PyGlossary转换MDX词典时HTML属性引号缺失问题解析

在使用PyGlossary工具将MDX格式词典转换为StarDict格式时，部分用户遇到了HTML标签属性值引号缺失的问题。这个问题会导致转换后的词典在某些阅读器上无法正确显示样式和内容。

问题现象

当用户将MDX词典通过PyGlossary转换为StarDict格式后，发现生成的.dict文件中存在HTML标签属性值缺少引号的情况。例如：

<div class=example>...</div>

而不是标准的：

<div class="example">...</div>

这种格式问题会导致部分词典阅读器无法正确解析HTML内容，从而影响显示效果。

问题根源

经过分析，这个问题通常并非由PyGlossary转换过程引起，而是源MDX词典文件本身就已经存在HTML格式不规范的情况。PyGlossary在转换过程中会保持原始内容的格式，不会主动修复HTML标记中的引号问题。

解决方案

要解决这个问题，可以按照以下步骤操作：

1. 转换MDX为TXT格式： 首先使用PyGlossary将MDX词典转换为TXT格式的中间文件，这样可以方便检查和编辑内容。

2. 检查TXT文件： 使用文本编辑器打开生成的TXT文件，确认HTML标记中是否存在属性值引号缺失的问题。

3. 批量修复HTML： 如果发现问题，可以使用专业的HTML修复工具或正则表达式批量添加缺失的引号。例如使用以下正则表达式进行替换：

   (\w+)=([^"'\s>]+)
   替换为：
   $1="$2"
   

4. 重新转换为StarDict： 修复完成后，再将修正后的TXT文件通过PyGlossary转换为StarDict格式。

注意事项

• 直接编辑.dict文件是不可取的，这会破坏词典的索引结构
• 对于大型词典文件，建议使用专业的文本处理工具进行批量修复
• 转换前最好备份原始MDX文件

预防建议

为了避免类似问题，建议词典制作者：

1. 在创建MDX词典时确保HTML格式规范
2. 使用HTML验证工具检查内容
3. 在转换前先进行小规模测试

通过以上方法，可以确保转换后的StarDict词典在各种阅读器中都能正确显示。对于普通用户来说，了解这个问题的根源和解决方法，可以更好地处理不同来源的词典文件。