Dictionary.csv

[ghost]

Dictionary.csv 重複刪除及用字修訂

[flier268]

看起來好像被刪掉更多東西了 請問你刪除的條件是什麼呢? 即何種情況下，字典的某一條會被刪除，輸入和輸出一樣?重複?

這邊跟你說明一下，我是從優先度最高的先取代，然後再從自數最多到最少的，但有時會需要保護某些字，讓她不會被字數更少的取代，所以你會看到一些簡體和繁體相同的字 例如：面包->麵包 與 面包抄->面包抄 "兩面包抄"就不該因為"面包"而被轉為"兩麵包抄"

另外，可以麻煩你只保留括號內的字就好了嗎(因為目前ConvertZZ還不會處理括號內的字)

[ghost]

看到您的說明，我覺得我可能刪多了 :-( 先放上我用來分析及找重複record的AWK script供您參考：

BEGIN { acc = 0 }
{
    if (wrd[$3] == "") {
        idx[++acc] = $3
        pre[$3] = $1 "\t" $2 "\t" $3 "\t" $4 "\t"
        wrd[$3] = ";" $5 ";"
        next
    }
    if (match(wrd[$3], ";" $5 ";") == 0)
        wrd[$3] = wrd[$3] $5 ";"
}
END {
    for (i = 1; i <= acc; i++) {
        str = wrd[idx[i]]
        sub(/^;/, "", str)
        sub(/;$/, "", str)
        print pre[idx[i]] str "\t0"
    }
}

您可以將以上的這段script存成一個檔案，比如dict.awk，然後在command line下執行

gawk -f dict.awk Dictionary.csv >Dictionary_new.csv

接著用編輯器開啟Dictionary_new.csv，那些有分號（;）的record就是原有CSV檔中重複的部分。 因為我工作的桌機不在身旁，所以晚一點我再update修改過的Dictionary.csv。

[flier268]

有幾個地方我覺得有點不妥 佔畢、佔畢 做窺視時，佔、占、覘三字通用，念ㄓㄢ 做強力奪取，據為己有時，佔、占通用，念ㄓㄢˋ 做看得見的、表面的時，佔，念ㄓㄢˋ 這個字很複雜，想要全對好像有點難，我比較傾向於不做修改，法律把佔改為占，是因為在法律上解釋為強力奪取，據為己有的狀況比較常出現 (好吧，講這麼多，其實只是因為我比較習慣看到佔， 哈哈)

---

還有烟這個字 其實煙、菸通用 大烟，這邊應該作為大煙才對，因為有可能只是冒煙，如起大煙，或者大煙囪 大麻菸、水煙，我也覺得應該作為煙，因為他們不一定是拿來抽的，如水煙式殺蟲劑