日语mdx词典制作教程

前言

终于是赶在跨年前做出来了，这篇文章大概是今年最后一篇了（笑）。

博主是一名日语生，作为一名文科生，在学习过程中经常需要做笔记，记录一些生词、惯用表达和流行词等，当前市场上主流的词典软件很少有能够涵盖这些内容的，而博主用的几款笔记软件（这里就不指名道姓了，市面上流行的就那么几款）的搜索笔记功能都和屎一样，搜索汉字都费劲，更别提日文了，由此可见文字识别技术的发展任重道远啊。博主在终于忍无可忍的时候，想到为何不把笔记做成词典的形式，搜索关键字可以直接查找内容，有点类似于数据库？想到就做，但开局就遇到了难题，我甚至不知道词典转换软件的输入文件要求使用的格式，谷歌也没找到相关内容，可能像我这样手打词典内容的人太少了吧，大家基本上是使用 python 直接扫市面上现存的词典制作电子词典的。在解包小学馆的 .mdx 文件后终于是了解到输入文件的基本格式，需要写大量相同的 html 标签，手打的话简直是费力不讨好，只能上脚本生成。

但博主是个文科生，编程也只是略有涉猎，最终还得靠 chatgptAI 太好用了你知道吗，花了一天和 ai 斗智斗勇，曾一度放弃，最后还是搞出来了。

本着无私奉献的精神，在这里把这个脚本分享出来，但本脚本只是作者为整理日语笔记制作的，因此大部分功能偏向日语词典，如有其他语言需求请自行修改。

教程

首先下载解压 AutoMdxBuilder，这是生成 .mdx 的软件，博主接下来提供的脚本是基于该软件写的。

然后下载 txt2html_formdx，使用 css 文件夹下的 ctmpl.css 替换 AutoMdxBuilder\_internal\lib 下的同名文件，注意备份源文件。

创建一个名为 input.txt 文件，在其中编写词典内容。编写规则如下

点击展开

请保持 input.txt 按以下格式编写

词目1
解释1

词目2
解释2

词目3
解释3

词目

词目可以使用以下标签实现一些功能

标签	作用	示例
|	添加同义词。可用于重定向词汇、标注外来语原语。在词典中搜索该标签右侧的内容会重定向到左侧的词条。可叠加使用。	グリーン|green
{}	手动注音。默认情况下脚本会自动给含汉字的词目生成平假名，并生成重定向，但软件自动生成的发音不可避免地会出错，因此一些情况下需要手动指定发音	人が中心{ひとがちゅうしん}
{no_kana}	禁止自动注音。默认情况下脚本会自动给含汉字的词目生成平假名，并生成重定向，如果不需要自动注音，可在词目后添加该标签以禁用该行为。该标签在词目写中文、解释写日语的情况下非常有用，由于脚本默认把词目当成日语，使用该标签可禁止其对中文进行注音。	自我の国情に合った発展の道を歩む{no_kana}

解释

解释部分只能占一行，不能换行，不能换行，不能换行！需要换行的情况下，请使用 <br> 标签。也不能使用 TAB，请使用  

理论上只要是 html 标签都可以使用，这里提供解释部分可以使用的几个特殊标签

标签	作用	示例
[example](content1)(content2)	例句标签。content1 为例句，content2 为释义	登记，注册[example](商標を不正登録する)(抢注商标)
[note](content)	提示标签。content 为提示内容	单边主义[note](ユニラテラリズム)

运行 txt2html\txt2html.py，生成 index.txt 和 syns.txt

python txt2html.py input.txt index.txt syns.txt

将 index.txt 和 syns.txt 放入同一个文件夹内，在该文件夹内创建一个名为 build.toml 的文件，修改内容为

[global]
templ_choice = "C"  # 【重要】选择要应用的模板, 同时需完成下方对应模板的具体配置（如果有的话）
name = "示例书名"  # 书名
name_abbr = "SLSM"   # 书名首字母缩写
simp_trad_flg = false  # 是否需要繁简通搜

请确保该文件夹内只有 index.txt、syns.txt 和 build.toml 三个文件，不要出现其他无关文件，否则 AutoMdxBuilder 有概率闪退。

运行 AutoMdxBuilder，按照提示输入生成词典对应的 20 并回车，输入 build.toml 所在文件夹路径并回车，生成的文件会在 AutoMdxBuilder 根目录上一级文件夹中，文件夹名称为 build.toml 中 name 的值。

结语

说实话最累的不是捣鼓这个脚本，而是写 input.txt。

我尝试过使用多个工具去提取笔记 pdf 的内容，但由于日语复杂的字形、多次 OCR 导致笔迹变模糊、曾经为减少笔记软件卡顿将笔记导出再导入导致之前的笔记变成了 pdf 背景的一部分等各种原因，无法将笔记内容转成文字。最后只能采用最低效的方式就是重新手打一遍，还好之前的笔记数量不多，也就 600 多个词条，但久了还是撑不住，打字打到最后不知道自己在干什么了（笑）。

写到这里突然想到，既然都要电子化，为什么不能更彻底一点呢，要不做成数据库试试？因为目前这个脚本做的词典在某种意义上只能叫做「日汉词典」，而不能叫「汉日词典」。因为博主制作自己的词典时大部分是日文词目对应中文解释，脚本最开始的逻辑也是这样的，比如会自动给词目注音，但利用 | 标签其实也可以实现「汉日词典」，即将汉字重定向到日语，或者对汉字词目使用 {no_kana} 标签，然后解释写日语，不过后面这种方式如果要实现双向查询要把同一个词条写两遍，会增大文件体积。不过博主只是个废柴文科生，数据库什么的不可能会的~所以就保持现状就好了，如果有朝一日真的学会了编程什么的，利用数据库加自己写 app 做一个更强大的词典也未尝不可。等等，这不是在往语料库做了吗，喂！

文章就写到这里吧，希望有朝一日某个人发现位于互联网不起眼的角落的这篇文章时，能够帮到你。

最后，新年快乐！