# 有人一起学做图片词典吗？【基本完工】 **URL:** \ **Category:** 技术交流与词典编修\ **Created:** [2021 年11 月 6 日 13:10 UTC](https://forum.freemdict.com/t/topic/9160 "2021-11-06T13:10:01Z")\ **Posts on this page:** 20\ **Page:** 1
作者： ![smiling1384](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/s/3e96dc/32.png) [@smiling1384](https://forum.freemdict.com/u/smiling1384)\ 发布日期： [2021 年11 月 6 日 13:10 UTC](https://forum.freemdict.com/t/topic/9160/1 "2021-11-06T13:10:01Z")
感佩于各位先生在自制词典方面所做的探索，我等晚生有了宝贵的词典可用。虽然也买过词典，但有些词典若不自己做电子版，买也难得买到。所以，我正在从头开始学习制作自己的图片词典，预计时间为1~3个月。之所有选择做图片版词典，是因为想花不太多的时间解决一些词典从无到有的过程。 在此期间，我将发贴纪录一部词典制作的经过，大家可以批评指导我的过程与方法。期间，我可能要尝试写一点代码，来辅助这个工作。如果试制成功，我将把此代码和制作的一部词典开源分享。当然，我对该词典内容没有任何版权，提供出来，仅仅是为了交流词典的制作方法。另外声明一下，我已购买此词典的纸质版，制作电子版仅仅为了学习技术和方便自己使用。 需要说明的是，在我学习的过程中，发现Vim发布了极具价值的开拓性文章。我特别感觉 Vim 师所做的工作，我就是想照着他的图片词典的样子重造一个轮子。他总结了很多宝贵的经验，也分享了代码，甚至给我分享了用一本 vim 生成的文件，这样我可以节省不少时间，在学习的时候可以参照揣摩。但因为我不会用 vim，估计这辈子都难以学会，所以我选择学一门编程语言，Python。 最后，总结一下目标：从无到有，制作一个可用的图片词典数据 mdx。希望能达成! 如果有人和我一样在学习，有不明白的，请留言，我将直接扩充对应段落的文字描述。 ---
作者： ![smiling1384](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/s/3e96dc/32.png) [@smiling1384](https://forum.freemdict.com/u/smiling1384)\ 发布日期： [2021 年11 月 6 日 13:18 UTC](https://forum.freemdict.com/t/topic/9160/2 "2021-11-06T13:18:43Z")
第1步：扫描图片(已完工) 因为只是为了学习技术，所以没有真的亲自扫描，而是在网上下载了一本 PDF，能与我的纸质版对上。这本词典是《实用英语用法指南》(Practical English Usage)，第3版。PDF是中英对照片。另外，还下载到了纯英文版的 epub, mdx。 这两个都有用， PDF 可以转出图片， epub, mdx 可以提供词头，免去我扫描的 OCR 的痛苦。但是两个词典因为版式不同，造成页码不同，所以还是需要一些人工解决一些问题，这个问题到需要处理的时候再说。 一些加工步骤: (1) PDF 转出图片。使用的是 PDF 补丁丁这个免费软件，可以无损转出 PDF 中的图片。软件很好用，我为了表示对作者的感谢，曾捐赠过50元。不过现在起捐价提高了。 (2) 图片重命名。使用的是 Advanced Renamer，可以有很多种命名方法。 (3) 图片增强。用的是 ScanTailor。我主要是去了一下多余的白边，少量纠了一下偏。费时估计有 1~2 小时。也许可以用 ComicEnhancer 会更快一点。 以上软件都是免费的。做完这3步，就拿到了基本的原材料：可用的图片正文。 下面是所用到的PDF, 处理过的图片。一起制作的同志们可以下载原材料。 链接: [https://pan.baidu.com/s/1YvdWNFYuYiiVEYQ7S\_E9Eg](https://pan.baidu.com/s/1YvdWNFYuYiiVEYQ7S_E9Eg) 提取码: gyxf 这是个很常见的材料，希望不要有要举报。 正文图片： ![image](https://forumcdn.freemdict.com/uploads/default/original/3X/6/c/6cd650bbe07f5d5a4bb96cf06b8ba07093d88e08.png) 正文之前的图片 ![image](https://forumcdn.freemdict.com/uploads/default/original/3X/b/f/bfbe463ec782530cccf4e5674d01cc0c6677f18b.png) 因为我的图片转换不是一步到位的，先用 scantailor 搞成了放大版的 tif 文件，后来发现欧路不识别 tif 格式， 又用 comicenhancer 转成 png，结果数据的体积较大。这里有改进的空间。 总结: 图片的编号分两种，他们有相同的前缀（书名简写），但各自顺序编号。正文前之前的页面带一个负号，但编号长度为4位，从 -001 开始，一般指的是封面。不知道会不会留下什么坑。 ---
作者： ![smiling1384](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/s/3e96dc/32.png) [@smiling1384](https://forum.freemdict.com/u/smiling1384)\ 发布日期： [2021 年11 月 6 日 13:32 UTC](https://forum.freemdict.com/t/topic/9160/3 "2021-11-06T13:32:56Z")
第2步：整理词头 这步没什么难度，但很费时间，就是把词头整理出来。本来在 epub 中是有词头的，但是没有页码信息。既然不可避免，那只好硬着头皮上了。 为了使用的时间尽量少，我就直接拿条目的数字编号当成词头了。预计要好几个小时，或者要拖数周完成。 这一步用到的软件是 Excel，左边一列是词头，右边一列是页码，都是数字，所以打字输入还算不慢。关键是页码太多了。 ![image](https://forumcdn.freemdict.com/uploads/default/original/3X/3/7/3799eb3e4c512aa6843b1e14df1a509ad2bccc1d.png) 可能会留下的问题: 本词头所记录的页码用的是书上的文字正文页码，不是图片的第多少张。后面在制作跳转时，需要注意。 ---
作者： ![smiling1384](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/s/3e96dc/32.png) [@smiling1384](https://forum.freemdict.com/u/smiling1384)\ 发布日期： [2021 年11 月 6 日 14:06 UTC](https://forum.freemdict.com/t/topic/9160/4 "2021-11-06T14:06:48Z")
上面的词头我目前只输入到100页，余下的以后再慢慢输入，我已经等不及，想看看自己能不能打包图片，并用上下页的方式浏览了。 第3步：图片打包上下页浏览 预计实现效果：制作一个只能通过上一页，下一页浏览的最没用的词典 mdx，后面在此基础上修改。 已制作完全，请稍等… ![image](https://forumcdn.freemdict.com/uploads/default/original/3X/c/7/c739168a329da54c2fcc5ee12e9dc124bd51660e.png) 前面的都比较简单，是前几天所完成的结果，一起总结了。 方法: (1) 将图片放在 img 文件夹； (2) 运行图片索引小程序，自动将所有图片从前往后全部打印到 txt 文件中，并改成 mdx 需要的那个特定格式; （这个小程序是阶段性的程序，后面可能没什么用，所以暂时不必要公开。不过我尽量上传一个可执行的 .exe 程序，你可以照此操作，简单尝试一下。最终的程序将以源码和 exe 全部提供。之所以考虑用 exe，主要是方便普通用户使用。现在我还不太会打包程序，明天尝试） (3) 运行 mdxbuilder，将上一步的 txt 转成 mdx, 图片也顺带打包成为 mdd ![image](https://forumcdn.freemdict.com/uploads/default/original/3X/c/0/c0b0b951a35a7558d89a54269d4ba644a8434c47.png) 今天的成果：1个txt 文件， 1个 mdx 文件，1个 mdd 数据文件。后面这个 mdx 文件会进一步改进， mdd 数据文件将基本不变了。 链接: [https://pan.baidu.com/s/1RNMRp\_3ospterttzQCe73Q](https://pan.baidu.com/s/1RNMRp_3ospterttzQCe73Q) 提取码: jev2 总结： (1) 图片尽量使用 png 格式，不要用 tif 格式； (2) 生成的词头源文件中的回车换行是 “\n”, 不是 “\r\n”， mdxbuilder 不认，所以在使用 mdxbuilder 前，要手工替换一下。 ---
作者： ![西北风](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/%E8%A5%BF/a9adbd/32.png) [@西北风](https://forum.freemdict.com/u/%E8%A5%BF%E5%8C%97%E9%A3%8E)\ 发布日期： [2021 年11 月 6 日 14:10 UTC](https://forum.freemdict.com/t/topic/9160/5 "2021-11-06T14:10:33Z")
> [@smiling1384](#): > > 第3版 ~~第4版文字版mdx都出来好几年了，还在这里折腾第3版图片版~~ 此前误会了，不知第4版是否有翻译 ---
作者： ![smiling1384](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/s/3e96dc/32.png) [@smiling1384](https://forum.freemdict.com/u/smiling1384)\ 发布日期： [2021 年11 月 6 日 14:11 UTC](https://forum.freemdict.com/t/topic/9160/6 "2021-11-06T14:11:51Z")
的确如此，如果我有高质量的 第4版中英对照PDF和 英文epub/mdx，那我就从第4版开始了。 现在就只好从手上有的搞起吧。自娱自乐一下。 ---
作者： ![smiling1384](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/s/3e96dc/32.png) [@smiling1384](https://forum.freemdict.com/u/smiling1384)\ 发布日期： [2021 年11 月 6 日 14:34 UTC](https://forum.freemdict.com/t/topic/9160/7 "2021-11-06T14:34:11Z")
第4步 11-7 1. 为前面的词典增加查词头的功能，当我输入一个数字，如 s30，它能找翻到第30条所对应的页面，不一定是第30页。 2. 打包一个 exe 试试能不能工作。 具体工作: (1) 继续手工抄图片上的词头，起了个早，抄到了 627 页，估计抄了1个小时左右； (2) 将 epub 版本的数据解压，得到 xhtml 文件，利用 python 将所有词头找出来。这一步写代码花了2分钟。 ```auto # -*- coding: utf-8 -*- import re with open(r"Section13.xhtml", encoding="utf8") as fl_in: text = fl_in.read() pattern = r'

(\d+)(.*?)

' heads = re.findall(pattern, text) for head in heads: entry_id, head_word = head head_word = re.sub('<.*?>', '', head_word).strip() print(entry_id, head_word) ``` 一次处理一个指定文件 [extract\_headword.py](https://forum.freemdict.com/uploads/short-url/4ovFs9LPgv60SYt2lkIAzqkroKg.py) (376 字节) 处理全部 xhtml 的版本 [extract\_all\_headwords.py](https://forum.freemdict.com/uploads/short-url/waspIdXJnRRlQVN2rsUetGzHLMu.py) (589 字节) 得到的原始结果为： ```auto 1 abbreviated styles 2 abbreviations and acronyms 3 [be] able 4 about and on 5 about to 6 above and over 7 accept and agree 8 according to 9 across, over and through 10 active verb forms 11 actual(ly) 12 adjectives (1): normal position 13 adjectives (2): after nouns and pronouns 14 adjectives (3): position after as, how, so, too 15 adjectives (4): order before nouns ... ``` [head\_word.txt](https://forum.freemdict.com/uploads/short-url/giLblaq2B24w0oN2BAeTjrUkYw6.txt) (18.6 KB) 总共提取了 620 条，漏掉了14条左右，后面手工解决。 问题总结: 数字右边的词头基本都是短语，太复杂了，需要适当简化，例如展开，去括号等。主要问题是，怎么设计词头，才有最大的查得率？ 大家说说经验看？ ---
作者： ![endnote](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/e/9de0a6/32.png) [@endnote](https://forum.freemdict.com/u/endnote)\ 发布日期： [2021 年11 月 6 日 15:16 UTC](https://forum.freemdict.com/t/topic/9160/8 "2021-11-06T15:16:51Z")
> [@西北风](#): > > 第4版文字版mdx 那个是英文版。楼主制作的是中译本第3版，不矛盾。 从学习英语角度来说，中译本第3版完全够用。 不过楼主同时还要学习golang，感觉目标太分散了，坚持到底不易的。 我是希望找到划多条直线、一次性切割一张图片的工具，此外还希望合并图片工具希望能有顺手的。 ---
作者： ![smiling1384](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/s/3e96dc/32.png) [@smiling1384](https://forum.freemdict.com/u/smiling1384)\ 发布日期： [2021 年11 月 6 日 23:14 UTC](https://forum.freemdict.com/t/topic/9160/9 "2021-11-06T23:14:57Z")
> [@endnote](#): > > 希望找到划多条直线、一次性切割一张图片的工具，此外还希望合并图片工具希望能有顺手的。 不太懂，能不能解释一下，这是一个什么操作呢？ > [@endnote](#): > > 同时还要学习golang，感觉目标太分散了，坚持到底不易的 的确是有这个问题，但应该是可以坚持做出来。实在不行，中途换工具。 ---
作者： ![登徒浪子](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/%E7%99%BB%E5%BE%92%E6%B5%AA%E5%AD%90/32/50350_2.png) [@登徒浪子](https://forum.freemdict.com/u/%E7%99%BB%E5%BE%92%E6%B5%AA%E5%AD%90)\ 发布日期： [2021 年11 月 7 日 00:45 UTC](https://forum.freemdict.com/t/topic/9160/10 "2021-11-07T00:45:32Z")
坚持下去，跟着自己需要去做 ---
作者： ![Quantus](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/q/e495f1/32.png) [@Quantus](https://forum.freemdict.com/u/Quantus)\ 发布日期： [2021 年11 月 7 日 01:45 UTC](https://forum.freemdict.com/t/topic/9160/11 "2021-11-07T01:45:50Z")
我还是更喜欢文字版的。 ---
作者： ![smiling1384](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/s/3e96dc/32.png) [@smiling1384](https://forum.freemdict.com/u/smiling1384)\ 发布日期： [2021 年11 月 7 日 06:27 UTC](https://forum.freemdict.com/t/topic/9160/14 "2021-11-07T06:27:47Z")
续 第2步 手工整理数字词头 （已完工，本回复尾部共享了文件） 硬着头皮，又花了一个小时，所有词头手工录入完毕，解决没有原材料（词头）的问题。共享录入完毕的 excel 文件，有兴趣的可以自己去改制，可以节省好几个小时的体力劳动。 | 词头 | page number | | --- | --- | | 1 | 1 | | 2 | 3 | | 3 | 4 | | 4 | 5 | | 5 | 5 | | 6 | 5 | | 7 | 7 | | 8 | 7 | | 9 | 7 | | 10 | 8 | | 11 | 12 | | 12 | 13 | | 13 | 15 | | 14 | 17 | | 15 | 18 | | 16 | 20 | | 17 | 21 | | 18 | 23 | | 19 | 23 | | … | | [practicle\_english\_usage3\_headword\_pagenumber.txt](https://forum.freemdict.com/uploads/short-url/b2vuRKtaM5fOEzQndSCpYFdahqS.txt) (5.4 KB) ---
作者： ![smiling1384](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/s/3e96dc/32.png) [@smiling1384](https://forum.freemdict.com/u/smiling1384)\ 发布日期： [2021 年11 月 7 日 06:59 UTC](https://forum.freemdict.com/t/topic/9160/15 "2021-11-07T06:59:07Z")
第4步 续1 将手工整理的数字词头合并到第2步中的数据中，产生一个可以用数字编号（原词典条目编号，如输入 s103 可查得第103个词条）查词的词典。 ![image](https://forumcdn.freemdict.com/uploads/default/original/3X/5/0/50c47fe7c19afd0e773b4275bd4bbd69367da058.png) ```auto # -*- coding: utf-8 -*- item_tmpl = "{head}\n@@@LINK={page}\n\n" with open("PEU3_headword_page.txt", encoding="utf-8") as fl_in,\ open("PEU3_headword_page_mdx.txt", "w",encoding="utf-8") as fl_out: for kk, line in enumerate(fl_in): if kk > 0: line = line.strip() entry_number, page_number = line.split("\t") entry_number = 's' + entry_number page_number = "PEU3_{:04d}".format(int(page_number)) item = item_tmpl.format(head=entry_number, page=page_number) print(item) fl_out.write(item) ``` 为了快速出效果，暂时改用 python。因为这个程序有一定的通用性， 后期可能将这个程序改为 golang。 [PEU3\_headword\_page\_mdx.txt](https://forum.freemdict.com/uploads/short-url/68Ql2z64Q5Me02i9QXUEDGAYqIE.txt) (18.5 KB) 将上面的跳转词条合并到 v0.1 中，即可得到一个最简单的词典，如下： [Entry\_0.2.mdx](https://forum.freemdict.com/uploads/short-url/eZP9GJpb0kcYHgjqViZjdC6NFSR.mdx) (22.6 KB) 问题总结: 现在的词条只能按数字编号查询，对于该词典的阅读和跳转有一定作用，但对日常查词基本无用。下一步解决正常的查法。 ---
作者： ![smiling1384](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/s/3e96dc/32.png) [@smiling1384](https://forum.freemdict.com/u/smiling1384)\ 发布日期： [2021 年11 月 7 日 08:20 UTC](https://forum.freemdict.com/t/topic/9160/16 "2021-11-07T08:20:57Z")
第5步 将书的末尾的索引词做为词头 到了第4步的时候，实现了两种查询方法: (1) 页码查词。当输入完整的页码名时， PEU3\_0779 时，会打开第 779 页。这个功能没什么用处，因为谁也不会用页码查。这是在第3步实现的。 (2) 通过词条编号查词。因为 PEU 的语法条目带编号，正文中都是用编号跳转，所以该功能有一定的价值。这是在第4步续1实现的。 如果本词典的词头表是正常的单词，那么到这一步其实一部可用的词典已做完了。但是，这是本用法书，小标题作为词头并不方便查词。不过书尾有一个很不错的索引，大概一共有3000条，都用文字给出了跳转的条数。 ![image](https://forumcdn.freemdict.com/uploads/default/original/3X/0/9/096e3803a0e93d77c35682d4f597e2d149b38806.png) 所以，接下来做索引跳转。思路很简单，就是用正则去发现所有带编号的条目，替换成词典能识别的链接。这里碰到了一个小问题，就是到底是跳转到该数字词条，还是跳转到相应的页码。因为前面只为每个页面图片实现 entry， 所以选择跳到页码。这个页码通过前面的词头表映射得到。 替换之后，查单词 a, 可以得到这样的文字结果： ![image](https://forumcdn.freemdict.com/uploads/default/original/3X/0/6/06dab1488059b26c0e6c0e4e079eec2f69181de7.png) 然后点击数字，可以跳转到相对应的页面。似乎之前的 PEU 的纯英文文字版实现了该跳转功能，图片版一般没有实现该功能。因为我找到了 epub，所以顺便较该中英对照的版本也实现了该功能。 如果你要求不高的话，本词典基本做完了，后面，我将只做一些优化。 下面是本回贴所涉及到的全部代码，主要是链接转换，就一个小文件，为了快速完工，可读性较差。 [get\_index\_word.py](https://forum.freemdict.com/uploads/short-url/gI4vzYTnlYdJNGnfxQ2NzA2X3ck.py) (1.1 KB) [Entry\_0.3.mdx](https://forum.freemdict.com/uploads/short-url/4lSbKX3kJFTXrujTiHzUuwRL7sJ.mdx) (79.0 KB) 总结 (1) 有些词的索引只有一个页码，对这种情况，应该直接跳到相应的内文，不再应该出现一个单独的中转页。这个问题是有办法解决的，等后面再说。 (2) 完全没有利用前面第4步提取的词条信息，这个等后面再看看有无价值，比如说做成快速导航。 (3) 如果能将中转索引页码挂在词条正文页面下方，而不是一个专门的跳转页，则可以大大加速跳转的流畅度。 未完待续 ---
作者： ![smiling1384](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/s/3e96dc/32.png) [@smiling1384](https://forum.freemdict.com/u/smiling1384)\ 发布日期： [2021 年11 月 7 日 08:35 UTC](https://forum.freemdict.com/t/topic/9160/17 "2021-11-07T08:35:52Z")
因为收到你的回复说我可能不能坚持做出来，结果我没忍住，换了工具，改成 python 语言，用了半天（连带写贴子，总共应该花费了一天）基本完全做出来了，达到了预期目标。当然，如果改用 golang，需要的时候可能会长达1个星期。最后，这本词典能提前完工，首先得感谢你。 ---
作者： ![Vim](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/vim/32/8408_2.png) [@Vim](https://forum.freemdict.com/u/Vim)\ 发布日期： [2021 年11 月 7 日 10:08 UTC](https://forum.freemdict.com/t/topic/9160/18 "2021-11-07T10:08:57Z")
赞！ PS：Python就可以了，会的人比较多，大家都可以修修补补满足各自需求 ---
作者： ![smiling1384](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/s/3e96dc/32.png) [@smiling1384](https://forum.freemdict.com/u/smiling1384)\ 发布日期： [2021 年11 月 7 日 10:13 UTC](https://forum.freemdict.com/t/topic/9160/19 "2021-11-07T10:13:34Z")
是的，各有优点，自用则 python 最佳。 ---
作者： ![hua](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/hua/32/11090_2.png) [@hua](https://forum.freemdict.com/u/hua)\ 发布日期： [2021 年11 月 7 日 11:42 UTC](https://forum.freemdict.com/t/topic/9160/20 "2021-11-07T11:42:04Z")
Golang 可和我交流。 ---
作者： ![smiling1384](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/s/3e96dc/32.png) [@smiling1384](https://forum.freemdict.com/u/smiling1384)\ 发布日期： [2021 年11 月 7 日 11:56 UTC](https://forum.freemdict.com/t/topic/9160/21 "2021-11-07T11:56:21Z")
好的，我有搞不定的定当请教。不过我才入门水平，尽量百度 ---
作者： ![smiling1384](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/s/3e96dc/32.png) [@smiling1384](https://forum.freemdict.com/u/smiling1384)\ 发布日期： [2021 年11 月 7 日 13:05 UTC](https://forum.freemdict.com/t/topic/9160/22 "2021-11-07T13:05:01Z")
您好，hua 大， 我有一个 Golang 问题，就是希望将格式化的字符串并写到文件，中间有回车换行，可是它原样输出了。请问正确的做法是怎样的？ 希望以下的代码将 a,b,c分别在三行输出 ```auto writer := bufio.NewWriter(file_out) txt := `a\nb\n\c` s := fmt.Sprintf(txt) writer.WriteString(s) ``` 写文件的结果是： `a\nb\n\c` ，它没有分成3行。 另外，用 fmt.Sprintf(txt) 的目的是要做字符串替换，此处所给的代码样本是简化后不替换字符串的版本。 完整代码: ```auto package readfile import ( "bufio" "fmt" "os" "testing" ) func TestWriteFile100(t *testing.T) { file_out, err := os.OpenFile("new_line_test.txt", os.O_WRONLY|os.O_CREATE, 666) fmt.Println(err) defer file_out.Close() writer := bufio.NewWriter(file_out) txt := `a\nb\n\c` s := fmt.Sprintf(txt) writer.WriteString(s) writer.Flush() } ``` [下一页](https://forum.freemdict.com/t/topic/9160.md?page=2)