如何制作MDict词库

我手机上运行着深蓝词典，使用了一个从网上下载下来的159M的MDict词库——金山词霸2007年合集。由于这个词库显示丑陋，多余无用的词条太多，所以萌生了修改它的想法。

周末花了一天多时间，对这个159M的词库进行了编辑。过程很艰辛，不停地摸索着做，对Grep、UltraEdit、NotePad++、MdxBuilder、GetDict.exe都有了一些了解，基本上达到了目的。把这过程记录下来备忘。

第一步，将MDX格式的词库导成方便编辑的TXT文本

几经查找和尝试，终于找到GetDict.exe，从这个词库里导出了890M大小、每个单词一行的Html＋C格式TXT文本，这种格式不是可以用来直接生成MDX的源文本，但可以方便地把不同来源的单词分开，这是进行下一步编辑工作的基础。

GetDict

图中三个选项里，“UTF-8格式TXT”和“MDX源文件”都可以导出文本文件，区别是前者导出的是每个单词一行的格式，后者是每个单词若干行的格式。见下面示例：

UTF-8格式TXT：
lens lens

透镜

\n

MDX源文件：
lens
lens

透镜

对我来说，每单词一行的格式方便我进行后续的处理。

第二步，从TXT文本中拆出想要的子词库

这个文本文件太大，普通的文本处理软件无法打开，UltrEdit虽然可以，但处理速度太慢。几经尝试，终于找到了Linux下的Grep，不但可以打开，而且处理速度超快。

具体Linux上哪儿找，就看各位手头的条件了，推荐使用Ubuntu操作系统。Ubuntu操作系统是比较优秀的Linux内核的个人电脑操作系统，安装与使用都比较方便，界面非常漂亮，用习惯了你会喜欢上它。

Ubuntu

合集中的子词库太多，都需要靠手工来选择，所以花了好几个小时才把每个词库分开，我把它们分别保存为一个个TXT文本文件。从中选出15个对我有用的，进行下一步的处理。

由于没有人指导，全靠自己摸索，前面这些工作花了一整天加半个晚上的时间。

第三步，对15个词库的TXT文本进行加工

由于这15个TXT文本不是可以直接用于生成MDX词库的源文本格式，因此首先要将它们转换为MDX需要的格式。

1. 先使用MdxBuilder将其转换为MDX文件

“Source”为前面得到的Txt文件，“Tartget”为mdx字典文件，“Original format”选择“KDic text(No phonetic)”，“Encoding”选择“UTF-8(Unicode)”，勾选上“Allow export to text”，点击“Start”，进行转换。