制作MDict词库

（2013年1月27日）周末花了一天多的时间，把网上下载下来的159M的MDict词库（金山词霸2007年合集）进行了修改编辑，这个过程很艰辛，不停地摸索着做，对Grep、UltraEdit、NotePad++、MdxBuilder、GetDict.exe都有了一些了解。基本上达到了目的。现在把这过程记录一下，留着备忘。

我手机上运行着深蓝词典，用了这个159M的词库，由于嫌这个词库显示丑陋，多余无用的词太多，所以萌生了修改它的想法。

第一步是要从MDX格式的词库中导出txt格式的文本，才能对它进行编辑，几经查找和尝试，终于找到GetDict.exe，导出了txt文本，它是每个单词一行的Html＋C的格式，方便把不同来源的单词分开，但不是MDX所要求的源文本。为了把无用的单词去掉，我需要对它进行处理。由于这个文件太大（约890M），家里的电脑不能装UltrEdit，其它软件都打不开它（单位的电脑能装，但处理效率太低），经过研究，终于找到了Linux下的Grep可以完成此项任务，并且速度超快。由于合集中的词库太多，都需要手工选择，所以还是花了好几个小时的时间才把每个词库分开，分别保存为一个一个的文件。从中选出了15个对我可能有用的词库，进行下一步的处理。（由于不熟悉，没有人指导，都靠自己摸索，前面这些工作花了一整天加半个晚上的时间）。

第二步是对那15个词库的源文本进行加工。为把源文本转换为MDX需要的格式，使用了MdxBuilder，先将其转换为MDX文件，选项里选上“Allow export to text”，然后用MdxExport.exe将上一步得到的mdx文件转换为txt文件，即得到了MDX所要求的“每单词三行”文本格式。但里面有很多< > " & 需要替换为 < > " &后才能用。这个环节又花了半个晚上加一上午，才把15个文件整理完毕。这个过程使我对正则表达式有了一些了解，对NotePad++也熟悉了一些：NotePad++的搜索替换速度很快，能使用正则表达式，但缺点是文件太大后（约100M），经常执行一半就异常退出了。为了处理一些大文件（约140M），我不得不把文件分成两个，再进行处理。

第三步，使用MdxBuilder将处理完毕的词库文本文件进行转换，得到最终MDX格式的词库文件。完成所有任务。

把它们装到我的手机上，界面好看多了。使用自己动手做的东西，感觉就是好。