(Nielen) anglicko-české slovníkové databázy pre StarDict

23. 6. 2006 | Pavel Stříž, Jozef Říha | Tipy a triky | 30385×

Tento článok preto predstavuje postupy, akými možno naplniť open source slovník StarDict niektorými komerčnými či free slovníkovými databázami. Pokiaľ namiesto StarDictu používate iný slovník, ktorý možno rozšíriť o ďalšie databázy, i tak vám môžu vám byť niektoré informácie na úžitok.

Pred necelým rokom magazín LinuxEXPRES publikoval článok s názvom Svobodné slovníky pro Linux, kde predstavil čitateľom viaceré slovníkové aplikácie. Častokrát dôležitejšie než pohodlnosť a efektívnosť práce s takouto aplikáciou sú však dáta, ktoré má k dispozícii. Nazdávame sa, že nezanedbateľné percento používateľov si nie je dostatočne vedomé možností a zdrojov, odkiaľ ich získať.

StarDict

StarDict je jednoduchý, no svojimi funkciami plne postačujúci slovník pre platformu Linux, Windows, FreeBSD i Solaris. Zvláda vyhľadávanie vo viacerých databázach naraz, prehľadáva schránku, pre rýchlejšie vyhľadávanie používa indexáciu, rozoznáva zástupné znaky a po dodaní zvukových súborov hľadané slovo tiež prehrá na zvukovom výstupe. Existuje tiež konzolová aplikácia (sdcv), ktorá používa databázu vo formáte StarDict. Čo vám na StarDicte môže prekážať, je to, že okrem samotného dopytu nespracúva žiadne iné argumenty (použité databázy, výstup do konzoly a pod.) a tiež nemožnosť zmeny niektorých "hard-coded" nastavení (cesta pre súbory s výslovnosťou, klávesové skratky).

Samotný slovník neobsahuje po inštalácii žiadne databázy. Na stránkach projektu sa ako prvé ponúkajú free výkladové anglické slovníky (WordNet, Collins Cobuild, LongMan), ktoré ste si už pravdepodobne doinštalovali. Nie každý je však natoľko zdatný v angličtine, aby mu výkladový slovník stačil, a preto sa pozrieme na česko-anglické databázy.

GNU/FDL AČ-ČA

Projekt GNU/FDL Anglicko-český slovník od pána Milana Svobody je dostatočne známy a netreba ho nijak zvlášť predstavovať. Ide o slovník pre voľné použitie, do ktorého môže, prostredníctvom webového rozhrania, prispievať každý (bez nutnosti registrácie). To má samozrejme svoje výhody (neologizmy, možnosť rýchlej opravy chýb a nepresností) i tienisté stránky (možné licenčné problémy či chyby v preklade). Vďaka pánovi Čihařovi a jeho blogovému zápisu možno sťahovať každý deň aktualizovanú verziu GNU/FDL slovníka vo formáte StarDict na tejto adrese. Neostáva nič iné, len poďakovať.

PC Translator

PC Translator od firmy LangSoft je pomerne obľúbený prekladač a to nielen v Čechách, ale i na Slovensku. Slovník je možné spustiť i pod Wine, no najnovšie verzie majú bohužiaľ problémy so zobrazovaním, čo používanie slovníka značne obmedzuje (po dvojkliknutí na výsledok vyhľadávanie sa zobrazí iba prvá možnosť). Napadlo nás, či by bolo možné skonvertovať použitú jazykovú databázu pre StarDict.

Slovníkové údaje sú uložené vo formáte DBF v3; najjednoduchšia cesta, ako z nich vydolovať dáta, je však použiť iný spôsob než parsovanie týchto dát. Spustite Dictionary manager (wtrdctm.exe vo Windows alebo príkazom wine wtrdctm.exe) a vyberte možnosť Zálohovanie slovníku. V inštalačnom adresári pribudne niekoľko súborov s príponami .15, .25, ..., .55. Súbory dekomprimujte a zlúčte do jednoho príkazom

zcat prvy.15, druhy.25 .. >ancs.txt

Pre ďalšie spracovanie tohto súboru sme pripravili skript, ktorý si môžete stiahnuť na tomto mieste. Okrem perlu budete potrebovať ešte binárku tabfile (src/tools tarballu stardict). Taktiež sa uistite, či máte v systéme prítomnú utilitu dictzip (balík dictd), ktorá kompresiou môže zmenšiť slovníkový súbor až o polovicu.

Rozbalený skript a súbor ancs.txt umiestnite do spoločného adresára a spustite ho spolu s dvojpísmenovým kódom jazyka ako argument. Výsledkom spustenia sú 3 súbory – ifo/diz/idx. Vytvorte pre ne adresár (názov nie je dôležitý) a skopírujte ho buď do systémového /usr/share/stardict alebo ~/.stardict/dic. V tejto chvíli by ste mali po reštartovaní StarDictu vidieť novú slovnú zásobu.

Podobným spôsobom je možné pre StarDict skonvertovať i slovník fráz. V PC Translatore sa tento zobrazí po kliknutí na nájdené slovo pravým tlačidlom myši alebo stlačení Ctrl+M. Na tento účel vám poslúži tento skript.

Momentálne možno skriptami preložiť anglickú, slovenskú, poľskú, latinskú, taliansku, francúzsku, portugalskú, španielsku, holandskú, maďarskú, ruskú a švédsku slovnú zásobu.

Pri PC Translatore stojí ešte za zmienku terminálový program českého autora s názvom dP translator, ktorý by mal podporovať slovníkové dáta PC Translatoru priamo, bez nutnosti ich konverzie. Bohužiaľ kód je už natoľko zastaralý (posledná úprava roku 1999), že sa nám ho nepodarilo úspešne skompilovať.

Audio?

Pomocou skriptu vyslovnost.py si môžete vygenerovať zo súborov *.cmp v inštalačnom adresári Translatora audiosúbory s výslovnosťou. Postup je nasledujúci: v adresári s inštalačnými súbormi spustite príkaz

dbf --csv reader.out readera.dbf

v skripte vyslovnost.py upravte cestu, kam sa majú audiosúbory ukladať, a spustite python vyslovnost.py. Hotový adresár so súbormi presuňte do /usr/share.

PC Translator používa výslovnosť vo formáte Ogg komprimovaný speex kodekom. Kvalita nahrávok sa nám nepríliš pozdáva, prekážala nám predovšetkým veľmi slabá intonácia. Odporúčame preto stiahnutie WyabdcRealPeopleTTS – voľne dostupného balíku s wav súbormi, ktoré sa počúvajú oveľa lepšie, a ich vzájomné skombinovanie: teda na miesto s uloženými súbormi skopírujte a potvrďte prepísanie súborov s rovnakým názvom. Posledná úprava, ktorú treba vykonať, je nastavenie skriptu pre prehrávanie súborov. Buď v nastavení StarDictu zadáte program, ktorý zvláda prehranie .wav i .ogg súborov (MPlayer si bohužiaľ s wav súbormi o tak nízkom bitrate neporadí), alebo použite tento bashový skript.

Tým používateľom, ktorí majú disk formátovaný malými blokmi či súborový systém optimalizovaný pre malé súbory, takmer 50 000 súborov na disku nebude prekážať. Pre ostatných len toľko: ak výslovnosť nepotrebujete, neinštalujte ju. A ak ju potrebujete, tak vám snáď aspoň malou kompenzáciou bude fakt, že môžete so súbormi svojvoľne pracovať – napríklad si môžete nechať iba niektoré alebo si nahovoriť vlastné. Len pre predstavu: vyššie opísaným postupom vytvorený adresár má zatarovaný (čiže uložený v jednom súbore bez kompresie) necelých 190 MB.

Universal Dictionary

Universal Dictionary je projekt, ktorého cieľom je vytvoriť slovník, ktorý by vzájomne prepájal hneď niekoľko jazykov naraz. Princíp fungovania slovníka možno najlepšie pochopiť zo stránok projektu. Rovnako ako pri GNU/FDL slovníku i tento rastie vďaka komunite dobrovoľných prekladateľov. Na internete sme objavili pythonový skript, ktorým možno bilinguálne preklady vygenerované na stránke www.dicts.info/uddl.php prekonvertovať do StarDictu a upravili sme ho tak, aby mu nerobili problémy riadky s 3 stĺpcami.

WT-slovník

WT-slovník je freewarový anglicko-slovenský slovník s približne polovičnou slovnou zásobou GNU/FDL. Po konverzii z databázy MS Access na plaintext môžete použiť nasledovný skript a pomocou tabfile vytvoriť z vygenerovaného súboru slovníkové súbory pre StarDict. Súbory .ifo si musíte „vyrobiť“ sami – stačí, ak sa inšpirujete už jestvujúcimi súbormi v /usr/share/stardict/dic. Hodnotu wordcount vypíše tabfile.

Millennium

Slovníky Millennium sú k dispozícií na stiahnutie na stránkach fy Commercial Service, s.r.o. a to vo všetkých verziách. Základná verzia je free, ostatné sú funkčné po dobu 30 dní, pre dlhšiu dobu používania je potrebné kúpiť odblokovací kľúč.

Konverzia je možná, no postup trochu kontroverzný, a tak sme sa rozhodli nakoniec neuverejňovať návod. Asi by to nebolo úplne férové. Každopádne zverejňujeme skript pre tých, ktorý si nedajú pokoj a ochranu Access databázy (mdb) nejakým spôsobom obišli (funguje pre všetky jazykové verzie i úrovne slovníkov).

Ďalšie slovníky?

Jeden z autorov StarDictu tvrdí, že sa mu podarilo zistiť spôsob, akým sú ukladané heslá v databáze slovníkov Babylon. Na predídenie potenciálnym licenčným problémom sa však rozhodol ho nepublikovať. Mnoho ďalších free slovníkov pre platformu Windows možno nájsť napríklad na stránkach slunecnice.cz a tak môžete pokúšať šťastie s ich spúšťaním pod Wine. To už je ale téma na iný článok.

Na slunecnice.cz sme objavili tiež free slovník iTranslator, ktorý síce (zatiaľ) nefunguje pod Linuxom, no zaujímavý je predovšetkým slovnou zásobou (cca 400 000 slov). Databáza je uložená v sqlite3, takže jej spracovanie je prakticky triviálne. V plaintext formáte má potom uložené dáta tiež slovník Slovník 1.6 s necelými 150 000 záznamami.

Aj keď sa to už cudzojazyčných slovníkov príliš netýka, občas sa môže hodiť aj slovník cudzích slov. Jeden taký, určený pre Palm (a teda dosť skromný), je Slovník cizích slov. Pretože ide o obyčajný Palm dokument (.pdb), je konverzia veľmi jednoduchá a zmestí sa doslova na jeden riadok:

txt2pdbdoc -d scs.pdb | grep " - " | sed "s/ - /\t/" | tr -d '"' | \
iconv -f cp1250 -t utf8 >out; tabfile out

Príslušný .ifo súbor si musíte pripraviť sami.

Suma sumárum

Na záver porovnanie veľkosti slovnej zásoby pre popisované slovníky (hodnota wordcount – teda počet unikátnych hesiel) – výkladové slovníky a dvojjazyčné smer anglicko-český:

Názov slovníka	Odkaz	Wordcount	Cena (v Kč bez DPH)
The Britannica Concise	www.britannica.com	24 402	free
Collins Cobuild	collins.co.uk	34 097	free
WordNet	wordnet.princeton.edu	149 535	free
Oxford Advanced Learner's	oup.com/elt/oald	34 153	free
Merriam Webster 10th	m-w.com	20 517	free
Longman - Contemporary English	longman.com/ldoce	43 052	free
GNU/FDL k 13. 6. 2006	slovnik.zcu.cz	84 209	free
PC Translator 2005	translator.cz	408 243	3 750
Universal Dictionary k 13. 6. 2006	dicts.info	16 674	free
WT-slovník (ang-sk)	slovnik.wtsba.sk	46 674	free
Millennium Profi	pc-slovniky.cz	945 772	12 800

Pozn. Mnoho ďalších anglických výkladových slovníkov pre StarDict možno stiahnuť zo stránky XDXF Dictionaries Download.

Dôkaz miesto sľubov

Screenshot bežiaceho programu (PNG, 85 kB)

Na záver

Veríme, že informácie obsiahnuté v článku boli pre vás zaujímavé a užitočné a že argument o nedostatku kvalitných slovníkov pre Linux je pre väčšinu z vás už minulosťou. Ak máte tipy na ďalšie slovníky, prosím zmieňte sa o nich v diskusii.

Niektoré postupy pri konverzii predovšetkým komerčných slovníkov bohužiaľ vyžadujú použitie closed-source software (MS Windows, MS Access), prípadne sama oprávnenosť konverzie môže byť rozporuplná. Z tohto dôvodu sme sa rozhodli postupy nezverejňovať a nechať všetko na vôli a schopnostiach používateľa. Dúfame, že netreba nijak zvlášť prízvukovať, že slovníky vygenerované z komerčných databáz nie sú určené na publikovanie kdekoľvek na internete či inými prostriedkami.

Za nečistosť či neefektivitu skriptov sa ospravedlňujeme – ani jeden z nás nie je zameraním programátor, navyše sa domnievame, že prevod slovníka je jednorazový proces, a tak sa perličkovaním a šperkovaním do dokonalosti nechceme zaoberať.

Veľa úspechov pri objavovaní krás cudzích jazykov prajú autori článku,

Jozef Říha, Pavel Stříž

PS: Radi by sme poďakovali Vítovi Pelčákovi aka Belisarivsovi za pomoc pri nezávislom testovaní skriptov.

       

Komentáře

[Thunder.m]

Dobrý, tohle jsem chtěl začít brzy hledat :) Ale koukám že jsem už asi našel, Stardict se mi zdá celkem super, ještě dohledat nějaké ty slovníky i pro španělštinu a je to :)

[belisarivs]

Mohl bys zkusit (pokud mas PC translator) zalohovat spanelstinu a pouzit prislusny skript. Myslim, ze spanelstina je podporovana.

[jose17]

ne, španělská abeceda zatím podporována není. ale třeba se najde nějaký dobrovolník, je to docela triviální (stačí hexeditor a tužka+papír )

[belisarivs]

Tak vidim, ze ti to vlozili. No vidis. A ty jsi se divil, kde to vazne.

[Aleš Kapica]

Nechápu, proč když už jsou zmíněné komerční slovníky, kór only win, proč autor nezmínil také Lingea Lexicon, který má rovněž nativní linuxovou verzi, a co do rozsahu slov řadu zmíněných jistě překonává.

[Michal Karas]

Lexicon byl fajn, bohužel dnes už mi GTK+1 a OSS moc nevyhovují. Nezkoušel někdo dostat ta data do StarDictu?

[Klokan Petr Přidal]

No, mam tu skript, ktery data z Lingei dostane, chtelo by na nem jeste tak pulden pracovat... aby to bylo 100% ale vse je pripravene, napsane v pythonu.. Pokud ma nekdo zajem ozvete se.

[belisarivs]

Nazdar. Psali jsme ti s Josem na mail.

[Michal Čihař]

Zájem by určitě byl .

[Klokan Petr Přidal]

Tak jsem ten skript konecne pustil ven, pokud vas to zajima tady je: Lingea .trd decoder for Stardict tabfile

[GeBu]

Nevíte někdo o nějakých dobrých databázích pro Ruštinu a Ukrajinštinu? Pro překlad do češtiny a zpět.

[Michal Karas]

Díky za pěkný článek.

Taky si trochu přihřeju polívčičku. Před pár dny jsem přidal do AURu PKGBUILDy pro LongMana a GNU/FDL Anglicko-Český slovník, takže uživatelé Arch Linuxu je mohou využít.

[Daniel Kvasnička ml.]

Takovy clanek tu chybel, ale ze autor da Lingea Lexicon, nejpropracovanejsi slovnik na trhju s Linuxovou verzi, jen do odkazu, to je zasadni chyba...

Ta soucasna GTK1 verze je priserna, co se tyka programu, ale psal jsem do Lingey co chystaji a bylo mi receno, ze novou multiplatformni verzi a ze GTK to nebude, tak cekam

[stativ]

Sazim na javu.

[bhy]

Proc ne Mono?

[Klokan Petr Přidal]

Pod Macem maji verzi napsanou v Jave (a jede to pomalu), pocitam, ze zustanou u Javy .

[Christof]

udělám malou reklamu na projekt DEBDict - prohlížeč různých slovníků (v současné době např. slovník spisovné češtiny, slovník synonym, slovníky cizích slov, encyklopedie Diderot...). Bohužel kvůli autorským právům nejsou data úplně volně přístupná.

[Daniel Kvasnička ml.]

No a multiplatformni vicejazycny PEKI slovnik taky zminen nebyl ...i kdyz jeho databaze nijak slavna neni, jazyku umi opravdu dost.

[belisarivs]

No, Peki ale IMHO vyuziva GNU-FDL databaze, ne?

Vy jste to nepochopil (a nejen vy). On nechtel primarne zminovat ruzne slovniky ale jenom databaze, ktere by sly dostat do Stardictu.

O to slo.

[miguel2]

Pre autora clanku:v akom formate musia byt data aby sa dal pouzit skript pre millennium. Je niekde skript na konverziu dat do stardict-u v tvare: eng_slovo TAB cz_slovo LF . Ide o databazu slov pre PEKI slovnik a chcel by som to pouzit v stardict-e. Neviem programovat a tak mi ten skript robi problemy. Dik za pomoc

[belisarivs]

Nepouziva PEKI GNU-FDL databazi? V tom pripade tu Michal Cihar pravidelne updatuje tuto databazi pro Stardict.

[miguel2]

pouzivam vlastnu databazu ,teraz ju mam upravenu do Peki slovnika, ale chcem tuto databazu nejako dostat do stardict-u.

[belisarivs]

No, pro tabfile je formatovani soubou nasledujici

Jazyk1/tab/jazyk2

.

.

V jazyk1 i 2 mohou byt mezery. Je to pak chapano jako jeden vyraz. Takze bud si napisete skript sam, nebo si tu databazi upravite pro tabfile rucne.

[jose17]

na Vašu prvú otázku by vedel odpovedať skôr belisarvius, ale pohľad na skript trošku napovie (jedná sa o 3 súbory). čo sa týka otázky druhej, tak presne takémuto formátu (def1<tab>def2) rozumie tabfile (súčasť stardictu – adresár tools alebo prípadne použite nami predkompilovanú verziu)

[miguel2]

Vdaka za pomoc uz to ide

[flim]

Odkud muzu stahnout Vami predkompilovanou verzi tabfile?

[jose17]

ozvite sa mi na e-mail a binarku Vam obratom zaslem.

[LukeT]

Zdravim,vim, je to trochu otravna zadost, ale prece...nenasel by se nekdo, kdo by mi poslal vycucnute a skriptem prejete data z PcTranslatoru s anglictinou? Mam tento program, jsem novacek v linuxu (mam Ubuntu 6.06) a netroufam si zatim na upravy zminene v clanku, lec k rychlejsimu a lepsimu prechodu na linux by mi moc ty data pomohly (pouzivam PcTransl k praci s Winama a je to jedina vec, ktera me u nich drzi, mrcha) ...muj email je linuxfan(ZAVINAC)seznam.cz

[belisarivs]

Ono neni zrovna legalni posilat si takova data. Pokud jsi opravnenym majitelem slovniku, tak neni problem udelat sito sam, ale porad se o to nemuzes s nikym delit.

Dyt je to trivialni.

Spust (ve Win) exac, ktery nabizi zalohovani databaze slovniku (nevim jmeno, ale neni to ten co preklada ani ten co ukazuje slovicka). V nem dej "Zalohovat databazi" (nebo tak nejak se to jmenuje), pak si vyber slovnik (nejspis anglictina), nabehne ukazatel. Az bude v pulce prubehu, zkopiruj si novy soubor ancs.txt nekam pryc (anebo podle navody, vezmi ty nove vytvorene soubory s ciselnyma priponama). Tam, kde mas nakopirovany ancs.txt rozbal ten skript co tu je, otevri si rozbaleny soubor convert.sh, smaz sharp (#) na zacatku radku 6 a 22 a spust ten soubor (skript).

Pockas az to projede a podoplnujes data ktera ti to vyplivne. Kdyby neco muj jabber JID je "belisarivs at njs dot netlab dot cz".

[pepe1]

Nedari se mi z meho oblibeneho Pc translatoru vytvorit soubory pro pouziti ve StarDict. Ze zkomprimovanych souboru vytvorim ancs.txt asi 9mb velky, ale kdyz pouziji skript podle navodu, tak se vytvori pouze dva soubory cz-en-dictionary.txt.ifo a en-cz-dictionary.txt.ifo. Bohuzel diz a idx soubor se nevytvori. Skript spoustim: convert.sh en. Treba to dela kodovani nevite jak skript uzpusobit na ISO8859-2. Podarilo se to nekomu prekonvertorovat?

[jose17]

jste si jistý, že používáte systémové kódování ISO8859-2 a ne UTF-8 (jak se píše v článku)?

[Glin]

Taky mi to vytvarelo jen soubory ifo, tak jsem kouknul do skriptu a tohle (radky 36-41):

mv $1-cz-dict.txt $1-cz-dictionary.txt
mv cz-$1-dict.txt cz-$1-dictionary.txt
rm en-cz-dictionary.txt cz-en-dictionary.txt
echo "Vytvaram data pre StarDict slovnik ..."
for slovnik in $1"-cz-dictionary.txt" "cz-"$1"-dictionary.txt" 

se mi zdalo tak jako zcestne, tak jsem zakomentoval tu radku s rm a uz se to v pohode vytvorilo. Ze by bug?

[Hobil]

Prosim o help. Pripravil jsem si slovniky z Translatoru podle popisu ve clanku, spustil script convert.sh a vypadl mi tento vypis:

----

Vytvaram zoznam cudzojazycnych vyrazov...anglictina

Vytvaram zoznam ceskych vyrazov...

Vytvaram zoznam typov...

Vytvaram slovnikove udaje pre oba smery...

Traceback (most recent call last):

File "merge_dict.py", line 21, in ?

dictionary.write(en[:-1])

NameError: name 'en' is not defined

Vytvaram data pre StarDict slovnik ...

ls: en-cz-dictionary.txt.idx: není souborem ani adresářem

ls: cz-en-dictionary.txt.idx: není souborem ani adresářem

Skopirujte subory s priponou .ifo, .dict a .idx do /usr/share/stardict/dic/transl alebo ~/.stardict/dic/transl

rm: cannot remove `en-cz-dictionary.txt': není souborem ani adresářem

rm: cannot remove `cz-en-dictionary.txt': není souborem ani adresářem

----

Muzete mi prosim pomoci? Kde mam chybu? Dekuji, Honza.

[miguel2]

mam podobny problem , ale bez chyby (line 21...) , a vytvoria sa iba .ifo subory. Skusal som ten skript (pre translator) v systeme s kodovanim utf8 , ale data (ancs.txt) boli v iso8859-2. Cely skript neprebehol , ale stihol som skopirovat subor czech.txt este pred tym nez sa vymazal a konverzia sa podarila az na znak hned za vyrazom . Ale neviem kde je chyba lebo skonci to ako v prispevku vyssie: ls: en-cz-dictionary.txt.idx: není souborem ani adresářem ls: cz-en-dictionary.txt.idx: není souborem ani adresářem ...

[jose17]

Skusal som ten skript (pre translator) v systeme s kodovanim utf8

a práve tu imo bude Váš problém.. (viď odpoveď vyššie)

[belisarivs]

Jo. Problem je v UTF. Prepni se na iso8859-2 (aspon docasne). Taky je dobre se mrknout na ten skript. Musi se odkomentovat 6. radek (tusim, je to prikaz sed) a radek pro prislusny jazyk. Pak je to v pohode.

[hank]

Nachystal jsem si do adresáře tabfile, convert.sh, merge_dict.py a zálohované slovníky. Postupoval jsem takto:

1) Vyvořil jsem soubor ancs.txt:

zcat ANCSZAL.15 ANCSZAL.25 ANCSZAL.35 ANCSZAL.45 ANCSZAL.55 > ancs.txt

2) Přepnul jsem v konzoli kodování na ISO8859-2:

export LC_ALL=cs_CZ.ISO-8859-2

3) Ve skriptu conv.sh jsem zakomentoval pomocí # řádek 38:

#rm en-cz-dictionary.txt cz-en-dictionary.txt

4) Spustil jsem

./convert.sh en

5) Vznikly mně tyto soubory:

cz-en-dictionary.txt.dict.dz
cz-en-dictionary.txt.idx
cz-en-dictionary.txt.ifo
en-cz-dictionary.txt.dict.dz
en-cz-dictionary.txt.idx
en-cz-dictionary.txt.ifo

Ty jsem nakopíroval do /usr/share/dict/. Problém je, že v StarDictu nejsou slovíčka EN propojena s CZ a naopak... Zkrátka to hledá anglická slovíčka v anglickém seznamu slov bez toho, že by se zobrazoval překlad do CZ.

Poradíte někdo? Díky.

[jose17]

zadáte třeba slovíčko dog, co se zobrazí? vůbec nic? nepíše něco program v konzoli? vyhledává opačně, teda směr česko-anglický? /jose

[hank]

Zadám dog a najde dog, ale nezobrazí překlad.

Když se podívám přímo do souboru cz-en-disctionary.txt.dict.dz, tak jsou v něm jen anglická slovíčka. V en-cz-disctionary.txt.dict.dz jsou zase jen česká slovíčka. Je to tak správně? Nemělo být vše v jednom souboru?

Program funguje OK (v konzoli nic nevypisuje), ale nezobrazuje přeložená slovíčka.

[belisarivs]

Ja bych jeste zkusil (docasne) odskrtnout vsechny slovniky krome jednoho testovaneho (je to v nastaveni slovniku) a pak bych zadaval slova.

Ale mam pocit, ze v tom dz souboru maji byt slovajeom jednoho jazyka a k nim, se pridruzuji indexy podle kterych se teprve vybira preklad.

Spis bych se mrknul na ty soubory ktere lezou do tabfile. Tam by se melo jednat o kombinace slov anglickych a ceskych.

[hank]

Ja bych jeste zkusil (docasne) odskrtnout vsechny slovniky krome jednoho testovaneho (je to v nastaveni slovniku) a pak bych zadaval slova.

Jo, to jsem samozřejmě zkoušel. Ale jak píšu výše, zobrazí se jen hledané slovíčko, nikoliv jeho jinojazyčný protějšek...

[jose17]

jak radí belisarvius - podivejte se na soubory, které zpracovava tabfile (zakomentujte posledni radek - s prikazem rm - v souboru convert.sh). klidne se mi ozvete na icq: 92597537 nebo jose1711@jabber.cz

[cirko]

Mozno ste si to uz ujasnili cez ICQ/jabber, ale tiez by som rad vedel ako na to. Mam uplne rovnaky problem ako hank a cz-en-dictionary.txt obsahuje slovensky aj anglicky vyraz (podobne aj en-cz-...). Ine slovniky v stardicte (wordnet,...) mi bezia v pohode. Je mozne, ze je problem v tabfile?

[belisarivs]

No, myslim, ze to tak ma byt. Ted nevim jak je to presne, ale pokud tyto soubory zpracovava tabfile, tak az z nej lezou vysledky. Ale format textu pro tabfile je tak jak jsem tu jiz zminoval. Cili tak jak pisete.

[cirko]

Nakoniec sa mi to poadrilo! Problem bol:

a) vo verzii stardictu (2.4.2), ktora zrejme nepodporuje vystup z tabfile (ten sa objavuje v source az od verzie 2.4.6)

-- potom to uz slapalo az na

b) posunutu slovnu zasobu (o 1 slovo). Problem bol zrejme v nekorektne pridanom slove do PC translatora este vo Windowse - na to stacilo vymazat riadok s tym slovom v czech.txt (nastastie bolo hned na zaciatku a dalo sa lahko odhalit porovnanim czech.txt. a foreign.txt)

btw. na vylepsienie skriptu by som navrhoval pridat na zaciatok

export ZALOHA=$LANG
export LC_ALL=cs_CZ.ISO-8859-2

a na koniec

export LC_ALL=$ZALOHA

nie som ziadny linux-guru, ale myslim, ze to pomoze vyriesit problem kodovania ISO8859-2 vs. 'hocico'

a tiez presunut riadok pred vytvaranim stardict slovnika

rm en-cz-dictionary.txt cz-en-dictionary.txt

na koniec skriptu, aby nebolo potrebne komentovat ho osobitne pre anglicky jazyk

[jose17]

díky. zmeny som aplikoval. ak sa Ti chce, môžeš sa mrknúť na novú verziu skriptu a prípadne dať vedieť, či Ti funguje. ešte raz dík. j

[cirko]

No problem je v tom, ze ked si otvorim novu konzolu LC_ALL nema ziadnu hodnotu (vid echo $LC_ALL), preto ten LANG. Mozno u teba to funguje inak...

[miguel2]

ak ti to pomoze tak som isiel nato komplikovanejsie

1. vytvoril som ancs.txt z tych asi 5 suborov

2.mam syst. s utf8 a tak som kvoli iso8859-2 pouzil knoppix (asi 3.7) a spustil ten skript ./convert.sh en , nezakomentovaval som nic ale je lepsie asi zakomentovat riadky kde je rm foreign.txt czech.txt type.txt aby sa vytvorili a nezmazali (musel som stihnut skopirovat ich pred vymazanim ). vytvorili sa aj .ifo subory.(V knoppixe vypisalo chybu ze mu nieco chyba. Ale to je nepodstatne.)

3. potom som pouzil skript python merge_dict.py a z foreign.txt czech.txt type.txt sa vytvorili en-cz-dictionary.txt a cz-en-dictionary.txt

4.prikazom ./tabfile en-cz.dictionary.txt a ./tabfile cz-en...txt sa vytvorili .dz a .idx subory pre oba smery slovnika. Prikaz nesmie skoncit chybou. Ak skonci, treba odstranit nevhodne znaky z jednotlivych riadkov. Vacsinou mu vadi znak / . Prikaz vypise wordcount-y . (tabfile som pouzil originalny - po skompilovani stardictu)

5. .ifo subory vytvorene v kroku 2 som doplnil: wordcount-y su z bodu 4 a idxfilesize sa zisti prikazom ls -l en-cz-dictionary.idx (a aj pre cz-en-dictionary.idx)

6.treba nakopirovat .dz .idx. .ifo sub. napr. do /usr/share/stardict/example-dict

7.Na overenie ci je slovnik spravne vytvoreny treba pouzit prikaz ./stardict_verify /cestakslovniku/vytvoreny_subor.ifo stardict_verify sa nachadza v adresari /src/tools po skompilovani stardictu.

8.hotovo.

[belisarivs]

No, ale to dela i ten skript samotny. Navic jeste vytvori ifo soubory a doplni do nich potrebne hodnoty. Mne to v pohode slapalo. Az na to ze jsem se musel docasne prepnout z UTF na iso8859-2.

[belisarivs]

Nasel jsem dalsi databazi slovniku pro stardict:

Jsou tam vesmes jiz ty zminene + nejake navic.

[vymysleny]

ako zadefinujem wordcounty pre novovytvorne subory. Inac je to ok ked wc anglickeho je iny ako wc slovenskeho? Vyexportovane z PCtranslatora.

[jose17]

ako zadefinujem wordcounty pre novovytvorne subory.

riadok wordcount= v .ifo súbore

Inac je to ok ked wc anglickeho je iny ako wc slovenskeho?

je to úplne OK. príklad slovníka: dog=pes;kamarát. wordcount pre anglicko-slovenský slovník: 1, opačne 2.

[TomCat1]

Použil jsem skript pro konverzi dat z PC Translatoru. Vše mi funguje, ale mezi přeloženými výrazy je vždy vynechán řádek. Že by chyba v tabfile? Použil jsem ten přiložený. Vám to zobrazuje správně?

[jose17]

je to tak správne. čo význam, to nový odstavec.

[TomCat1]

Hmm, a proč je to tedy v GNU/FDL Česko-Anglickém a Anglicko-Českém slovníku hned pod sebou bez vynechaného řádku? (tak se mi to více líbí a zdá se mi to přehlednější)

[jose17]

dajte mi prosím trochu viac času na odpoveď. momentálne pridávam ďalšie abecedy (nemčinu, taliančinu) a prepisujem do UTF-8 (už je to skutočne potrebné), takže to chvíľku potrvá. j.

[ferol]

neskusali ste niekto prerobit databazu z iTranslatora? ja sa v tych skriptoch vobec nevyznam, kedze som len obycajny uzivatel....ak to niekto mate nemozete mi to supnut na mail? feri_leho()yahoo.com, vdaka :)

[jose17]

ďalšie free slovníky, ktoré môžete veľmi jednoducho skonvertovať do StarDict formátu nájdete tu. jose

[jose17]

a tu je mininávod:

po rozzipovaní spustite na txtový súbor príkaz:

tr -d '"' <subor.txt | iconv -f iso8859-1 -t utf-8 >slovnik.txt; tabfile slovnik.txt

potom vytvorte .ifo súbor.

[jose17]

kto by chcel latinsko-anglický slovník (wordcount: 39225), nech si stiahne túto databázu a na rozbalený súbor spustí

perl -pe 's/#(.*?)  (.*?)    *\[.....\] :: (.*)/\1\t< \
span size="smaller" color="darkseagreen">\2<\/span> \3/' DICTPAGE.RAW >\
latin-english.txt
./tabfile latin-english.txt

potom už len stačí v ifo súbore zmeniť sametypesequence z m na g a vytvoriť pre nový slovník adresár v ceste so slovníkmi StarDictu.

[jose17]

databáza wtf (v súčasnosti asi 250 akronymov) je už prakticky pripravená na konverziu do StarDict formátu.

[jose17]

jednoducho možno tiež skonvertovať jdict slovníky.

#!/bin/bash
# give the downloaded file a zip extension and within the archive locate
# the file containing the word database
# preview it and according to its content uncomment one of the lines
#perl -pe "s/^ (.*?) : (.*?) :/\1\t\2/" "$1" | cstocs il1 utf8 >jdict-"$1" 
#perl -pe "s/^ (.*?) \| (.*?) \|/\1\t\2/" "$1" | cstocs il1 utf8 >jdict-"$1" 
./tabfile jdict-"$1"

[jose17]

pre skonvertovanie jdict slovníkov InterLingua:

tr -d '\r' < Interlingua_English | awk 'getline a {print $0"\t"a} getline b {}'

[jose17]

radšej použite toto:

#!/bin/bash
tr -d '\r' < "$1" | awk 'getline a {print $0"\t"a} getline b {}' \
| cstocs il1 utf8 | sed -e "s/<br>//gi" -e "s/<hr>//gi" \
| vi -c ":%s/<\([^>]*\)>/<\L\1>/g" -c ":w! jdict-$1" -c ":q" -
./tabfile jdict-"$1"

[jose17]

pre PSC na Slovensku:

dbview -bt -d\; file.dbf | awk -F\; '{print $1 "\t" $3 " " $4}' | iconv -f ibm852 -t utf-8 >file.out

[Attila]

Free slovníky pre goldendict a stardict sú na adrese: http://abloz.com/huzheng/stardict-dic/misc/

[atirage21]

Ak by niekto potreboval slovensko-maďarský bezplatný slovník pod licenciou GPL, tak je to možné stiahnuť z mojej stránky: http://at-atelier.webnode.sk/spolupraca/