【已完结】 SIO双向双解词典v3.3

英汉汉英
,
551

TIO 完整数据库下载，其中包含了以下四个表：

c2e_simple_idx ，提取了ESL双解词典的英文解释、中文释义，共计 260,915 条

ec2_idx ，最核心的中英双语权威例句，共计 3,895,294 条

ec_simple_idx，单词词组的简明释义及大量专业词汇， 共计 3,282,538 条

eng_extra_idx，作为补充的纯英文例句，共计 15,126,967 条。根据平时的对比查询，这部分内容要胜过有道、必应之类的在线词典，不少词汇的查询结果甚至优于ludwig或者skell。

使用说明( 以Linux系统为例)

1.下载数据库文件 tpm.tar （MD5: d5b92327c16f8945dcbc2c45ca0745dc） 并解压至自定义目录A，需要约11G磁盘空间。

下载链接: https://pan.baidu.com/s/1lL8GarQPwdbAs336--_3bg 提取码: 4gpc

  1. 根据自己的操作系统，下载、安装SphinxSearch 3.4.1 到自定义目录B。 http://sphinxsearch.com/downloads/current/

  2. 在第一步的自定义解压目录A中，创建sphinx.conf文件。注意修改 path 参数。有报错可以对照在线文档： http://sphinxsearch.com/docs/

index c2e_simple_idx
{
    source                  = c2e_simple
    min_word_len=1
    ngram_len     = 1
    ngram_chars       = U+3003..U+FF0B,U+FF0D..U+2FA1F
    path                    = /usr/local/tpm/c2e_simple_idx
    hl_fields = body
    docstore_comp = lz4
    docstore_type = vblock
    stopword_step =0
}

index eng_extra_idx
{
    source                  = eng_extra
    path                    = /usr/local/tpm/eng_extra_idx
    ignore_chars=U+3002,U+FF0C
    morphology = lemmatize_en_all
    hl_fields = body
    docstore_comp = lz4
    docstore_type = vblock
    stopword_step =0
}

index ec_simple_idx
{
    source                  = ec_simple
    min_word_len=1
    ngram_len     = 1
    ngram_chars       = U+3003..U+FF0B,U+FF0D..U+2FA1F
    morphology = lemmatize_en_all
    path                    = /usr/local/tpm/simple_idx
    ignore_chars=U+3002,U+FF0C
    hl_fields = body
    docstore_comp = lz4
    docstore_type = vblock
    stopword_step =0
}

index ec2_idx
{
    source                  = ec2
    min_word_len=1
    ngram_len     = 1
    ngram_chars       = U+3003..U+FF0B,U+FF0D..U+2FA1F
    path                    = /usr/local/tpm/ec2_idx
    ignore_chars=U+3002,U+FF0C
    morphology = lemmatize_en_all
    hl_fields = body
    docstore_comp = lz4
    docstore_type = vblock
    stopword_step =0
}
indexer
{
    mem_limit = 512M
}
searchd
{
    listen          = 127.0.0.1:9312
    listen          = 127.0.0.1:9306:mysql41
    thread_stack = 512K
    log         = /dev/null
    pid_file  =/tmp/search.pid
}

  1. 使用自定义目录B下的searchd命令启动服务。例如: searchd -c sphinx.conf。启动后可以直接使用 mysql -h0 -P9306 连接到SphinxSearch。

  2. 数据的查询和展示，以python+flask为例。保存以下代码为sample.py。sphinxsearch兼容MySQL协议，因此有编程经验的朋友应该很容易用其他语言写出更高效的代码。

from flask import Flask
import pymysql

app = Flask(__name__)

def Sorting(lst):
    lst.sort(key=len)
    return lst

@app.route("/<word>")
def sample(word):
    body = "<style>.pg_exam { padding-top: 0.3em; color: #4c4e56; display: inline-block; } .hl { color: red; } </style>"
    db = pymysql.connect(host="0", user="",password="",port=9306)
    cur = db.cursor()
    sql = "SELECT snippet(body, %s, 'limit=5000','around=2000','before_match=<span class=\"hl\">','after_match=</span>','force_all_words=true') FROM ec2_idx where match(%s) limit 100"

    cur.execute(sql,('"' + word + '"',' @body  "' + word + '"'))
    exact_rows=cur.fetchall()

    tio_list=[]

    if exact_rows:
        for exrow in exact_rows:
            current_body= '<class="pg_exam">' + " ‣ " + exrow[0] + "</span>" + "<br />"
            tio_list.append(current_body)
        msg = "".join(Sorting(tio_list)[:50])
        return body + msg
    else:
        return "Keyword not found"

  1. 启动服务。 export FLASK_APP=sample ; flask run --host=0.0.0.0

  2. 通过 http://127.0.0.1:5000/<中英文单词> 来直接访问，如果你使用GD，本地可以直接配置网络词典为： http://127.0.0.1:5000/%GDWORD% 。至于样式、字体等等大家都可以根据自己的喜好在代码中自行调整。

td2
td22332×888 445 KB

基于以上的数据，你可以：

  1. 打造离线版本的TIO词典

  2. 打造一本基于目标词汇，适合自己、适合特定对象、用于特定目的的个性化词典

TIO数据库中的内容虽然都来自互联网，但收集、抓取、清洗、整理却颇为不易，严禁任何人用来作任何形式的盈利。

32 个赞