EPWING2TEXT

发表于 2015-06-26 | 分类于 dictionary

epwing转text主要有3种方法：

1.用ebdump（用ebdump提取epwing词典的文本图片等），不过这样提取出来格式不好分离出来，词条不好定位。
2.PDIC,可以将epwing格式的词典转换为pdic格式，再从pdict格式中获取文本，转换过程中外字也可以替换掉，不过用PDIC提取，会有部分内容没有提取出来。方法见：link
3.DDWIN 2.30 ,这里要介绍的方法，参考自：http://diamondsky.org/other/japanese/pdic.php

工具：

DDWIN 2.30
外字文件
文本编辑器：EmEditor

主要步骤：

1.用DDWIN获取文本，得到的文本格式每个词条以空行分开。
2.将外字.map文件转换为.tsv格式

on	[hA121]	@@u2019
on	[hA122]	@@u0192
on	[hA123]	@@u201E
on	[hA124]	@@u2020

间隔为tab,@@本来为\,不过批量替换时会被EmEditor过滤掉，所以用@@代替，最后再替换为\

3.用EmEditor导入.tsv文件，批量将外字替换为通用字符(\u123)格式。
4.将通用字符替换为Unicode。

效果：

大部分的外字都可以替换掉，剩下少部分的是外字.map里没有收入的，可以手动替换掉。

详细转换过程见视频：

http://pan.baidu.com/s/1i3GjjRv