Thinking more...

大約在4月底的時候，在 http://3du.tw 上看到還文於民的活動，就認領了轉換字典檔為 stardict 字典檔的工作。
首 要的工作就是瞭解字典檔的格式，stardict 字典檔可以從很多格式轉換，像是 XML、Tabfile 等等的。轉換的工具已經有提供了，安裝 stardict-tools 套件以後，就有一堆工具放在 /usr/lib/stardict-tools 下，也有提供 GUI 工具 (stardict-editor)。
我最早是想用 XML 格式 (Textual Dictionary File Format)，所以我就利用工具將現有的字典檔轉換為 XML，並且參考文件，來寫程式產出檔案，結果並不順利。即便是一個只有一個詞的檔案，轉換為字典檔以後，stardict 也無法辨識到。
後來就使用最容易，而且網路上最多人分享的 Tab file format。格式很簡單，詞與說明用 Tab 字元分隔，說明裡如果有需要換行或是做排版，可以用 \n  \t 等逸出字元來排。
程式則是用 python 來撰寫，主要使用 jinja2 來配合模版產出詞與說明，用 multiprocessing 模組善用 CPU 資源，程式放在 https://github.com/elleryq/moe2stardict 。以下記錄一下我有遇到的問題跟解決方法：

• 使用 multiprocessing 時無法使用 profiling，上網 Google 的結果，都是建議要先在單一 process 的情況下去 profiling ，解決問題以後，再來搭配 multiprocessing。
• 在 執行程式時，所花費的時間一直很長。我是等到完成的都差不多時，才看這問題。用 profiling 去查看，才發現問題出在 jinja2 上，我把初始化模版的程序放在迴圈裡了，導致每處理一個詞都要初始化一次，非常浪費時間，大約要十分鐘以上。當我把這初始化的程序移出迴圈以後，速度提昇 了超過十倍以上，不到一分鐘就執行完畢。
• 同理，我也把 regular expression 的 compile 移到程式的一開始就執行，避免在會被多次呼叫的函式裡去 compile。
• http://3du.tw 所提供的 json 原始檔裡有些像 {[8e41]} 的字元，沒有顯示出字來，發信件到 g0v.tw 聊天室問，唐鳳回應說，直接把這些字先忽略掉就好，這些字是異體字。所以我就把這些忽略掉了，非常謝謝她的回應。

目前我只有做國語辭典的轉換，其他還有客語、台語、成語的部分，就看之後有沒有人認領了，或者是等有空的時候再來弄。不過說真的，現在用 stardict 的人應該不多了吧，stardict 專案開發進度在原作者 hu zheng 失蹤後，僅在今年初有釋出 3.0.4，修正幅度不大，也沒有新功能。很多都建議轉用 goldendict，幸好 goldendict 也吃 stardict 字典檔，所以我這不算是做白工。