作者：亚马逊的蝴蝶（Butterfly_of_Amazon）
我手机上运行着深蓝词典，使用了一个从网上下载下来的159M的MDict词库——金山词霸2007年合集。由于这个词库显示丑陋，多余无用的词条太多，所以萌生了修改它的想法。
周末花了一天多时间，对这个159M的词库进行了编辑。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。把这过程记录下来备忘。
第一步，将MDX格式的词库导成方便编辑的TXT文本
几经查找和尝试，终于找到GetDict.exe，从这个词库里导出了890M大小、每个单词一行的Html＋C格式TXT文本，这种格式不是可以用来直接生成MDX的源文本，但可以方便地把不同来源的单词分开，这是进行下一步编辑工作的基础。
图中三个选项里，“UTF-8格式TXT”和“MDX源文件”都可以导出文本文件，区别是前者导出的是每个单词一行的格式，后者是每个单词若干行的格式。见下面示例：
UTF-8格式TXT：
lens <font size=5 color=#0069b9>lens</font><br><br><font size=3>透镜</font><br><br>\n
MDX源文件：
lens
<font size=5 color=#0069b9>lens</font><br><br><font size=3>透镜</font><br><br>
</>
对我来说，每单词一行的格式方便我进行后续的处理。
第二步，从TXT文本中拆出想要的子词库
这个文本文件太大，普通的文本处理软件无法打开，UltrEdit虽然可以，但处理速度太慢。几经尝试，终于找到了Linux下的Grep，不但可以打开，而且处理速度超快。
具体Linux上哪儿找，就看各位手头的条件了，推荐使用Ubuntu操作系统。Ubuntu操作系统是比较优秀的Linux内核的个人电脑操作系统，安装与使用都比较方便，界面非常漂亮，用习惯了你会喜欢上它。
合集中的子词库太多，都需要靠手工来选择，所以花了好几个小时才把每个词库分开，我把它们分别保存为一个个TXT文本文件。从中选出15个对我有用的，进行下一步的处理。
由于没有人指导，全靠自己摸索，前面这些工作花了一整天加半个晚上的时间。
第三步，对15个词库的TXT文本进行加工
由于这15个TXT文本不是可以直接用于生成MDX词库的源文本格式，因此首先要将它们转换为MDX需要的格式。
1. 先使用MdxBuilder将其转换为MDX文件
“Source”为前面得到的Txt文件，“Tartget”为mdx字典文件，“Original format”选择“KDic text(No phonetic)”，“Encoding”选择“UTF-8(Unicode)”，勾选上“Allow export to text”，点击“Start”，进行转换。
2. 再用MdxExport.exe将生成的MDX文件转换为TXT文件，即得到了MDX所要求的“每单词三行”的文本格式。
文本里有很多 < > " & ，需要替换为 < > " &后才能用。
a battery
a battery<font size=5 color=#0069b9>a battery</font><br><br><font size=3>a电池组</font><br><br><br>
</>
这个环节又花了半个晚上加一上午。这个过程让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，但缺点是文本文件达到约100M后，就经常处理到一半就异常退出，所以对大的词库，不得不把文件分成两个后再进行处理。
词库文件使用的是 HTML 格式语言，为了让词库显示美观，需要掌握基本的 HTML 知识，用于对词库中的字体样式、显示颜色进行美化处理。
第四步，将处理完毕的词库文本文件生成为最终版MDX文件
使用MdxBuilder将前面处理完的词库文本文件生成为MDX文件，得到最终版MDX格式的词库文件。
至此，任务完成。
我把这些词库装到手机上的深蓝词典中，用起来非常方便，比原来的界面也好看多了。我再从网上找到了一个377M的真人语音库（非常好的语音库，重点推荐）配合使用，完美地同时满足了查单词和听发音的需求。
下面是前面用到的软件、真人语音库和我加工的几个词典的下载地址，感兴趣的朋友可以下载玩玩。
其中重点推荐真人语音库，完全真人的标准发音，比电脑自动阅读的不知强多少倍，是英语学习的好帮手。
相关下载
看完说点儿什么吧，要不点一下赞或踩一脚也行。您的任何一点儿反馈都能给我帮助，谢谢！
