安装 有道字典增强版 （下载的V6.2），安装目录下会有 localdicts 文件夹，包含字典文
件以及索引文件。

C:\USERS\%USERNAME%\APPDATA\LOCAL\YOUDAO\DICT\APPLICATION\LOCALDICTS
    2016/06/06  09:20    <DIR>          ..
2016/06/06  09:20        28,460,334 21EC.ydic
2016/06/06  09:20         8,094,269 basicCE.ydic
2016/06/06  09:20        16,692,913 basicEC.ydic
2016/06/06  09:20         3,737,882 CE.idx
2016/06/06  09:20               250 CE.ifo
2016/06/06  09:20         7,991,892 EC.idx
2016/06/06  09:20               334 EC.ifo
2016/06/06  09:20         9,900,103 newCE.ydic
2016/06/06  09:20         5,475,078 phrase.ydic
2016/06/06  09:20        42,980,352 sentenceDict.sql
复制代码

.ifo 文件是摘要信息（比如某个字典有多少单词量）
.idx 文件分两部分，第一部分是索引数据，第二部分是单词内容
.ydic 文件是翻译信息

    先针对英汉字典(EC.idx basicCE.ydic)

    比较业余，用了几种方法，就.idx文件来说，已经知道是索引，将其转成16进制按N组一行的方式
排列（用的Perl提取划分，虽然我知道有些工具更好用），发现其中的规律是，每12个字节为一组
数据，在一组里面，每4个字节合为一个数值（低位在前，这是后来发现的）。以及按4列16进制值显示后
发现到了某个位置规律就不一样了。

1057288 16 6a 39 00 
1057289 83 b6 fe 00 
1057290 17 00 00 00 
1057291 1b 6a 39 00 
1057292 9a b6 fe 00 
1057293 17 00 00 00  //以下为第二部分，没有明显规律
1057294 37 73 71 65 
1057295 63 75 37 73 
1057296 75 60 64 37 
1057297 74 7f 72 75 
1057298 37 74 62 79 
 
复制代码

然后对ydic分析字节频率，以下是频率较高的字节，左边是出现的次数

00337934 ac
00352074 6d
00352432 6b
00378084 22
00477148 f5
00563980 2a
00567693 75
00692001 21
00997268 33
02211802 32


然而并没有什么卵用，6d 和 6b 33 和 32 是什么？ m k 3 2 ?写了一个脚本: 输入16进制值，试转UTF、GBK

input:6d 6b 33 32
mk32    gbk     109
mk32    big5    109
mk32    utf8    109
歭社    utf16-le        27501
not utf16-be
复制代码

但是好在想起了单词数量，在ifo文件：WordCount:352431
6b 和 6d的出现次数和这个非常接近，可能作为分隔符。

随便指定一个单词，比如 area，用类似二分法的方式，断开网络，对ydic翻译文件对半裁剪。
用有道词典查询该单词，不能查到就提取另一半/继续对半裁剪，最后定位数据：


6b 32 60 32 2a 32 37 de a5 d9 89 62 79 d9 89 32 3c 32 75 32 2a 4b 32 7e 3e 33 33 30 f5 9c aa f5 8f 8f ff ac 9c
f5 8c a0 f5 9c aa ff ac 8b f9 8d b2 f7 b7 bf ff ac 8b f8 9c 93 f5 8b a4 32 4d 3c 32 75 68 32 2a 32 21 33 22 26 22 29 27
29 23 26 33 26 20 20 32 3c 32 75 68 32 2a 32 22 33 23 26 23 26 23 29 23 33 23 21 27 23 32 6d


offset: 0d6130
length: 0x6c

将翻译内容：“n. 区域，地区；面积；范围”， 试转为不同编码


gbk: 6e 2e 20 c7 f8 d3 f2 a3 ac b5 d8 c7 f8 a3 bb c3 e6 bb fd a3 bb b7 b6 ce a7
big5: 6e 2e 20 3f b0 ec a1 41 a6 61 3f a1 46 ad b1 3f a1 46 ad 53 3f
utf8: 6e 2e 20 e5 8c ba e5 9f 9f ef bc 8c e5 9c b0 e5 8c ba ef bc 9b e9 9d a2 e7 a7 af ef bc 9b e8 8c 83 e5 9b b4
utf16-le: 6e 0 2e 0 20 0 3a 53 df 57 c ff 30 57 3a 53 1b ff 62 97 ef 79 1b ff 3 83 f4 56


总结出：采用UTF8编码，并做了简单的处理，hex的高位如果是奇数，高位-1，否则高位+1 ， 还原数据：
{"p":"'εəriə","e":["n.## 区域，地区；面积；范围"],"ex":"1#26297936#600","ex":"2#3636393#3173"}

"ex":"1#26297936#600"  表示引用字典 21EC.ydic 的数据，offset 为 26297936，600是数据长度
"ex":"2#3636393#3173" 表示引用字典 phrase.ydic的数据，offset 为 3636393，3173是数据长度

用二分法锁定字节区域是碰了运气，因为有很多数据都是引用另一个字典，再绕一点都会烦得不行。

use Encode;
use YAML 'Dump';

my $PATH = "D:\\Local\\Dict\\Youdao\\Analyse_EC";
open READ,"<:raw", "$PATH\\EN2CN.txt";

my $s;
our $data;

while ($s = <READ>)
{
    if ($s=~/^words :/i)
    {
        $s=~/^(.+) \: (.*)\r?\n/i;
        eval "\$data = $2";
        delete $data->{'pr'};      #不显示“相关词组”信息

        print utf8_to_gbk( Dump($data) );
    }
}

close READ;

sub utf8_to_gbk
{
    return encode('gbk', decode('utf8', $_[0]));
}
复制代码