想装那么多词典软件一一测试，通常只试MDict和GoldenDict，其他不管。

---

<div class="post-metadata">

作者： ![mixivivo](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/m/8491ac/32.png) [@mixivivo](https://forum.freemdict.com/u/mixivivo)\
发布日期： [2025 年10 月 22 日 03:36 UTC](https://forum.freemdict.com/t/topic/41497/247 "2025-10-22T03:36:25Z")

</div>

又做了一个适配 GoldenDict 的纯文本版mdx词典。不再合并编了号的同形词头，也不使用替换了特殊符号的normalized\_words词头索引，这些问题 GoldenDict 自身可以妥善处理。

我个人比较偏好这个版本，数据更简单干净，还因为自己实际主要只用 GoldenDict 词典软件。MDict多是用来做新词典的预览、测试的，它增删词典容易，不需要重建索引，也不需要重启软件。

> 总计：生成 34777 个主词条，6797 个重定向词条。

 ![5e4af7c0-f654-4935-9361-d44682a86627](https://forumcdn.freemdict.com/uploads/default/original/3X/1/d/1d07d0a3b5cdb2a09de968bea400431913f99f08.png)

[拉鲁斯法汉双解词典（GoldenDict版）.mdx](https://forum.freemdict.com/uploads/short-url/oI7EpiD1XXjC6DT8izfY8Z95q18.mdx) (5.6 MB)

打包生成 mdx 前的 txt 源文件：

[mdx\_source\_GoldenDict.txt](https://forum.freemdict.com/uploads/short-url/rdWfFlvquBOfj1csvPEutgzvaUd.txt) (12.4 MB)

---

<div class="post-metadata">

作者： ![茕鬼爱折腾](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/%E8%8C%95/90ced4/32.png) [@茕鬼爱折腾](https://forum.freemdict.com/u/%E8%8C%95%E9%AC%BC%E7%88%B1%E6%8A%98%E8%85%BE)\
发布日期： [2025 年10 月 22 日 04:01 UTC](https://forum.freemdict.com/t/topic/41497/248 "2025-10-22T04:01:23Z")

</div>

![拉鲁斯法汉双解词典](https://forumcdn.freemdict.com/uploads/default/original/3X/2/b/2ba0c362466f068bae34ff07870589b0af5bb43c.png)

---

<div class="post-metadata">

作者： ![amob](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/amob/32/14630_2.png) [@amob](https://forum.freemdict.com/u/amob)\
发布日期： [2025 年10 月 22 日 04:32 UTC](https://forum.freemdict.com/t/topic/41497/249 "2025-10-22T04:32:34Z")

</div>

好像是外研社版

---

<div class="post-metadata">

作者： ![mixivivo](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/m/8491ac/32.png) [@mixivivo](https://forum.freemdict.com/u/mixivivo)\
发布日期： [2025 年10 月 22 日 04:50 UTC](https://forum.freemdict.com/t/topic/41497/250 "2025-10-22T04:50:23Z")

</div>

发现一部分扩展词头 inte 存在问题，json文件在处理时可能不小心哪里弄错了。待修正。

---

<div class="post-metadata">

作者： ![茕鬼爱折腾](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/%E8%8C%95/90ced4/32.png) [@茕鬼爱折腾](https://forum.freemdict.com/u/%E8%8C%95%E9%AC%BC%E7%88%B1%E6%8A%98%E8%85%BE)\
发布日期： [2025 年10 月 22 日 05:29 UTC](https://forum.freemdict.com/t/topic/41497/251 "2025-10-22T05:29:23Z")

</div>

外研社的封面都是侧着的，不太好看。  
找到一个能用的。

 ![拉鲁斯法汉双解词典](https://forumcdn.freemdict.com/uploads/default/original/3X/e/e/eea8a04e6510d8cd023bdccc868239a6ee9cc031.jpeg)

---

<div class="post-metadata">

作者： ![mixivivo](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/m/8491ac/32.png) [@mixivivo](https://forum.freemdict.com/u/mixivivo)\
发布日期： [2025 年10 月 22 日 05:41 UTC](https://forum.freemdict.com/t/topic/41497/252 "2025-10-22T05:41:50Z")

</div>

商务版和外研社版的拉鲁斯词典不是同一部书，底本不同，主编不同，选录词条和释义、例句都存在差异。

---

<div class="post-metadata">

作者： ![wynick27](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/w/958977/32.png) [@wynick27](https://forum.freemdict.com/u/wynick27)\
发布日期： [2025 年10 月 22 日 05:46 UTC](https://forum.freemdict.com/t/topic/41497/253 "2025-10-22T05:46:55Z")

</div>

> **[GitHub - wynick27/larousse at proofreading](https://github.com/wynick27/larousse/tree/proofreading)**
>
> proofreading

更新了下语法文件，现在解析错误还有1100多个，但语法已经设计的比较复杂了。

---

<div class="post-metadata">

作者： ![茕鬼爱折腾](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/%E8%8C%95/90ced4/32.png) [@茕鬼爱折腾](https://forum.freemdict.com/u/%E8%8C%95%E9%AC%BC%E7%88%B1%E6%8A%98%E8%85%BE)\
发布日期： [2025 年10 月 22 日 05:50 UTC](https://forum.freemdict.com/t/topic/41497/254 "2025-10-22T05:50:31Z")

</div>

外研的正封加上了。像素略低，但词典显示足够了。

[上一页](https://forum.freemdict.com/t/topic/41497.md?page=8)

[下一页](https://forum.freemdict.com/t/topic/41497.md?page=10)