OALD8指的是oxford advanced learners' dictionary 8th edition

好吧，我承认这个帖子不像是来讨论web安全的。

为何来发帖，为何发到这个版块，为何不给修改好的文件。

一种当年破解软件时留下来的遗风，小事自己动手，再加上太久没有来论坛了，所以过来看看。html代码兼容性最相关的也就只剩下这个版块了。这个原来学知识产权，现在是做律师的，让我就这么赤裸裸的传播文件，不合适啊，我就传授下犯罪方法吧。

大半天时间搞定。

先说说几个工具。getdict，mdxbuilder，ultraedit，python和一个叫做beautiful soup的库。

GetDict网上有，能够把mdx逆成txt，至于选项，我用了utf-8格式的txt，实际上后面一个mdx源文件也可以。没多大差别，至于mdx文件的格式，我觉得能够参看的就只有mdict作者写的程序mdxbuilder上比较全，反正随便弄点数据试验下就大概知道。

mdx逆成utf格式的文本文档后，跟mdxbuilder所要求的格式还有一定的差距，关于大文件编辑，反正UltraEdit没有崩溃，其他的很多都崩溃了。（可怜我开始不愿安装UE各种python小脚本文件分割，然后才能用notepad++打开）。我选了中间那个txt的字典数据，和mdict的数据差别，就是把\n换成</>，把tab换成换行。这个好几百兆的txt，UE执行也要一会儿。

mdxbuilder反正是必备的，也就不多提了。

还有就是一个原来的OALD8的mdict，感谢作者，感谢牛津……

最重要的一个问题，为何原来的OALD8不完美，说来说去么是浏览器核心的兼容性问题。

实际上我开始以为是标签嵌套不匹配的问题，从逆向好的txt里复制几行，改文件后缀为html，然后拖进ie和firefox里，发现两者的解析不一致。后来仔细看了下逆向后的txt文件中的html源码tag配对情况，发现其实根本没问题。

问题出在span标签的display block和span本来就是行内标签。这个跟所谓的标准是不容的，自诩很符合标准的webkit核心就跟他抵触了（好吧，我知道firefox不是webkit核心的……但我不用其他浏览器，没办法，只能将firefox当成异类了）。

解决方案很简单，用python写个小程序，把display：block的span全部替换成div标签就可以了。反正用beautiful soup就一两行的代码而已。

但貌似太夸张的写内存是不够用的，反正我是被提示了……所以我开始分割的文件就有用武之地了。还是要分割处理啊，我的机器内存4G，不知道8G的话需不需要分割处理。

在用mdxbuilder的时候，推荐将utf8格式不设BOM，可能会有各种意想不到的情况，比如说第一个单词查不到，字典显示变成txt的html等。

这个字典，只需要将txt转成mdx好了，资源文件（.mdd），原来的网上可以下载的还可以用的。

from bs4 import BeautifulSoup
import re
fw=open("d://new191.html",'w',-1,encoding="utf-8")#这个new191就是那个逆向后的txt文本文件
j=0
fr=[]
while j<=191:
        fn="D://dict//"+str(j)+".html"
        fr.insert(j,open(fn,'r',-1,encoding="utf-8"))#我无聊蛋疼的分了一百多个文件
        soup = BeautifulSoup(fr[j])
        j=j+1
        for spans in soup.find_all(style=re.compile("display:block")):#beautiful soup真是个好东西
            spans.name="div"
        fw.write(repr(soup))
fw.close()
j=0
while j<=191:
        fr[j].close()
        j=j+1
               
毕竟本人不是科班出身，这种傻傻的代码，也难见于大方之家，by the way，我的python是64bit的3.3

[招生]科锐逆向工程师培训(2024年11月15日实地，远程教学同时开班, 第51期)