EasyDict

xuhuaq · 2026 年3 月 31 日 07:31

本地音频播放会拼接 dict_id 然后去 media.db 里面查找？

另外，easydict有没有调试模式？

karx · 2026 年3 月 31 日 07:32

差不多是的

说的调试模式是哪种调试模式？

xuhuaq · 2026 年3 月 31 日 07:34

输出debug日志；像goldendict-ng等右键浏览器开发者模式；

karx · 2026 年3 月 31 日 07:36

设置-关于软件-配置目录，可以打开配置文件夹，里面的logs文件夹里有日志

此外还可以右键菜单-编辑，直接修改json并保存和实时显示

xuhuaq · 2026 年3 月 31 日 07:40

正常播放了

karx · 2026 年3 月 31 日 07:42

目前phrase的格式有点问题，无法正常显示。推荐把各个phrase单独提取成entry，然后在主词头的json里使用简单的字段"phrases": ["make certain/sure", "make someone/something do something"]即可

[
  {
    "phrase": "make certain/sure",
    "sense": [
      {
        "index": 1,
        "definition": {
          "en": "to take action so that you are certain that something happens , is true , etc.:"
        },
        "example": [
          {
            "en": "I'll just make sure I've turned the oven off.",
            "zh": "我要确认一下是否关掉了烤箱。"
          }
        ]
      }
    ]
  },
  {
    "phrase": "make someone/something do something",
    "sense": [
      {
        "index": 1,
        "definition": {
          "en": "to force someone or something to do something:"
        },
        "example": [
          {
            "en": "You can't make him go if he doesn't want to.",
            "zh": "如果他不想去，你不能强迫他去。"
          }
        ]
      }
    ]
  },
  {
    "phrase": "be made to do something",
    "sense": [
      {
        "index": 1,
        "definition": {
          "en": "to be forced to do something:"
        },
        "example": [
          {
            "en": "The prisoners are made to dig holes and fill them up again.",
            "zh": "囚犯们被强迫挖洞，然后再把它们填上。"
          }
        ]
      }
    ]
  },
  {
    "phrase": "make room/space/way",
    "sense": [
      {
        "index": 1,
        "definition": {
          "en": "If you make room / space /way for something or someone, you move your body or move other things, so that there is space for it or them:"
        },
        "example": [
          {
            "en": "I was wondering if I could make room for a grand piano somewhere in my house ."
          }
        ]
      }
    ]
  },
  {
    "phrase": "make a bed",
    "sense": [
      {
        "index": 1,
        "definition": {
          "en": "to pull up and tidy the covers on a bed after it has been slept in:"
        },
        "example": [
          {
            "en": "She hurried upstairs and quickly made the beds .",
            "zh": "她匆忙上楼，飞快地整理了床铺。"
          }
        ]
      }
    ]
  }
]

xuhuaq · 2026 年3 月 31 日 09:00

这个词典软件真的很优雅

xuhuaq · 2026 年3 月 31 日 15:29

按照要求修改后出来的效果跟你制作的在线词典ODE效果不一样。我这个phrases出现在词头下面，展开后在phrase上点击不弹出浮动窗口。你制作的phrases出现在尾部，origin之前，点击有弹窗。

是不是phrase的显示还在改动？

karx · 2026 年3 月 31 日 15:32

phrases字段不要放在data里，放在json根节点

xuhuaq · 2026 年3 月 31 日 17:09

确实如此，修改后正常了。

xuhuaq · 2026 年3 月 31 日 17:28

Ai总结的一个流程，请指正 @karx

从 HTML 到 .db 完整工作流程指南

一、整体流程概览

HTML 网页
    ↓ [1. 抓取]
原始数据 (JSON)
    ↓ [2. 清洗转换]
标准化数据 (JSONL)
    ↓ [3. 音频处理]
带音频的数据 (JSONL)
    ↓ [4. 构建数据库]
EasyDict 词典 (.db)

二、详细步骤

步骤 1: HTML 抓取 (dictionary_scraper.py)

输入： 网页 URL + 单词列表
输出： entries.jsonl (每行一个 JSON entry)

核心任务：

发送 HTTP 请求获取 HTML
使用 BeautifulSoup 解析 DOM 结构
提取关键信息：
- 词头 (headword)
- 音标 (phonetic)
- 词性 (part of speech)
- 定义 (definitions)
- 例句 (examples)
- 短语 (phrases)
- 音频 URL

重点：

CSS 选择器定位元素
处理多词性（一个单词多个 entry）
短语提取（独立的 phrase-block）
断点续传（progress tracking）

难点：

网站结构变化需要更新选择器
反爬虫机制（需要模拟浏览器 headers）
中文翻译提取（避免混入例句翻译）

步骤 2: 数据清洗与格式转换 (convert_to_EasyDict)

输入： 原始抓取数据
输出： EasyDict 格式的 JSONL

核心任务：

结构重组：

原始格式 → EasyDict 格式
{                    {
  "definitions": []    "sense_group": [
}                        {"sense": [...]}
                       ]
                     }

字段映射：
- definitions → sense_group.sense
- phrases → 独立 phrase entries
- 添加 dict_id, entry_type
短语处理：
- 主词条添加顶层 phrases 数组
- 每个短语创建独立 entry
- entry_type="phrase"

重点：

保持数据完整性
正确的嵌套结构
entry_id 唯一性

难点：

字段位置必须精确（phrases 在顶层，不在 data 中）
多层嵌套结构（sense_group → sense → definition/example）
短语与主词条的关联

步骤 3: 音频 URL 处理 (fix_audio_urls.py)

输入： entries.jsonl
输出： entries_fixed.jsonl + audio_urls.txt

核心任务：

提取音频 URL 到 _download_url 字段
保留文件名在 audio_file 字段
生成下载列表 (audio_urls.txt)

重点：

分离 URL 和文件名
保持 entry 结构不变

难点：

处理不同的 URL 格式
确保文件名唯一性

步骤 4: 数据库构建 (build_dictionary.py)

输入： entries_fixed.jsonl + 音频文件（可选）
输出： dictionary.db + media.db + metadata.json

核心任务：

创建 SQLite 数据库表：

CREATE TABLE entries (
  entry_id INTEGER PRIMARY KEY,
  json_data BLOB  -- zstd 压缩的 JSON
)

JSON 压缩（可选）：
- 训练 zstd 字典
- 压缩每个 entry
- 存储字典到 config 表
音频处理：
- 复制到 audio_temp/
- 或嵌入到 media.db
创建索引：
- headword 索引
- phonetic 索引（表意文字）

重点：

数据库 schema 必须匹配 EasyDict
entry_id 必须是纯数字
压缩可以减小 90% 体积

难点：

zstd 字典训练（需要足够样本）
大文件处理（内存管理）
索引优化（搜索性能）

三、关键数据结构

3.1 EasyDict 标准格式

{
  "dict_id": "cambridge_en_zh",
  "entry_id": 123,
  "headword": "make",
  "entry_type": "word",
  "phrases": ["make do", "make up"],  // ← 必须在顶层
  "pronunciation": [
    {
      "region": "UK",
      "notation": "meɪk",
      "audio_file": "make.mp3"
    }
  ],
  "sense_group": [
    {
      "group_name": "verb",
      "sense": [
        {
          "index": 1,
          "definition": {"en": "...", "zh": "..."},
          "example": [{"en": "...", "zh": "..."}]
        }
      ]
    }
  ]
}

3.2 Phrase Entry 格式

{
  "dict_id": "cambridge_en_zh",
  "entry_id": 124,
  "headword": "make do",
  "entry_type": "phrase",  // ← 必须是 "phrase"
  "sense_group": [
    {
      "sense": [
        {
          "index": 1,
          "definition": {"en": "...", "zh": "..."}
        }
      ]
    }
  ]
}

四、重难点总结

4.1 数据抓取重难点

难点	解决方案
CSS 选择器变化	使用多个备选选择器，添加日志
反爬虫	完整模拟浏览器 headers，添加延迟
中文翻译混入例句	精确定位 `.def-block > .def`
短语提取	独立的 `.phrase-block` 选择器
断点续传	保存 progress.json，记录已完成单词

4.2 格式转换重难点

难点	解决方案
字段位置错误	`phrases` 必须在顶层，不在 `data` 中
嵌套结构	严格按照 EasyDict 格式：sense_group → sense
entry_id 冲突	使用全局计数器，断点续传时更新
短语关联	主词条 `phrases` 数组 + 独立 phrase entries
音频字段	`audio_file` 只保存文件名，URL 在 `_download_url`

4.3 数据库构建重难点

难点	解决方案
entry_id 格式	必须是纯数字（不能有 dict_id 前缀）
JSON 压缩	使用 zstd + 字典，减小 90% 体积
索引创建	headword + phonetic（表意文字）
音频嵌入	复制到 audio_temp/ 或存入 media.db
元数据	metadata.json 必须包含 id, name, version 等

karx · 2026 年3 月 31 日 18:25

感觉总结这些没意义啊，readme.md本身已经很精炼了

xuhuaq · 2026 年3 月 31 日 18:42

确实readme已经写得很好了，这个算一点实践总结吧，个人的避坑指南

xuhuaq · 2026 年3 月 31 日 18:44

对了，在线音频是如何处理的？词头和例句的音频url放哪里？还是说只有词典服务器在线音频一个选择？

karx · 2026 年3 月 31 日 18:55

嗯是的，目前只有词典服务器一个在线音频选择

zaojz · 2026 年4 月 1 日 09:11

软件越来越完善了，感谢

karx · 2026 年4 月 1 日 15:30

更新1.7.5，更加适配电脑端，刚刚发现沙漠长出了火箭

xuhuaq · 2026 年4 月 2 日 06:39

试着转换了一个词典，CECD 2024-07-28，效果还行，尝尝鲜。

下载：CECD2024_EasyDict - FreeMdict Cloud

文件夹名须为 “CECD2024_EasyDict”，与metadata.json、dictionary.db里面的id保持一致。

数据来源：CECD 2024-07-28

karx · 2026 年4 月 2 日 06:41

赞！！！有意向上传到词典商店里嘛，这样可以方便下载、管理和更新

xuhuaq · 2026 年4 月 2 日 06:45

还没纠错，音频也还没转换，等成熟一些了再传到词典商店，如何？