如何分析freedict文件（*.dict和*.index）

Question

我在找意译词典。Freedict（freedict.org）提供了我需要的，但我不知道如何解析*.index和*.dict文件。我也不知道，谷歌应该怎么做，才能找到关于这些格式的有用信息。在

*.index文件如下所示：

00databasealphabet  QdGI    l
00databasedictfmt1121   B   b
00databaseinfo  c   5o
00databaseshort 6E  u
00databaseurl   6y  c
00databaseutf8  A   B
a   BHO M
a bad risc  BHa u
a bag of nerves BII 2
[...]

以及*.dict文件：

^{pr2}$

我很高兴看到一些示例项目（最好是python，但java、c、c++也可以）来理解如何处理这些文件。在

Answer 1

dictd将其.index和.dict[.dz]的格式视为私有，以保留将来更改它的权利。在

如果您想直接处理它，索引包含标题词，而.dict[.dz]包含定义。它可以选择使用一个特殊的修改过的gzip算法进行压缩，gzip通常不提供随机访问。索引每行包含3列，用制表符分隔：

1. 查找定义的标题词。在
2. .dict[.dz]文件中定义的绝对字节位置，base64编码。在
3. 定义的长度（字节），base64编码。在

如需了解更多详细信息，请参阅dict(8) man page（部分数据库格式），您应该在提出问题之前在研究中找到。为了正确处理标题词，您必须考虑编码和字符排序。在

最终，最好使用现有的库来读取dictd数据库。但这实际上取决于图书馆是否好（这里没有经验）。在

最后，正如您自己所指出的，XML是为了方便处理而制作的。您可以使用XPath提取标题词和翻译，省去所有语法内容，也无需费心解析任何内容。在

在走到这一步之后，下一个问题是不同语言的单词之间没有一对一的映射。。。在

Answer 2

太晚了。但是，我希望它能对像我这样的人有用。在

JGoerzen编写Dictdlib库。您可以看到他如何解析.index和.dict文件的更多细节。 https://github.com/jgoerzen/dictdlib/blob/master/dictdlib.py