汉语大词典 基于leon版,优化简繁对应等

基于leon版(源文件是那个七订fork),对照tsiank版数据并参照自己改的排版汉语大词典originally by tsiank。

版本日志:
20260617:
修复问题:一些以例证开头的释义,会把例证间的释义重复放到前面;还有一些只有例证的释义。现在去掉了重复的释义,并且释义开头的例证都是为释义本身,保留例证的字体,但不再纳入开启隐藏范围、不再分行显示(漢語大詞典 Fork - #111,来自 bmcc718)。

20260615:
(1)修复重构版一些内容丢失。
(2)给A区及以后的字使用子集字体。
(3)非重构版应该不会再更新,也不在此次更新范围内。

20260614:
(1)修复一些繁体追加简体遗漏。
(2)根据拼音重构释义块。

20260613:
(1)修复层级丢失。
(2)处理了一下简繁异的对照,这一块很混乱,反复尝试才勉强凑合,后续还有问题可能只能发现一个解决一个,我估计不会再整了。
(3)修复了一点小问题。

修改内容By Antigravity:

1. 基础音义匹配与重定向支持(v1 & v2 阶段)

  • 音义匹配扩展:不仅支持文字释义的精确匹配,还引入了对带有中文引号重定向(如“见“”、“同“”、“通“”)的识别。
  • 图像容错与位置修正:实现了“图像容错比对”,并自动将繁体块中缺失的插图标签(如 img 容器)修正并补充到对应的简体词条中。

2. 变体过滤与核心释义精细匹配(v3 阶段)

  • 排斥异体字头:匹配中自动过滤含有 <standard> 标签的异体字头,避免其干扰正常的简繁比对。
  • 核心释义比对(Category B):剥离释义中的书证、引用和标点符号,仅比对纯粹的核心释义,大幅提升了对复杂释义的匹配召回率。

3. 多对一释义分拆与合并(v4 阶段)

  • 释义区间分拆:针对“多个繁体单字块”对应“一个简体合并块”的情况,通过算法将简体的合并释义进行区间定位和就地拆分,使得繁体释义块能够精准地与简化字里对应的具体义项进行 1:1 配对。

4. 块级精准排除与扁平化追加(v5 最终阶段)

  • 块级精准排除(Exclusions):从原本的“字符级排除”细化为“音义块级排除” (简体, 繁体, 繁体块序号),加载了 1,991 条 块级排除规则。这完美解决了“干-乾 (gān)”需要保留匹配、而“干-乾 (qián)”及“借-藉 (jí)”需要排除匹配的复杂冲突。
  • 扁平化 hdc 追加:对最终仍无法匹配的 1,273 个 繁体音义块,取消了复杂的 level_block 插入,统一以 <hdc class="appended"> 的扁平化新块形式追加到简体词条末尾,既保留了繁体字形和释义,又维护了原词典的扁平结构。
  • 错误简体标签标记与去嵌套:对被排除匹配的错误简体字标签进行 CSS 标记(如 <simp class="exclude">干</simp>),并彻底修复了标签重叠嵌套的 bug。

5. 义项异常分拆与格式规范(v5 最终阶段)

  • 圈号子义项分拆(Sub-meanings):自动将 15 处在单个 <mean> 内混杂了 ⑴ ⑵ 圈号的异常排版分拆为标准的 <submeans><submean><xh>(N)</xh>...</submean></submeans> 标签结构。
  • 排版格式规范化:将所有 <trad>、<simp>、<standard> 标签统一规范为前置 <deriv_type></deriv_type> 属性的格式,并将 <ZI> 和 <EXTBI> 标签强制保持为大写。

20260607:
(1)修复中zhong4的层级丢失。
(2)优化义项和例证的层级关系。
(3)给异体字加了@@@。
(4)将词语表嵌入到字释义中。
(5)改排版、改功能(原来的css和js不晓得还能用不,应该不需要改很多,喜欢原排版的自己改吧)。
有错误请反馈,工作原因近期只有周末有空时处理。

(AI真的好用,codex、antigravity这些工具真是做到了自己以前不敢想的事情)

百度盘:链接

OP加个截图可好?

先别急着下载,A区之外的字符没处理好,等我更下mdx。(AI这点也是坑,之前处理了的不知为何落下了)

吐槽一下,编辑次数卡得也太严了吧…
又更新了一下:(1)处理了(可能只是部分)释义块多合一的问题,多个音韵甚至拼音合到一个释义里,现在重新内部分拆,应该比leon版更准确些;(2)增加了一个avif版,把插图转码成avif格式,mdd体积缩小了90MB左右,比较新的系统应该都支持(dicttango内置的图片viewer好像不支持,但不影响词典本身的显示)。

“中”字条,相比leon原版和聚典数据少了划线的部分:



擦……不知道是我改错了(这个字好像是批量前我自己修过)还是ai乱搞……回头我看下,要是批量的可能要等几天,ai额度快用完了

未重构版是好的,应该是重构脚本把这个内容丢了,应该好解决

应该解决了。

D大默认展开例句,怎么样设置?我在JS里面认不得……

还有例句的序号底部有三个小的实心点,是啥作用?

序号底部的三个点是表示可以点击展开例证。你需要的修改我没做选项,你把css和js丢给ai试试。(开关按钮绑在xh上,显隐内容是examples,告诉ai这两条让他改着看)

谢谢D大指教。

好的,谢谢,不知道其他词条有没有类似问题。另外想问下,是不是移除了leon的例句发音功能呢

无发音。。。

本来就是TTS发音吧,不是词典本身的内容。自己移植不就好了

为便于追踪修改方案和后期维护,已将有效脚本及相关说明(均有AI生成)打包放入网盘。

例句中间插一个释义场景下的层级错乱问题修复了吗?

什么意思?能否举个例子。


应该没错吧?

这个是抖音汉语乱处理的问题,抖音汉语引入了很多bug,后来早就换成正确的聚典数据源了。聚典数据以辞海网为准。