据我了解，PC和智能手机上最有用的程序之一就是电子词典。 在古代，当我学习一门外语时，我不得不在纸质词典中寻找每个单词。 我做了数百次微不足道的操作，而且我不得不一次又一次地观看一些恶意的单词，因为我有时间忘记它们的含义。 多么侮辱！ 无论是现在还是现在，都可以在监视器屏幕上快速移动并翻译。 搜索历史，以防搜索词没有从短期记忆域移到长期记忆域。
让我们自己为StarDict / GoldenDict程序创建一个电子词典。 为此，您可能需要很多或几个工时，具体取决于原始材料的质量。
第一步：OCR
与登山相反，数字化词典中最困难的步骤不是最后一步，而是第一步。 如果您必须运行纸质词典的OCR，且褪色的页面打印得过于精细，粗心使用各种人工制品或使用外来语言，那么即使FineReader也无济于事。 在某些页面上，手动键入和带错误校正的OCR之间的时间长度差异可以忽略不计。
我建议您将所有内容保存在简单的文本文件中，因为对于二进制文件而言 ，使用文本数组进行高级搜索和纠错，标记，排序转换以及其他操作是不可想象的 。
在此步骤中，重要的是确定字典条目的结构。 在最简单的情况下，将只有两个字段： 键和值 。 这足够了，但是如果您需要突出显示文章的各种元素，那么您将需要以某种方式标记所有这些元素。
现在该讨论格式了。 电子词典有多种格式，下面是它们的列表。
我们不会在这里分析所有格式，因为大多数格式都是专有的。 我们对开放标准和开放源代码软件感兴趣。
切块
如今，在网络TCP / IP协议自由增加和增加的时代里出现的考古问题才引起人们的注意。 这是使用RFC 2229中定义的TCP端口2628的客户端服务器协议。
字典的源文件格式如下。
::
例如这样的字典
: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.
字典的完成文件由dictfmt命令创建。
dictfmt --utf8 -s " " -j dict-name < mydict.txt
结果，形成了两个文件： dict-name.index和dict-name.dict 。 其中，第一个显然是索引文件，您无需对其进行任何操作，第二个可以使用dictzip命令压缩。 此命令使用gzip实用程序压缩* .dict文件。 问题立刻出现：为什么要有常规的gzip呢？
事实是dictzip在存档文件的标题中使用了额外的字节，以提供对该文件的伪随机访问。
最后，将文件放置在配置文件目录中， /usr/lib/dict ，我们重新启动了dictd服务，瞧。 搜索语法很简单，只需键入
字典字。
在dictd链接上慢跑就像是90年代互联网网络上的一个野生动物园，还活着，而且还在踢！
Sdict
在微软尚未改变Linux和开放源代码社区以及ABBYY Lingvo盗版者是词典的主要来源的时候， Alexei Semenov做出了大胆的尝试，借助Perl魔术来使世界变得更好。
源词典文件的标题。
<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>
正文的格式如下：
word___article
您可以下载适用于Symbian OS的版本。 该项目不再有效，甚至字典本身也只能从Time Machine中学习 。
Xdxf
嗯，所有事情，我们都与考古联系在一起，并转向适用于使用IRL的字典格式和程序。
XDXF具有XML格式的所有优点和缺点。 所有格式语法和示例都可以在此处查看。
字典文件的框架如下所示，由两部分组成： meta_info和lexicon 。
<xdxf ...> <meta_info> : , . </meta_info> <lexicon> <ar> 1</ar> <ar> 2</ar> <ar> 3</ar> <ar> 4</ar> ... </lexicon> </xdxf>
有大量这种格式的词典。 该格式的最大优点是无需进一步转换任何内容。 GoldenDict可以识别XDXF文件以及许多其他受支持的格式。
TSV / StarDict
StarDict及其复制品与电子词典格式无关，而与用于查看，转换和创建它们的高质量软件有关。
要使用StarDict创建电子词典， TSV文件就足够了，我选择了该文件作为亚美尼亚语-俄语词典的数字副本。
但是，可以对字典文件进行一些格式化和标记，但是不能与XDXF进行比较。
a 1\n2\n3 b 4\\5\n6 c 789
在将文章分为段落的情况下，格式定义换行符\n 。
第二步：调整
第一步之后，很可能会有数十甚至数百个拼写，语法和各种其他错误，奇怪的字符以及其他OCR伪像。
词典的特殊之处在于，同时需要两种语言的拼写。 即使在现在的2018年，令人惊讶的是很少有文本编辑器甚至办公套件能够执行此简单操作。
不适合使用，我建议将Teska加工成Vim来生产。 如果您喜欢的文字编辑器做的还不错，那就很好。 有了Vim，一个团队就足够了。
:setlocal spell spelllang=en,ru
检查两个字典的拼写，在本例中为俄语和英语。 以下是耙的列表。
- 文本排序无论如何都适用于非拉丁语言环境，特别是在写字母需要多个字符的情况下，例如亚美尼亚语
ու = ո + ւ ，这尤其糟糕。 在这种情况下，有必要使用简单的Perl或其他脚本自己对单词列表进行排序。 - 即使文本本身和控制台在UTF-8中，模式匹配也可能在某些语言环境中无法正常工作。
- 在数字化印刷字典时，不仅要准备数字化错误，还要准备印刷字典本身的错误。 它们可能包含很多！
- 如果文章标题用大写字母书写，则在数字化时也许应该将其转换为小写。 并非所有字母都具有大写字母；实际上，并非所有语言环境都具有大写字母。
第三步：词典编译
如前所述，对于XDXF格式，不需要此步骤。 只需将文件放在/usr/share/goldendict ，程序即可在其中找到它。
对于TSV文件，使用StarDict工具包随附的stardict-editor实用程序。
在输出中，程序将创建以下文件，例如古代Dict。
- 某某
- somedict.idx或somedict.idx.gz
- somedict.dict或somedict.dict.dz
- somedict.syn（可选）
文件复制到/ysr/share/stardict/dic目录，仅此/ysr/share/stardict/dic 。
PS对于Android移动平台， GoldenDict突然成为付费用户，但是您仍然可以在Internet上找到最新的免费版本。