尧图网站建设 
ECDICT英汉词典数据库实战指南从76万词条到你的专属查词应用【免费下载链接】ECDICTFree English to Chinese Dictionary Database项目地址: https://gitcode.com/gh_mirrors/ec/ECDICT背单词App里查一个生词释义不全、还没有音标翻译插件在本地找不到词库只能灰溜溜地去请求在线接口这类尴尬做开发的朋友应该都不陌生。而今天要聊的ECDICT正是专门解决这个问题的开源英汉词典数据库免费、离线、76万词条每条都带着音标、双解释义、考试标签和双重词频标注还配了一套干净的 Python 读写接口拿来即用。这个项目从哪来一个看书软件作者的顺手之作ECDICT 的来历挺朴素。作者最初做看书软件需要给软件塞一个内嵌字典于是找到一份约两万词的文本释义文件。用着用着不够了又补充四六级到 GRE 的词汇表但缺音标——他就写爬虫从各处把音标扒下来自己攒成三万词的基础库。之后几年不断吸收网友贡献、合并开源词典数据按英国国家语料库BNC前16万高频词逐一校对最终长成今天 76 万词条的规模。所以它天然带着工具驱动的实用气质每个字段都是为了解决真实查询需求而生的。它适合谁用使用者能拿它做什么想给应用加离线词典的开发者直接嵌入 CSV/SQLite/MySQL 数据做 NLP 或词频统计的研究者用 lemma 词干库做文本规范化折腾背单词工具的技术爱好者按考试标签筛选词表、生成 Anki 卡片想翻译插件更聪明的用户本地查询快且不联网一次完整上手体验拿到手、装起来、跑起来首先把仓库克隆到本地git clone https://gitcode.com/gh_mirrors/ec/ECDICT cd ECDICT项目里最核心的两个文件是ecdict.csv76 万词条基础版和stardict.py统一编程接口。注意仓库里还有个stardict.7z是压缩后的完整大版本日常开发用基础版 CSV 就够了。环境上不需要任何第三方依赖stardict.py只用标准库兼容 Python 2 和 3。直接开一个交互终端验证一下from stardict import DictCsv # 加载 CSV 数据76 万条会花几秒钟建立索引 dict DictCsv(ecdict.csv) # 查一个单词返回的是普通 Python 字典 info dict.query(purchase) print(info[phonetic]) # 音标 print(info[translation]) # 中文释义每行一条 print(info[tag]) # 考试标签比如 cet4 cet6 等 print(info[bnc], info[frq]) # 传统词频 / 当代词频排名拿到词条数据后你会发现本地查询非常快。不过 CSV 每次启动都要全量加载到内存更适合调试。想在日常工具里用更推荐转成 SQLite启动和查询都几乎无延迟from stardict import StarDict # 创建或打开本地 SQLite 词典文件 db StarDict(ecdict.db) db.import_csv(ecdict.csv) # 把 CSV 灌进去会自动建表加索引 # 接口和 DictCsv 完全一致无缝切换 print(db.query(purchase)[translation]) print(db.count()) # 76 万多条注意这里的import_csv方法在 StarDict 类里是现成的导入完成后 commit 一下数据就落盘了。如果后端要上 MySQLstardict.py里还有DictMySQL类字段和接口三者完全统一换存储不换代码。三个让人眼前一亮的细节1. 词形变化别的词典查did直接放弃它能给你do很多人以为查词典就是把原形单词查一遍。真实场景里你遇到的是took、taken、teeth这类变形词多数本地词典一查一个空。ECDICT 的做法是在exchange字段里记录每个词的完整变化。比如查询perceiveinfo dict.query(perceive) print(info[exchange]) # 输出d:perceived/p:perceived/3:perceives/i:perceiving冒号前的字母是类型d是过去分词、p是过去式、3是第三人称单数、i是现在分词此外还有r比较级、t最高级、s复数、0原型。这背后的数据是用 NodeBox 和 WordNet 生成的覆盖了一万多个动词几乎全部派生形式。2. 词干查询用数据库而非猜后缀还原单词原型做词频统计时有个老问题一篇文章里gave、given、gives该不该算同一个词很多人的第一反应是写个规则去猜词尾——但went的过去式是gobetter的原型是good靠规则根本猜不出来。正确做法是用数据直接查。项目扫描 BNC 语料库一亿个词生成lemma.en.txt配套LemmaDB类from stardict import LemmaDB lemma_db LemmaDB() lemma_db.load(lemma.en.txt) # 变体 → 原型一次搞定 print(lemma_db.lemmatize([gave, taken, looked, teeth])) # 输出[give, take, look, tooth] # 反向也能查take 有哪些变体 print(lemma_db.get(take))作者的原话很实在95% 的情况下数据库能直接命中命中不了再考虑算法兜底数据库永远是最可靠的。3. 模糊匹配查不到时别急着下词库没有的结论你可能遇到过这种情况词库里明明有longtime但输入long-time就查不到因为带连字符的形态没被收录。多数词典会直接告诉你未找到。ECDICT 引入了一个隐藏字段swstrip-word把单词里所有非字母数字的字符去掉再转小写。查询时开启模糊匹配就会拿longtime去比对# fuzzyTrue 走 sw 字段匹配 matches dict.match(long-time, limit10, fuzzyTrue) # 结果会同时包含 long-time / longtime / long time 等所有形态这样用户输入任何带连字符、空格的变体都能顺藤摸瓜定位到正确词条。一个真实场景的完整走通5 分钟做个四级词汇卡片生成器假设你要给朋友做一个四级词汇卡片小工具筛出所有 CET4 词、带上音标和释义、直接输出 Anki 可导入的文本。从头走一遍from stardict import DictCsv dict DictCsv(ecdict.csv) # 遍历全库按考试标签筛选 cet4_words [] for word in dict.get_all_words(): if cet4 in (word.get(tag) or ).split(): cet4_words.append(word) if len(cet4_words) 500: break # 先取 500 个做测试 # 生成 Anki 导入格式单词TAB音标TAB中文释义 lines [] for w in cet4_words: trans (w[translation] or ).replace(\n, br) lines.append(%s\t[%s]\t%s % (w[word], w[phonetic], trans)) open(cet4_500.txt, w, encodingutf-8).write(\n.join(lines)) print(生成了 %d 张卡片 % len(lines))跑完直接把这个 txt 拖进 Anki选制表符分隔导入即可。如果还想更进一步把frq当代词频排个序按频率倒序排列就能得到一份先背最常出现的四级词的优先级清单——这是词频标注带来的独特价值。新手避坑清单别用 Excel 直接双击打开 CSV。它是 UTF-8 编码直接打开全是乱码。正确姿势Excel 里选数据 → 从文本导入手动指定逗号分隔和 UTF-8 编码。文件大第一次加载要有耐心。76 万条 CSV 全量读入内存需要几秒到十几秒别以为程序卡死了。日常工具建议先转 SQLite。查询大小写不敏感但别把空格当回事。Long-Time和long-time都能查到带空格的词组如果直接查失败记得开fuzzyTrue走sw字段。query传整数表示按行号/ID 查传字符串才是按单词查。传错类型会返回None排查时先确认参数类型。改数据记得 commit。register、update、remove默认自动提交但如果你传了commitFalse最后务必手动调commit()否则改动会丢失。下一步动手你可以先去把仓库克隆下来用 3 分钟跑通上面的查询示例再决定把它用在哪里——是给笔记软件加个离线查词还是给背单词小程序筛词表甚至参与贡献在ecdict.csv里补几个你认为缺失的词条提交一个 PR让 76 万变成 76 万零几。数据已经备好接口已经就绪差的就是你敲下第一行代码了。【免费下载链接】ECDICTFree English to Chinese Dictionary Database项目地址: https://gitcode.com/gh_mirrors/ec/ECDICT创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 ECDICT英汉词典数据库实战指南：从76万词条到你的专属查词应用
ECDICT英汉词典数据库实战指南从76万词条到你的专属查词应用【免费下载链接】ECDICTFree English to Chinese Dictionary Database项目地址: https://gitcode.com/gh_mirrors/ec/ECDICT背单词App里查一个生词释义不全、还没有音标翻译插件在本地找不到词库只能灰溜溜地去请求在线接口这类尴尬做开发的朋友应该都不陌生。而今天要聊的ECDICT正是专门解决这个问题的开源英汉词典数据库免费、离线、76万词条每条都带着音标、双解释义、考试标签和双重词频标注还配了一套干净的 Python 读写接口拿来即用。这个项目从哪来一个看书软件作者的顺手之作ECDICT 的来历挺朴素。作者最初做看书软件需要给软件塞一个内嵌字典于是找到一份约两万词的文本释义文件。用着用着不够了又补充四六级到 GRE 的词汇表但缺音标——他就写爬虫从各处把音标扒下来自己攒成三万词的基础库。之后几年不断吸收网友贡献、合并开源词典数据按英国国家语料库BNC前16万高频词逐一校对最终长成今天 76 万词条的规模。所以它天然带着工具驱动的实用气质每个字段都是为了解决真实查询需求而生的。它适合谁用使用者能拿它做什么想给应用加离线词典的开发者直接嵌入 CSV/SQLite/MySQL 数据做 NLP 或词频统计的研究者用 lemma 词干库做文本规范化折腾背单词工具的技术爱好者按考试标签筛选词表、生成 Anki 卡片想翻译插件更聪明的用户本地查询快且不联网一次完整上手体验拿到手、装起来、跑起来首先把仓库克隆到本地git clone https://gitcode.com/gh_mirrors/ec/ECDICT cd ECDICT项目里最核心的两个文件是ecdict.csv76 万词条基础版和stardict.py统一编程接口。注意仓库里还有个stardict.7z是压缩后的完整大版本日常开发用基础版 CSV 就够了。环境上不需要任何第三方依赖stardict.py只用标准库兼容 Python 2 和 3。直接开一个交互终端验证一下from stardict import DictCsv # 加载 CSV 数据76 万条会花几秒钟建立索引 dict DictCsv(ecdict.csv) # 查一个单词返回的是普通 Python 字典 info dict.query(purchase) print(info[phonetic]) # 音标 print(info[translation]) # 中文释义每行一条 print(info[tag]) # 考试标签比如 cet4 cet6 等 print(info[bnc], info[frq]) # 传统词频 / 当代词频排名拿到词条数据后你会发现本地查询非常快。不过 CSV 每次启动都要全量加载到内存更适合调试。想在日常工具里用更推荐转成 SQLite启动和查询都几乎无延迟from stardict import StarDict # 创建或打开本地 SQLite 词典文件 db StarDict(ecdict.db) db.import_csv(ecdict.csv) # 把 CSV 灌进去会自动建表加索引 # 接口和 DictCsv 完全一致无缝切换 print(db.query(purchase)[translation]) print(db.count()) # 76 万多条注意这里的import_csv方法在 StarDict 类里是现成的导入完成后 commit 一下数据就落盘了。如果后端要上 MySQLstardict.py里还有DictMySQL类字段和接口三者完全统一换存储不换代码。三个让人眼前一亮的细节1. 词形变化别的词典查did直接放弃它能给你do很多人以为查词典就是把原形单词查一遍。真实场景里你遇到的是took、taken、teeth这类变形词多数本地词典一查一个空。ECDICT 的做法是在exchange字段里记录每个词的完整变化。比如查询perceiveinfo dict.query(perceive) print(info[exchange]) # 输出d:perceived/p:perceived/3:perceives/i:perceiving冒号前的字母是类型d是过去分词、p是过去式、3是第三人称单数、i是现在分词此外还有r比较级、t最高级、s复数、0原型。这背后的数据是用 NodeBox 和 WordNet 生成的覆盖了一万多个动词几乎全部派生形式。2. 词干查询用数据库而非猜后缀还原单词原型做词频统计时有个老问题一篇文章里gave、given、gives该不该算同一个词很多人的第一反应是写个规则去猜词尾——但went的过去式是gobetter的原型是good靠规则根本猜不出来。正确做法是用数据直接查。项目扫描 BNC 语料库一亿个词生成lemma.en.txt配套LemmaDB类from stardict import LemmaDB lemma_db LemmaDB() lemma_db.load(lemma.en.txt) # 变体 → 原型一次搞定 print(lemma_db.lemmatize([gave, taken, looked, teeth])) # 输出[give, take, look, tooth] # 反向也能查take 有哪些变体 print(lemma_db.get(take))作者的原话很实在95% 的情况下数据库能直接命中命中不了再考虑算法兜底数据库永远是最可靠的。3. 模糊匹配查不到时别急着下词库没有的结论你可能遇到过这种情况词库里明明有longtime但输入long-time就查不到因为带连字符的形态没被收录。多数词典会直接告诉你未找到。ECDICT 引入了一个隐藏字段swstrip-word把单词里所有非字母数字的字符去掉再转小写。查询时开启模糊匹配就会拿longtime去比对# fuzzyTrue 走 sw 字段匹配 matches dict.match(long-time, limit10, fuzzyTrue) # 结果会同时包含 long-time / longtime / long time 等所有形态这样用户输入任何带连字符、空格的变体都能顺藤摸瓜定位到正确词条。一个真实场景的完整走通5 分钟做个四级词汇卡片生成器假设你要给朋友做一个四级词汇卡片小工具筛出所有 CET4 词、带上音标和释义、直接输出 Anki 可导入的文本。从头走一遍from stardict import DictCsv dict DictCsv(ecdict.csv) # 遍历全库按考试标签筛选 cet4_words [] for word in dict.get_all_words(): if cet4 in (word.get(tag) or ).split(): cet4_words.append(word) if len(cet4_words) 500: break # 先取 500 个做测试 # 生成 Anki 导入格式单词TAB音标TAB中文释义 lines [] for w in cet4_words: trans (w[translation] or ).replace(\n, br) lines.append(%s\t[%s]\t%s % (w[word], w[phonetic], trans)) open(cet4_500.txt, w, encodingutf-8).write(\n.join(lines)) print(生成了 %d 张卡片 % len(lines))跑完直接把这个 txt 拖进 Anki选制表符分隔导入即可。如果还想更进一步把frq当代词频排个序按频率倒序排列就能得到一份先背最常出现的四级词的优先级清单——这是词频标注带来的独特价值。新手避坑清单别用 Excel 直接双击打开 CSV。它是 UTF-8 编码直接打开全是乱码。正确姿势Excel 里选数据 → 从文本导入手动指定逗号分隔和 UTF-8 编码。文件大第一次加载要有耐心。76 万条 CSV 全量读入内存需要几秒到十几秒别以为程序卡死了。日常工具建议先转 SQLite。查询大小写不敏感但别把空格当回事。Long-Time和long-time都能查到带空格的词组如果直接查失败记得开fuzzyTrue走sw字段。query传整数表示按行号/ID 查传字符串才是按单词查。传错类型会返回None排查时先确认参数类型。改数据记得 commit。register、update、remove默认自动提交但如果你传了commitFalse最后务必手动调commit()否则改动会丢失。下一步动手你可以先去把仓库克隆下来用 3 分钟跑通上面的查询示例再决定把它用在哪里——是给笔记软件加个离线查词还是给背单词小程序筛词表甚至参与贡献在ecdict.csv里补几个你认为缺失的词条提交一个 PR让 76 万变成 76 万零几。数据已经备好接口已经就绪差的就是你敲下第一行代码了。【免费下载链接】ECDICTFree English to Chinese Dictionary Database项目地址: https://gitcode.com/gh_mirrors/ec/ECDICT创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考