假日裡讀讀詩經，已成了我日常功課的一部份，即使年假的連續假期我也未曾間斷，頗有退休生活以讀書為樂的 Fu~ (當然，我還沒能退休啦)。
讀了半年多的詩經，由於眾家說詩歧異紛紜，因此常常得到處找參考資料輔助閱讀。手邊除原有的資料外，又找來了毛詩正義、朱熹詩經集傳等參考書籍，對照著閱讀。另外彙總了許多古籍資料的 教育部重編國語辭典修訂本 網路版，更是閱讀詩經時查詢字詞含意的重要幫手。
不過說到了 教育部重編國語辭典修訂本 網路版 的線上查詢功能，對於每次閱讀詩經時需要反覆頻繁查詢的我而言，實在是一整個不順手。一下子查詢沒有反應、一下子 "可能離上次操作太久, 您將被導引至首頁, 請重新查詢!"，然後就自動把我的查詢都清光了，多多少少都會影響到我閱讀時的心情。
忍受了幾個月，終於受不了了，開始研究怎麼弄一份離線版的字典來給自己使用。查了一些資料，發現我並不是第一個有這樣想法的人，好多年前就有人做過了，只不過礙於教育部的嚴格授權管制，終不能讓這些有用的資料讓大家方便使用。
Babylon 用的國語辭典、英漢辭典檔案
工欲善其事──談教育部國語辭典（上）
工欲善其事──談教育部國語辭典（下）
撇開授權問題，我想，我自己私人使用，不加散布，應該沒什麼大問題吧！先解決我閱讀時的不順手再說。於是花了點時間研究了一下，挑定以 MDict 離線字典檔為目標格式，利用寫 EzMeta 時所用的類似技術，我寫了一支小程式，自動向 教育部重編國語辭典修訂本 網路版 查詢資料，以 417 個注音組合，再加上一 ~ 四聲、輕聲的變化(涵蓋所有的中文字，見 標準國語的讀音變化統計)，共查詢了 2085 次(417 x 5，實際上可控制在 1338 次即可)，然後同步將查詢所得的資料直接擷取轉存成 MDict (Compact HTML) 的純文字格式。再略作整理，經過 MdxBuilder 的編譯，我就完成了一份我自己專用的 "教育部重編國語辭典(修訂本).mdx" 檔。
MDict 是對岸網友 Rayman Zhang 所設計的一款免費的、開放式的電子辭典平台，本身並不含任何辭典檔案，但可自行取得加入或自行製作辭典檔案。有 PC 版、Android 版、iOS 版等等，使用起來簡單方便。
寫程式自動擷取資料，其實並沒有花我多少時間，但由於教育部國語辭典的資料用的仍是 BIG-5 編碼，許多罕用字都是以使用者造字來處理，再用圖形來顯示這些造字。為將這些造字都還原成文字，我花了許多時間一個字一個字去比對，建立對照表，然後將所有資料都轉換成 Unicode 編碼，全部處理成純文字。由於沒有現成的對照表，這個部分無法用程式自動處理，必須手動完成，花了我最多時間。
就在我製作離線辭典接近尾聲的時候，偶然發現網路上有一群網友也在公開地做類似的計畫，他們以教育部縮寫 MOE 的諧音為名，將成果取名為萌典，有網頁版，也有 Android 版、iOS 版等等。
萌典— 3du.tw 國語辭典
萌典 — 教育部國語詞典(民間離線版)
3du.tw
該計畫以：
為非營利之教育目的，依著作權法第 50 條， 「以中央或地方機關或公法人之名義公開發表之著作，在合理範圍內， 得重製、公開播送或公開傳輸。」
伸張 "還文於民" 的權利，公開對抗教育部的嚴格授權管制。法律上的授權問題我沒有深入研究，只希望這個計畫能一本初衷地順利運行，嘉惠更多利用到這些資料的讀書人。
可惜我太晚知道這個計畫，不然我就不用多花這個時間私下製作。不過自己製作的離線辭典，還是有其開放、可自行維護的好處，時間也就不算浪費了。
稍微比較了萌典收集、處理資料的方法，與我的方式可說是大同小異。我用所有注音組合來查詢(最少 1338 次)；他們則是用所有的 BIG-5 內碼組合([0x8E~0xFE][0x40~0x7E, 0xA1~0xFE])來查詢(最少 9915 次)。以查詢次數來說，似乎我的方式要好一些些，查詢次數只要不到七分之一。不過跟所有辭條的16萬筆來比，這一點點差異能節省的時間，實在是可以忽略不計了。
有了方便的離線查詢辭典，我可以繼續快樂地讀詩了。
我製作的離線辭典，查詢結果的實際範例如下：
詩 簡體: 诗
部首：言 筆畫：6 總筆畫：13注音：ㄕ拼音：shī
【名】① 文體名。一般與「文」相對。指以精粹而富節奏的語言文字來表現美感、抒發情緒的藝術性作品。文選．陸機．文賦：「詩緣情而綺靡，賦體物而瀏亮。」唐．白居易．與元九書：「詩者，根情，苗言，華聲，實義。」② 六經之一，即詩經。論語．為政：「子曰：『詩三百，一言以蔽之，曰思無邪。』」唐．韓愈．進學解：「易奇而法，詩正而葩。」【動】詠誦。史記．卷一一七．司馬相如傳：「詢封禪之事，詩大澤之博，廣符瑞之富。」
沒有留言:
張貼留言