好像表示当前词条未结束，续下页。猜的
但好像又不是 
看了书籍的各种序言、前言、说明，居然都没有对这个进行解释…
1 个赞
没想到您也看这本书
楼主的解读是对的，但Vim兄也没错。
综合一下就是答案，黑色三角形只有奇数页才有（纸书翻开的右下角）
2 个赞
直接定位二级编号应该是可行的，这是提取的所有词头：
keywords.zip (29.0 KB)
但需要转换一个格式（从附件 demo-input 格式转换为 demo-output 格式），求助python实现。
1 个赞
我感觉这个二级编号也解决不了全部的问题呢，是不是有什么我不懂的地方？
在我看来，图片词典要能定位的前提是得有页码信息，一个词头对应一个硬页码。您提供的二级词头只有标题，没有页码。如果只是将 epub 转制成2级定位文字词典（非图片词典）是可行的，因为它不需要硬页码。
请稍等，我给您提供一个带2级编号词头，但仍然不含页码，从 epub 中提取。
前一个回帖附件已经有从epub提取的2级编号词头，只是还不能直接用，需要转换格式（见前条回帖）。
之后确实需要如你所述，将这些2级编号与页码对应，这需要人工处理，但应该挺容易，只是有点烦。
对，我预计的抄词头页码的时间，每2页要抄1分钟，因为有1000页左右，预计500分钟。再加上校对和其它时间，可能就要20小时了。当然，也有可能不要那么久，但会很枯燥。
你来转换格式，我来人工校对页码。 
您来校对恐怕不好，如果有更多的人分担倒是可以，10个人足够，每人100页。只抄数字（不抄任何文字）的话，会比较简单。希望有多一些人看到后报名。
后期我也会尝试对导航做一些优化，增强这个电子图片词典的使用价值。
该代码在提取 epub 中的标题数字时，会有两处识别错误，手工修改了
# -*- coding: utf-8 -*-
import re, pathlib
path = pathlib.Path('./')
fl_out = open("head_word_deep.txt","w", encoding="utf8")
pattern = r'<h[3|4] class="hh(\d+)".*?>(\d+)(.*?)</h[3|4]>'
h1 = ''
for p2f in path.glob("*.xhtml"):
with open(p2f, encoding="utf8") as fl_in:
text = fl_in.read()
heads = re.findall(pattern, text)
for head in heads:
head_word = re.sub(r"<.*?>", "", head[2]).strip()
if head[0] == '1':
h1 = head[1]
head_num = h1
else:
head_num = ".".join([h1,head[1]])
head_txt = head_num + ' ' + head_word
fl_out.write(head_txt + '\n')
fl_out.close()
1 个赞
1 abbreviated styles
1.1 advertisements and instructions
1.2 notes
1.3 commentaries
1.4 titles, notices etc
1.5 headlines
2 abbreviations and acronyms
2.1 punctuation
2.2 initial-letter abbreviations
2.3 acronyms
2.4 plurals
3 [be] able
4 about and on
5 about to
6 above and over
6.1 'higher than': above or over
6.2 'not directly over': above
6.3 'covering': over
6.4 measurements: above
6.5 ages, speeds, 'more than': over
6.6 books and papers
7 accept and agree
8 according to
9 across, over and through
9.1 on/to the other side of (line): across and over
extract_all_headwords_deep2.py (679 字节)
head_word_deep.txt (89.3 KB)
2 个赞
非常强大！！！
1 个赞
Python的确简单好用
已初步完成二级目录对应的页码（取一级主词条的页码作为二级子词条的页码，因此现有页码对应的后续第一个词条基本是准确的）：
二级目录.zip (26.6 KB)
还需要进一步修订，比如：
0001
1.1 advertisements and instructions
1.2 notes
1.3 commentaries
1.4 titles, notices etc
1.5 headlines
0003
2.1 punctuation
2.2 initial-letter abbreviations
2.3 acronyms
2.4 plurals
修订为：
0001
1.1 advertisements and instructions
1.2 notes
0002
1.3 commentaries
1.4 titles, notices etc
1.5 headlines
0003
2.1 punctuation
2.2 initial-letter abbreviations
2.3 acronyms
0004
2.4 plurals
修订只需要在合适位置添加页码即可，只要满足如下即可：
1、4位数的页码（不足补0）
2、后续词条（可多行）为上述页码
特征询志愿者修订完善。
1 个赞
算我一个，先领取100页: 1-100
1 个赞
不复杂的话算我一个吧，最近刚好有点空
2 个赞
先发个demo吧，期待二级词条的修订工作有志愿者协助完成。
基于MdxSourceBuilder，创新：
1、（用户角度）词条导航的左右可直达页面前或后最近的主题，比翻实体书更为简便、快速和人性化。
2、（用户角度）输入"s+词条编号"即可直达最终页面，包括二级标题。
3、（制作者角度）灵活融合多种类型的额外词条，且更新维护超级简单。
5 个赞
好极了，好极了
1 个赞
3 个赞