मेरी समझ में पीसी और स्मार्टफोन पर सबसे उपयोगी कार्यक्रमों में से एक एक इलेक्ट्रॉनिक शब्दकोश है। उन प्राचीन समय में, जब मैंने एक विदेशी भाषा सीखी, तो मुझे हर शब्द को एक पेपर डिक्शनरी में देखना था। मैंने इस तुच्छ ऑपरेशन को सैकड़ों बार किया, और कुछ दुर्भावनापूर्ण शब्दों को बार-बार देखना पड़ा, क्योंकि मैं उनका अर्थ भूल गया। यह कितना अपमानजनक था! अब चाहे मामला हो, तेज़ी से और मॉनिटर स्क्रीन पर अपनी आँखों के सामने अनुवाद करें। खोज इतिहास, यदि खोज शब्द अल्पकालिक स्मृति के क्षेत्र से दीर्घकालिक तक नहीं गया है।

चलो अपने दम पर StarDict / GoldenDict कार्यक्रमों के लिए एक इलेक्ट्रॉनिक शब्दकोश बनाएं। इसके लिए, आपको स्रोत सामग्री की गुणवत्ता के आधार पर कई या कुछ आदमियों की आवश्यकता हो सकती है।

चरण एक: ओसीआर

पर्वतारोहण के विपरीत, डिक्शनरी को डिजिटाइज़ करने में सबसे कठिन कदम अंतिम नहीं बल्कि पहला है। यदि आपको एक कागज शब्दकोश के ओसीआर को फीका पन्नों के साथ बहुत सूक्ष्म रूप से मुद्रित करना है, लापरवाह उपयोग की विभिन्न कलाकृतियों के साथ, या एक विदेशी भाषा में चलाना है, तो फ़ाइनरेडर भी बहुत मदद नहीं करेगा। कुछ पृष्ठों पर, त्रुटि सुधार के साथ मैनुअल टाइपिंग और ओसीआर के बीच की अवधि में अंतर नगण्य है।

मैं आपको सरल पाठ फ़ाइलों में सब कुछ सहेजने की सलाह देता हूं , क्योंकि उन्नत खोज और त्रुटि सुधार, टैगिंग, छंटाई रूपांतरण और पाठ सरणी के साथ अन्य संचालन एक द्विआधारी फ़ाइल के साथ करने के लिए अकल्पनीय हैं।

इस चरण में, शब्दकोश प्रविष्टियों की संरचना निर्धारित करना महत्वपूर्ण है। सबसे सरल मामले में, केवल दो फ़ील्ड होंगे: एक कुंजी और एक मूल्य । यह पर्याप्त है, लेकिन यदि आपको लेखों के विभिन्न तत्वों को उजागर करने की आवश्यकता है, तो आपको ऐसे सभी तत्वों को एक निश्चित तरीके से लेबल करने की आवश्यकता होगी।

यह प्रारूपों के बारे में थोड़ी बात करने का समय है। इलेक्ट्रॉनिक शब्दकोशों के कई प्रारूप हैं, यहां उनकी एक सूची है।

हम यहां सभी प्रारूपों का विश्लेषण नहीं करेंगे, क्योंकि उनमें से अधिकांश मालिकाना हैं। हम खुले मानकों और ओपन सोर्स सॉफ्टवेयर में रुचि रखते हैं।

dictd

एक युग में उत्पन्न हुआ जब नेटवर्क टीसीपी / आईपी प्रोटोकॉल स्वतंत्र रूप से गुणा और गुणा dictd अब केवल पुरातात्विक रुचि का है। यह एक क्लाइंट सर्वर प्रोटोकॉल है जो RFC 2229 में परिभाषित TCP पोर्ट 2628 का उपयोग करता है।

शब्दकोश के लिए स्रोत फ़ाइल निम्नानुसार स्वरूपित है।

 ::  

उदाहरण के लिए, ऐसा शब्दकोश

 :catalysis: "increase in the rate of a chemical reaction due to the participation of an additional substance called a catalyst, which is not consumed in the catalyzed reaction and can continue to act repeatedly. " <a href="is.gd/v6a22Q">ref</a>. :deconstruction: :rendered: eg. "rendered irrelevant." :reading: cf. 'reading of' :minor: a minor reading. 

डिक्शनरी के लिए तैयार फाइल dictfmt कमांड द्वारा बनाई गई है।

 dictfmt --utf8 -s "  " -j dict-name < mydict.txt 

नतीजतन, 2 फाइलें बनती हैं: dict-name.index और dict-name.dict । इनमें से, पहला स्पष्ट रूप से एक इंडेक्स फ़ाइल है, आपको इसके साथ कुछ भी करने की आवश्यकता नहीं है, और दूसरा dictzip आदेश के साथ संकुचित किया जा सकता है। यह कमांड gzip उपयोगिता का उपयोग करके * .dict फ़ाइल को gzip है। सवाल तुरंत उठता है: अगर नियमित रूप से gzip हो तो यह आवश्यक क्यों है?

तथ्य यह है कि dictzip फ़ाइल के लिए छद्म यादृच्छिक पहुँच प्रदान करने के लिए संग्रह फ़ाइल के शीर्ष लेख में अतिरिक्त बाइट्स का उपयोग करता है।

अंत में, फाइल को प्रोफाइल डायरेक्टरीज़ में रखा जाता है, /usr/lib/dict , हम dictd सर्विस और dictd को dictd । खोज सिंटैक्स सरल है, बस टाइप करें

तानाशाही वॉर्ड।

90 के दशक के इंटरनेट नेटवर्क पर एक कड़ी के माध्यम से जॉगिंग, एक सफारी जैसा दिखता है, जिंदा है और अभी भी किक करता है!

Sdict

अलेक्सई सेमेनोव द्वारा एक ऐसे समय में पर्ल जादू की मदद से दुनिया को बदलने के लिए एक साहसिक प्रयास किया गया था जब माइक्रोसॉफ्ट ने अभी तक लिनक्स और ओपन सोर्स समुदाय को नहीं घुमाया था, और एबीबीवाई लिंग्वो समुद्री डाकू शब्दकोशों का मुख्य स्रोत थे।

स्रोत शब्दकोश फ़ाइल के हेडर।

 <header> title = Sample 1 test dictionary - dictionary name; copyright = GNU Public License - copyright information; version = 0.1 - version; w_lang = en - language for words; a_lang = fi - language for articles. For further information about language codes refer 'C:\Sdict\share\doc\iso639.htm' file; # charset = ... - use if your source file is not in UTF-8 encoding. </header> 

शरीर निम्नानुसार स्वरूपित है:

 word___article 

आप सिम्बियन OS के लिए संस्करण डाउनलोड कर सकते हैं, यदि है तो। परियोजना अब जीवित नहीं है, और यहां तक ​​कि खुद को शब्दकोशों केवल टाइम मशीन से सीखा जा सकता है।

XDXF

खैर, सब कुछ, हम पुरातत्व से बंधे हैं और शब्दकोश प्रारूपों और कार्यक्रमों पर चलते हैं जो IRL का उपयोग करने के लिए उपयुक्त हैं।

एक्सडीएक्सएफ में एक्सएमएल प्रारूप के सभी फायदे और नुकसान हैं, जो यह है। सभी प्रारूप वाक्यविन्यास और उदाहरण यहां देखे जा सकते हैं ।

शब्दकोश फ़ाइल का कंकाल इस तरह दिखता है, जिसमें 2 भाग होते हैं: meta_info और lexicon ।

 <xdxf ...> <meta_info>    : ,   . </meta_info> <lexicon> <ar> 1</ar> <ar> 2</ar> <ar> 3</ar> <ar> 4</ar> ... </lexicon> </xdxf> 

इस प्रारूप में बड़ी संख्या में शब्दकोश हैं। प्रारूप का महान लाभ यह है कि आगे कुछ भी बदलने की आवश्यकता नहीं है। गोल्डनडिक्ट बड़ी संख्या में अन्य समर्थित स्वरूपों के साथ-साथ एक्सडीएक्सएफ फाइलों को पहचानता है।

टीएसवी / स्टारडिक्ट

StarDict और इसके क्लोन इलेक्ट्रॉनिक शब्दकोश प्रारूप के बारे में बहुत अधिक नहीं हैं, लेकिन उन्हें देखने, परिवर्तित करने और बनाने के लिए उच्च गुणवत्ता वाले सॉफ़्टवेयर के बारे में हैं।

StarDict का उपयोग करके एक इलेक्ट्रॉनिक शब्दकोश बनाने के लिए , एक TSV फ़ाइल पर्याप्त है, जिसे मैंने अर्मेनियाई-रूसी शब्दकोश की डिजिटल कॉपी के लिए चुना था।

फिर भी, शब्दकोश फ़ाइल का कुछ स्वरूपण और मार्कअप संभव है, लेकिन इसकी तुलना XDXF नहीं की जा सकती।

 a 1\n2\n3 b 4\\5\n6 c 789 

प्रारूप आलेख को अनुच्छेदों में विभाजित किए जाने की स्थिति में लाइन ब्रेक कैरेक्टर \n को परिभाषित करता है।

चरण दो: समायोजन

पहले चरण के बाद, सबसे अधिक संभावना दर्जनों, या यहां तक ​​कि सैकड़ों वर्तनी, व्याकरण और अन्य सभी प्रकार की त्रुटियां, अजीब चरित्र और अन्य ओसीआर कलाकृतियां होंगी।

शब्दकोशों की ख़ासियत यह है कि वर्तनी की आवश्यकता दो भाषाओं में एक साथ होती है। अब भी 2018 में, आश्चर्यजनक रूप से कुछ पाठ संपादक और यहां तक ​​कि कार्यालय सुइट भी इस सरल क्रिया को करने में सक्षम हैं।

होलीवर के लिए नहीं, मैं विम के साथ उत्पादन करने के लिए टिस्का प्रसंस्करण की सलाह देता हूं। यदि आपका पसंदीदा टेक्स्ट एडिटर इसे खराब नहीं करता है, तो यह अच्छा है। विम के साथ, एक टीम पर्याप्त है।

 :setlocal spell spelllang=en,ru 

इस मामले में रूसी और अंग्रेजी में दो शब्दकोशों में वर्तनी की जाँच करने के लिए। निम्नलिखित रेक की एक सूची है।

• पाठ छँटाई किसी भी तरह से गैर-लैटिन स्थानों के लिए काम करती है, विशेष रूप से बुरी तरह से जहां एक पत्र लिखने के लिए एक से अधिक वर्णों की आवश्यकता होती है, जैसे अर्मेनियाई ու = ո + ւ । ऐसे मामलों में आवश्यक है कि शब्दों की सूची को स्वयं एक साधारण पर्ल या किसी अन्य स्क्रिप्ट का उपयोग करके क्रमबद्ध किया जाए।
• पैटर्न मिलान भी कुछ स्थानों के लिए अप्रत्याशित रूप से काम कर सकता है, भले ही पाठ स्वयं और कंसोल UTF-8 में हों।
• मुद्रित शब्दकोश का डिजिटलीकरण करते समय, किसी को न केवल डिजिटलीकरण त्रुटियों के लिए, बल्कि स्वयं मुद्रित शब्दकोश में त्रुटियों के लिए भी तैयार रहना चाहिए। उनमें बहुत कुछ हो सकता है!
• यदि लेख का शीर्षक बड़े अक्षरों में लिखा गया है, तो संभवतः डिजिटलीकरण करते समय इसे निचले मामले में बदल दिया जाना चाहिए। सभी अक्षरों में अपरकेस अक्षर नहीं हैं; वास्तव में, सभी स्थानों में अपरकेस अक्षर भी नहीं हैं।

चरण तीन: शब्दकोश संकलन

XDXF प्रारूप के लिए, जैसा कि पहले ही उल्लेख किया गया है, इस चरण की आवश्यकता नहीं है। फ़ाइल को /usr/share/goldendict , जहां प्रोग्राम इसे /usr/share/goldendict है।

TSV फ़ाइल के लिए, stardict-editor उपयोगिता को StarDict टूलकिट के साथ आपूर्ति की जाती है।

आउटपुट पर, प्रोग्राम प्राचीन डिक्ट की तरह निम्नलिखित फाइलें बनाता है।

1. somedict.ifo
2. somedict.idx या somedict.idx.gz
3. somedict.dict या somedict.dict.dz
4. somedict.syn (वैकल्पिक)

फ़ाइलों को /ysr/share/stardict/dic निर्देशिका और वह सब पर कॉपी किया जाता है

पीएस एंड्रॉइड मोबाइल प्लेटफॉर्म के लिए, गोल्डनडिक्ट अचानक भुगतान हो गया, लेकिन आप अभी भी इंटरनेट पर नवीनतम मुफ्त संस्करण पा सकते हैं।