从 DICT 格式的词典中获取单词列表

Question 1

zcat /usr/share/dictd/freedict-eng-lat.dict.dz | perl -e 'my %dict; $start=0; $/="\n"; while (<>) { next if $_ =~ m/(\/|\x90)/; chomp; $_ =~ s/[0-9\. ]*//g; $start = 1 if $_ eq 'abecedarium'; next if $start==0; @words=split(/\;/,$_); foreach my $word (@words) { $dict{$word}=1;} }; $,="\n"; print sort keys %dict;'

要解压缩文件，请跳过包含以下内容的所有英文行/发音/，跳过带有奇怪 DLE 字符的行，跳过所有标题行，直到到达第一个真正的单词“基础”，删除数字、点和空格，拆分用分隔的词形变化“;”并将每个单词添加到哈希中以获得唯一的条目。最后，打印所有以 $ 分隔的单词，设置为换行符\n

示例输出：

ager
agere
agna
agnellina
agnina

Answer

zcat /usr/share/dictd/freedict-eng-lat.dict.dz | perl -e 'my %dict; $start=0; $/="\n"; while (<>) { next if $_ =~ m/(\/|\x90)/; chomp; $_ =~ s/[0-9\. ]*//g; $start = 1 if $_ eq 'abecedarium'; next if $start==0; @words=split(/\;/,$_); foreach my $word (@words) { $dict{$word}=1;} }; $,="\n"; print sort keys %dict;'

要解压缩文件，请跳过包含以下内容的所有英文行/发音/，跳过带有奇怪 DLE 字符的行，跳过所有标题行，直到到达第一个真正的单词“基础”，删除数字、点和空格，拆分用分隔的词形变化“;”并将每个单词添加到哈希中以获得唯一的条目。最后，打印所有以 $ 分隔的单词，设置为换行符\n

示例输出：

ager
agere
agna
agnellina
agnina

Question 2

如果我没记错的话，.dz这是 gzip 的一个变体，它允许仅压缩必要的块。尝试：

zcat dict-freedict-eng-lat.dz

大多数“.dz”是使用 freedict-tools 从更易于理解的格式（在格式为 TEI 的情况下）生成的。

更新：（我喜欢黑客解决方案，但是）现在“不那么黑客”的方式：

1）如果你想要拉丁语，请获取 freedict Lat-Eng（逆字典）的来源：

wget "https://sourceforge.net/projects/freedict/files/Latin%20-%20English/0.1.1/freedict-lat-eng-0.1.1.src.tar.bz2"

2）解压：

tar -xvjf freedict-lat-eng-0.1.1.src.tar.bz2

并享受与来源打交道的乐趣......

3) 从 XML-TEI 源 (lat-eng/lat-eng.tei) 获取拉丁语条目（orth xml 标签）：

xidel -e "//orth" lat-eng/lat-eng.tei

最后一个建议：使用拉丁语-德语词典（更完整）

https://sourceforge.net/projects/freedict/files/Latin%20-%20German/0.4/freedict-lat-deu-0.4.src.tar.bz2
tar ...
xidel -e //orth lat-deu/lat-deu.tei |  sort -u | wc        (9730)

Answer