如何將PDF格式轉化為mdx格式，這樣就可以放進歐路詞典中了？

迷路的小白2017-02-09 03:38:40

同問

愛吃土豆的花生2017-03-08 21:54:17

同問 專業英語 只有pdf版

匿名使用者2017-04-22 17:10:14

得有資料來源，換句話說，掃描版的pdf就不行（至多給pdf做一個詞頭索引）。至於mdx怎麼製作，可參考

http：//

pdawiki。com

裡的教程，不過沒有程式設計基礎就很難做。

KnIfER2017-06-30 11:35:33

之前我把國外的一本書《the name of plants》即《植物名稱》轉成了mdx格式的電子詞典。

原書：

裡面有大把大把詞源學內容，我很喜歡~

而且乍一看，排班不錯嘛，轉成mdx（使用g站writemdict）還不是分分鐘的事？

但，文字複製出來一看，我就發現有很嚴重的錯行問題。轉成xml、轉成docx、轉成txt都無濟於事。

不過最終我還是搞定了，主要使用pdfminer，以及花費了數小時的苦逼勞作。

成果：

好吧我只看懂菊花的學名是在形容顏色。。

好像並沒有教你怎麼提取pdf做詞典。。

反正pdf很邪惡的啦！你要做好準備，有堅韌不拔之毅力！

——————————-又發現新大6————————————-pdf暴力切割法——————

簡單提一下ghost script：

這是各種蹂躪、操練pdf文件的法寶，pdf界的ffmpeg，神器。。。

好吧跟ffmpeg一樣，ghostscript其實不是特別完美，也是個命令列工具。

它可以用來：切割、合併pdf

切：

gc ^

-o cropped。pdf ^

-sDEVICE=pdfwrite ^

-c “［/CropBox ［0 0 395。22 842］” ^

-c “ /PAGES pdfmark” ^

-f page1。pdf

將page1。pdf切成CropBox ［左 下 右 上］定義的矩形，儲存為cropped。pdf

並：

gc -sDEVICE=pdfwrite -dBATCH -dNOPAUSE -dQUIET -sOutputFile=out。pdf page1。pdf cropped。pdf

gc是gs9。21\bin\gc。exe這個命令列工具，原名大概是gs_console。exe。。。被我強行簡寫改名

\

\

\

將PDF格式轉化為mdx格式（大致思路）：

1。將每一頁全部匯出為單個pdf文件。page1。pdf、page2。pdf……

2。根據目錄確定每一詞條所在檔案。比如：Alder-ene Reaction在page2。pdf

3。使用pdf miner確定詞條入口的位置。比如：標題“Alder-ene Reaction”在Alder［左 下 右 上］定義的矩形位置。

4。使用gs將page2。pdf一切兩。切割分界線是Alder［上］，這樣，切割後，page2。pdf上部分是上一詞條的內容，下部分是下一詞條的內容。

5。如此切割每一詞條入口所在檔案。

6。歸併。確保歸併完後每一pdf有且僅有一個詞條的內容。

7。將pdf們轉換為html們

8。將html們編入mdx格式

~~~~~~~撒花~~~~~~~~~~~~

3、4兩部比較有難度。其他都是小意思。

\

\

\

p。s。如此情況建議放棄mdx詞典格式或者複雜的PDF格式。

匿名使用者2017-11-24 18:01:10

淘寶有人代做。沒錯我是其中之一。100一本，不限詞條數目，不限原材料格式，可先免費製作前100條看效果