再说Mdx的字典文件处理
上次说了Mdx的字典文件的处理并不难,难的是出现个例就是麻烦事。如音标的处理。在《21英汉大词曲》里的音标用方括号来标识。但在这本词典里,用方括号的还不止这一种,还有别的如“[口语]”、“[美国英语]”、“[俚语]”等等,在EmEditor里查找:\[[^一-龥]{0,50}\]可以查找所有的音标,但第一个就出例外了。第一个是 a [强ei,弱ə]就是例外。还有多少个例外呢?
就《21英汉大词曲》而言,经过粗略的整理,呈下图中的格式:
图一
第一种,单词+Tab+单词+1……
第二种,单词+Tab+单词+词性.1……
第三种,单词+Tab+单词+音标+1……
第四种,单词+Tab+单词+音标+词性.1……
但作为一个三维数据表,我需要的是这样
图二
所以,很多的努力都是要把图一的柱子变成图二。
用emEditor来做,方便是方便,就怕出现例外。实际上也确实存在例外。以至于到现在为止我的词典数据都是残缺的。为什么残缺?就是因为出现了例外。好在例外毕竟是少数,也就将就用了。
……