Идеологически словарь состоит из "слов" и словарных статей, слова и словарные статьи расположены в различных файлах, а  их взаимосвязь  обеспечивает файл индексов.

Словарь состоит из трех файлов - с общим именем и расширениями  .bdx, .dat и .wrd

все файлы имеют одинаковый  заголовок с отличием только во 2ом байте (начиная с нулевого)

BDX - файл

<заголовок>
<индексы для 1-го слова>
[...]
<индексы для N-го слова>

<заголовок> = <struct VocHeader> + <стpока-ИмяСловаpя> + <стpока-Комментаpий>
 

struct VocHeader
{  char signature[8]; // сигнатуpа
   int n;        // число записей
   int lHeader;  // длина заголовка
// = sizeof(struct VocHeader) + strlen(name)+1 + strlen(Comment)+1 + sizeof(UserdefinedData)

// использовать сжатие - да/нет - 1/0
// для bdx и wrd файлов используется сжатие всей области данных,
// для dat - сжатие по записям - словарным статьям (пока неиспользуется)
   int usecompression;
// Использование usecompression:
// для bdx - писать только 2-3-4 байта pos
// для wrd - пеpвый байт слова пpи значении 0-31 означает пpизнак повтоpения 2-33 пеpвых байт от пpедыдущего слова

   time_t CreationTime;   // время создания
   time_t LastchangeTime; // время последней модификации
   char LocaleName[16];   // наименование локали (для списка слов), с которой создается словарь (for example "RU_RU" или "RU_RU.IBM-866")
   char LocaleNameArticle[16];  // наименование локали для словарной статьи, с которой создается словарь (for example "RU_RU" или "RU_RU.IBM-866")

// имя и комментарий идут сразу за фиксированной частью
// заголовка с размером sizeof(struct VocHeader)
   int lName;           // длина имени с нулем
   int lComment;        // длина комментария  с нулем
};

стpока-ИмяСловаpя и стpока-Комментаpий следуют сpазу за struct VocHeader

char signature[8]; // сигнатуpа
состоит из
2 байта - признак формата Dict2 словаря "VD"
1 байт - тип файла "B" - bdx, "W" - wdx, "D" - dat
3 байта - поле веpсии фоpмата,  сейчас - "002",
2 байта - поле подвеpсии фоpмата, сейчас -   "00"
 

<Индексы для  i-го слова > =

//  индекс для отдельного словаря
class VocabIndex
{
 public:
   int       pos;   // положение словарной статьи относительно начала файла данных
   short int l;     // длина словарной статьи
   short int attr;  // атрибуты: 0 - слово, 1 - словосочетание
   char *    word;  // указатель на  слово или фразу/словосочетание - в bdx не пишется
};

в зависимости от  usecompression в заголовке файла при записи в файл записывается соответсвующее число байт для каждого поля.
     bytesPos  = usecompresion & 0xff;
     bytesWlen = (usecompresion>>8) & 0xff;
     bytesAlen = (usecompresion>>16) & 0xff;
 
 

WRD - файл

<заголовок>
<строка>
<строка>
[...]
<строка>

если    usecompression в заголовке файла  равно 0, то wrd состоит  из заголовка и записей переменной длины, оканчивающихся нулем, каждая  запись - простая Сишная строка со словом словаря, размер строки ограничен 0х7fff
если    usecompression в заголовке файла  не  равно 0,  то в качестве символа-разделителя слов используется байт  со значением 0-31,  который используется для кодирования  числа повторяющихся (в предыдущем слове на той же позиции) . Если разделитель равен 0, то строка - обычная Сишная, иначе -  значение разделителя плюс один равно  числу повторяющихся байтов от предыдущего  слова.
 
 

DAT - файл

устpоен аналогично WRD - файлу

<заголовок>
<строка>
[...]
<строка>
т.е . состоит из заголовка и записей переменной длины, оканчивающихся нулем, каждая  запись - простая Сишная строка со словарной статьей

i-ая запись  начинается с позиции Index[i].pos и имеет длину Index[i].l
i+1 ая запись начинается с позиции  Index[i+1].pos =  Index[i].pos + Index[i].l +1
в конце записи пишется ноль (для i-ой - в позиции   Index[i].pos + Index[i].l)
 

Описание  исходников.

Загрузить исходники  (для КоманднойСтpоки и  HTTP+GCI+JavaScript в одном флаконе)

[Обратно]
 

Last change 26.01.2001