📚 Book Dictionary Builder

🇺🇸 English | 🇷🇺 Русский | 🇨🇳 中文

---

Русский • English • 简体中文

💰 Поддержать проект [RU]

Если этот проект сэкономил ваше время или помог в работе, вы можете поддержать его развитие:

Платформа / Сеть	Ссылка / Адрес кошелька
Boosty (Карты/Рубли)	https://boosty.to/knigaperevodchik
TON (USDT)	UQBWKwf2mgakNi4Ls2I6NNs1okcDyCxivdxxc22ypsMV4590
TRC20 (USDT)	TDdok5FgB6fJSXZrPzxnn7hMk4qREUZPJe

---

💰 Support the Project [EN]

If this project has saved your time or helped you, feel free to support its development:

Platform / Network	Link / Wallet Address
Boosty (Fiat/Cards)	https://boosty.to/knigaperevodchik
TON (USDT)	UQBWKwf2mgakNi4Ls2I6NNs1okcDyCxivdxxc22ypsMV4590
TRC20 (USDT)	TDdok5FgB6fJSXZrPzxnn7hMk4qREUZPJe

---

💰 支持此项目 [ZH]

如果这个项目对您有所帮助，欢迎赞助以支持项目的持续 white-hat 维护与更新：

平台 / 网络	链接 / 钱包地址
Boosty (法币/银行卡)	https://boosty.to/knigaperevodchik
TON (USDT)	UQBWKwf2mgakNi4Ls2I6NNs1okcDyCxivdxxc22ypsMV4590
TRC20 (USDT)	TDdok5FgB6fJSXZrPzxnn7hMk4qREUZPJe

---

Русский • English • 简体中文

---

🇷🇺 Русский

Два скрипта которые автоматически строят толковый словарь из любой книги на русском языке — от сырого fb2 до готового файла для GoldenDict.

Проверено на 4 ГБ ОЗУ — пик потребления памяти ~300 МБ.

Что получится

Берёте книгу в формате fb2, epub или txt — на выходе получаете словарь именно из слов этой книги, с определениями из Викисловаря, в формате StarDict. Открывается в GoldenDict, Lingvo и других программах.

На реальной книге (~123 000 слов):

• Уникальных лемм: 10 226
• Найдено определений: ~10 046
• Время работы: ~5–10 минут

⚠️ Язык: сейчас поддерживается только русский (лемматизация через pymorphy3 + Викисловарь). Английские и китайские книги — в планах.

Что понадобится

• Python 3.10+ — python.org
• GoldenDict-ng — github.com/xiaoyifang/goldendict-ng
• Книга в формате .fb2 / .epub / .txt
• ~400 МБ свободного места (дамп Викисловаря, скачается один раз)

Установка

pip install lxml pymorphy3 requests

Структура папок

проект/
├── build_vocab.py
├── make_dict.py
└── books/
    └── книга.fb2

Использование

Шаг 1 — Собрать слова из книги

python build_vocab.py books/ --min-count 1

Появится vocab.tsv — все уникальные слова книги с частотами. Слова лемматизированы: бежал, бежала, бежать → одна запись бежать.

Шаг 2 — Собрать толковый словарь

python make_dict.py vocab.tsv

При первом запуске скачается дамп Викисловаря (~300 МБ) — один раз. Появятся три файла:

my_dictionary.ifo
my_dictionary.idx
my_dictionary.dict

Шаг 3 — Открыть в GoldenDict

Правка → Словари → Файлы → Добавить папку → указать папку → Применить.

Сделать словарь морфологическим

Готовый словарь можно прогнать через morph-dict-converter — тогда поиск будет работать по любой форме слова.

python morph_dict_convert.py my_dictionary.ifo

Опции build_vocab.py

Опция	По умолчанию	Описание
--min-count	3	Минимальная частота слова
--top	все	Оставить только N самых частых
--format	tsv	Формат: txt, tsv, hunspell
--no-lemma	выкл	Не лемматизировать (быстрее)

Возможные проблемы

Терминал закрывается сразу — запускайте через cmd, не двойным кликом. Откройте папку в Проводнике → кликните адресную строку → напечатайте cmd → Enter.

Слово не нашлось — после работы появится missing_words.txt. Обычно это имена собственные и редкие слова которых нет в Викисловаре.

---

🇬🇧 English

Two scripts that automatically build a dictionary from any Russian-language book — from a raw fb2 file to a ready-to-use StarDict file for GoldenDict.

Tested on 4 GB RAM — peak memory usage ~300 MB.

What you get

Give it a book in fb2, epub, or txt format — you get a dictionary of exactly the words used in that book, with definitions from Wiktionary, in StarDict format. Opens in GoldenDict, Lingvo, and other programs.

Results on a real book (~123,000 words):

• Unique lemmas: 10,226
• Definitions found: ~10,046
• Processing time: ~5–10 minutes

⚠️ Language: currently supports Russian only (lemmatization via pymorphy3 + Russian Wiktionary). Support for English and Chinese books is planned.

Requirements

• Python 3.10+ — python.org
• GoldenDict-ng — github.com/xiaoyifang/goldendict-ng
• A book in .fb2 / .epub / .txt format
• ~400 MB free disk space (Wiktionary dump, downloaded once)

Installation

pip install lxml pymorphy3 requests

Folder structure

project/
├── build_vocab.py
├── make_dict.py
└── books/
    └── mybook.fb2

Usage

Step 1 — Extract words from the book

python build_vocab.py books/ --min-count 1

Creates vocab.tsv — all unique words with frequencies. Words are lemmatized: бежал, бежала, бежать → one entry бежать.

Step 2 — Build the dictionary

python make_dict.py vocab.tsv

On first run, downloads the Wiktionary dump (~300 MB) — only once. Three files will appear:

my_dictionary.ifo
my_dictionary.idx
my_dictionary.dict

Step 3 — Open in GoldenDict

Edit → Dictionaries → Files → Add folder → select the project folder → Apply.

Make it morphological

The output dictionary can be processed with morph-dict-converter — so search works by any word form, not just the base form.

python morph_dict_convert.py my_dictionary.ifo

Options for build_vocab.py

Option	Default	Description
--min-count	3	Minimum word frequency
--top	all	Keep only N most frequent words
--format	tsv	Output format: txt, tsv, hunspell
--no-lemma	off	Skip lemmatization (faster)

Troubleshooting

Terminal closes immediately — run via cmd, don't double-click the script. Open the project folder in Explorer, click the address bar, type cmd, press Enter.

Word not found — a missing_words.txt file will appear after the script finishes. Usually proper nouns and rare words not in Wiktionary.

---

🇨🇳 中文

两个脚本，自动从任意俄语书籍生成词典——从原始 fb2 文件到可直接在 GoldenDict 中使用的 StarDict 文件。

已在 4 GB 内存设备上测试 — 峰值内存占用约 300 MB。

效果

输入 fb2、epub 或 txt 格式的书籍，输出该书专属词典，包含来自维基词典的释义，格式为 StarDict。可在 GoldenDict、Lingvo 等程序中打开。

实际测试（约 123,000 词的书籍）：

• 唯一词元数：10,226
• 找到释义数：~10,046
• 处理时间：约 5–10 分钟

⚠️ 语言： 目前仅支持俄语书籍（通过 pymorphy3 进行词形还原 + 俄语维基词典）。英语和中文书籍的支持正在计划中。

环境要求

• Python 3.10+ — python.org
• GoldenDict-ng — github.com/xiaoyifang/goldendict-ng
• .fb2 / .epub / .txt 格式的书籍
• 约 400 MB 可用磁盘空间（维基词典数据，仅下载一次）

安装依赖

pip install lxml pymorphy3 requests

目录结构

project/
├── build_vocab.py
├── make_dict.py
└── books/
    └── mybook.fb2

使用方法

第一步 — 从书籍提取词汇

python build_vocab.py books/ --min-count 1

生成 vocab.tsv——书中所有唯一词汇及其频率。已进行词形还原：бежал、бежала、бежать → 统一为 бежать。

第二步 — 生成词典

python make_dict.py vocab.tsv

首次运行时会下载维基词典数据（约 300 MB），仅需一次。运行后生成三个文件：

my_dictionary.ifo
my_dictionary.idx
my_dictionary.dict

第三步 — 在 GoldenDict 中打开

编辑 → 词典 → 文件 → 添加文件夹 → 选择项目文件夹 → 应用。

转换为形态学词典

生成的词典可通过 morph-dict-converter 进行处理——使搜索支持任意词形，而不仅仅是原形。

python morph_dict_convert.py my_dictionary.ifo

build_vocab.py 选项

选项	默认值	说明
--min-count	3	最低词频
--top	全部	仅保留前 N 个高频词
--format	tsv	输出格式：txt、tsv、hunspell
--no-lemma	关闭	跳过词形还原（速度更快）

常见问题

终端窗口立即关闭 — 请通过 cmd 运行，不要双击脚本。在资源管理器中打开项目文件夹，点击地址栏，输入 cmd，按 Enter。

词典中找不到某个词 — 脚本完成后会生成 missing_words.txt，包含所有未找到的词。通常是专有名词或维基词典中没有收录的罕见词汇。