Merge pull request #139 from luciddream-tsin/patch-1

Update README.md

.gitignore

@@ -1 +1,3 @@
-__pycache__
+__pycache__
+
+/.vscode/*

LICENSE

@@ -1,6 +1,6 @@
 MIT License
 
-Copyright (c) 2017 Linwei
+Copyright (c) 2025 Linwei
 
 Permission is hereby granted, free of charge, to any person obtaining a copy
 of this software and associated documentation files (the "Software"), to deal

README.md

@@ -14,7 +14,7 @@ Free English to Chinese Dictionary Database.
 
 给数据库中每个单词标注：是否是各类考试大纲词汇？以及他们在 BNC 和其他语料库里的词频顺序。BNC 词频统计的是最近几百年的历史各类英文资料，而当代语料库只统计了最近 20 年的，为什么两者都要提供呢？
 
-很简单，quay（码头）这个词在当代语料库里拍两万以外，你可能觉得是个没必要掌握的生僻词，而 BNC 里面却排在第 8906 名，基本算是一个高频词，为啥呢？可以想象过去航海还是一个重要的交通工具，所以以往的各类文字资料对这个词提的比较多，你要看懂 19 世纪即以前的各类名著，你会发现 BNC 的词频很管用。
+很简单，quay（码头）这个词在当代语料库里排到两万以外，你可能觉得是个没必要掌握的生僻词，而 BNC 里面却排在第 8906 名，基本算是一个高频词，为啥呢？可以想象过去航海还是一个重要的交通工具，所以以往的各类文字资料对这个词提的比较多，你要看懂 19 世纪即以前的各类名著，你会发现 BNC 的词频很管用。
 
 而你要阅读各类现代杂志，当代语料库的作用就体现出来了，比如 Taliban（塔利班），在 BNC 词频里基本就没收录（没进前 20 万词汇），而在当代语料库里，它已经冒到 6089 号了，高频中的高频。
 
@@ -127,7 +127,7 @@ d:perceived/p:perceived/3:perceives/i:perceiving
 
 fuse：pos = `n:46/v:54`
 
-代表 fuse 这个词有两个位置（词性），n（名词）占比 46%，v（动词）占比 54%，根据后面的比例，你可以直到该词语在语料库里各个 pos 所出现的频率。关于 pos 里各个字母的含义还可以看 [这里](http://www.natcorp.ox.ac.uk/tools/xaira_search.xml?ID=POS) 和 [这里](http://www.natcorp.ox.ac.uk/docs/c5spec.html)。
+代表 fuse 这个词有两个位置（词性），n（名词）占比 46%，v（动词）占比 54%，根据后面的比例，你可以知道该词语在语料库里各个 pos 所出现的频率。关于 pos 里各个字母的含义还可以看 [这里](http://www.natcorp.ox.ac.uk/tools/xaira_search.xml?ID=POS) 和 [这里](http://www.natcorp.ox.ac.uk/docs/c5spec.html)。
 
 ## 词典使用
 
@@ -187,6 +187,20 @@ linguist.py 里面有一些简单的 WordNet, NodeBox 封装。
 
 采用 CSV 格式正是为了方便 GitHub 上提交 PR，管理 differ，欢迎大家提交各类词条增补。
 
+## 更多词典
+
+我的其它词典：
+
+- 《[简明英汉必应版](https://skywind.me/blog/archives/2875)》
+- 《[单词释义比例词典](https://skywind.me/blog/archives/2938)》
+- 《[近义词辨析词典](https://skywind.me/blog/archives/2941)》
+
+欢迎关注：
+
+- 我的博客：https://skywind.me/blog
+- 个人推特：https://x.com/skywind3000
+
+
 ## TODO
 
 - ~~搜索并校对：所有动词（3 月 21 日根据 NodeBox 工具包校对完成）~~
@@ -215,5 +229,7 @@ linguist.py 里面有一些简单的 WordNet, NodeBox 封装。
 - 2017-3-21 使用 NodeBox 校对完所有动词，并且添加动词各种时态。
 
 ## Applications
+
 [T.vim](https://github.com/sicong-li/T.vim) vim 的翻译插件。
 [Trans.nvim](https://github.com/JuanZoran/Trans.nvim) neovim 的翻译插件。
+

del_bfz.py

@@ -0,0 +1,86 @@
+import csv
+import sqlite3
+from pathlib import Path, PurePath
+
+import stardict
+
+MYSQLITE = 'ecdictSqlite.db'
+
+
+def new_inflection(exchange):
+    """去除ECDICT exchange字段中冗余的f:复数， b:比较级， z:最高级。如果与对应标
+    签内容不同，则予以保留。
+
+    Note:
+        ecdict exchange列中0: 代表Lemma，如 perceived 的 Lemma 是 perceive
+
+        类型 	说明
+        p 	过去式（did）
+        d 	过去分词（done）
+        i 	现在分词（doing）
+        3 	第三人称单数（does）
+        r 	形容词比较级（-er）
+        t 	形容词最高级（-est）
+        s 	名词复数形式
+        0 	Lemma，如 perceived 的 Lemma 是 perceive
+        1 	Lemma 的变换形式，比如 s 代表 apples 是其 lemma 的复数形式
+
+        https://github.com/skywind3000/ECDICT/issues/23
+
+    """
+
+    if len(exchange) == 0:
+        return ''
+    lists = exchange.split('/')
+
+    inflection = {}
+
+    for trans in lists:
+        inflection[trans[0]] = trans[2:]
+
+    old_new = {'b': 'r', 'z': 't', 'f': 's'}
+    # 只去除相应重复值。如不重复的话，仍保留b, z, f标签。
+    for i in old_new:
+        if inflection.get(i):
+            if not inflection.get(old_new[i]):
+                inflection[old_new[i]] = inflection[i]
+                inflection.pop(i)
+            elif inflection[old_new[i]] == inflection[i]:
+                inflection.pop(i)
+
+    newexchange = []
+    for i in inflection:
+        newexchange.append(i + ':' + inflection[i])
+
+    return ('/').join(newexchange)
+
+
+def init_ecdict_sqlite():
+
+    stardict.convert_dict(MYSQLITE, 'ecdict.csv')
+    con = sqlite3.connect(MYSQLITE)
+    cur = con.cursor()
+
+    # 查询所有行的数据
+    select_query = "SELECT word, exchange FROM stardict"
+    cur.execute(select_query)
+    rows = cur.fetchall()
+
+    # 遍历每一行，根据 word和exchange 的值更新新建列lemma
+    for row in rows:
+        word = row[0]
+        exchange = row[1]
+
+        inflection = new_inflection(exchange)
+
+        update_query = "UPDATE stardict SET exchange = ? WHERE word = ?"
+        cur.execute(update_query, (inflection, word))
+
+    con.commit()
+    con.close()
+
+
+init_ecdict_sqlite()  # 只需运行一次，生成sqlite3 db文件
+
+# 转换SQLITE为csv文件
+stardict.convert_dict('ecdict.csv', MYSQLITE)