MDX文件怎么打开？先分清词典格式与Markdown扩展，附转换避坑指南

简介MDX 格式是电子词典领域常见的压缩数据格式被多款主流词典软件用于存储词条、释义、例句和发音信息。压缩包提供了一款可直接在 Windows 下运行的 MDX 阅读与转换工具包面向语言学习者、教师以及需要解析词典数据的开发者解决 MDX 文件难以直接查看和编辑的问题。压缩包共 23 个文件仅 845KB除核心程序外还包含中英文帮助页面、HTML 转换模板、XML 配置与历史记录、CSS 样式、PNG 图标以及词典数据文件等结构清晰能够完整还原词典渲染环境。运行工具后用户可快速打开常见的 MDX/MDD 词库并通过生成的 HTML 页面在浏览器中浏览词条、释义和例句支持书签、历史与个性化界面设置开发者亦可参考其 XML 配置和前端模板来理解 MDX 的结构或在此基础上做二次开发。自发布以来已有 974 人浏览学习对想高效利用电子词典资源的中文用户来说是轻量实用的入门工具。1. 拿到 .mdx 先别急着装万能打开器先分清它是词典还是 Markdown很多人下载到.mdx文件后第一反应是搜“mdx 打开工具”装上某款号称“万能”的软件双击却发现要么没反应、要么乱码。实际我处理这类文件几年下来最大的心得是.mdx这个后缀背后是两种完全不同的东西。一种是 MDict 词典格式由词条 HTML 和资源文件组成常见于各类离线词典包另一种是 MDX 标记语言文件本质是 Markdown 的扩展多用于 Docusaurus 等文档站点。两者的打开方式、工具链、踩坑点几乎不重叠混为一谈才是打不开的根源。这篇笔记就按这两条线给你拆清楚普通用户怎么打开词典型 mdx开发者怎么处理 Markdown 型 mdx以及转换格式时那些让人挠头的坑。2. 词典型 .mdx 的内部结构它为什么不能双击打开2.1 .mdx 和 .mdd 是一对搭档少一个都不完整MDict 词典格式由灵格斯时期的老牌软件 MDict 确立后来被欧路、GoldenDict 等广泛兼容。一个完整的词典包通常有两个文件.mdx存词条正文内部是压缩过的 HTML 片段.mdd存发音、图片、CSS 等资源按路径被 mdx 里的 HTML 引用。比如entry://sound/abc.mp3这种引用链接就是从 mdd 里取资源。所以拿到 mdx 先看同目录下有没有同名 mdd。我见过很多新手只拷贝了 mdx打开后词条文字还在但发音点击没反应、图片全部裂开就是 mdd 没带上的原因。反过来说只有 mdd 没有 mdx则没有任何词条索引资源也派不上用场。这两者缺一个都不是“文件损坏”而是文件不完整。2.2 词条内部是 HTML不是纯文本用文本编辑器直接打开 mdx通常看到的是一堆二进制夹杂可读字符因为词条内容被做了压缩处理。但 mdx 的内核是“词头 压缩后的 HTML 正文”这样一个键值结构。这意味着所有支持 mdx 的软件本质上都是一个 HTML 渲染引擎外加一套词典索引机制。搞清楚这一点选打开工具的思路就清楚了不是找一个能解码二进制的工具而是找一个能渲染 HTML、能读 MDict 索引的软件。Windows 上我常用 GoldenDictmacOS 用欧路词典Linux 下 GoldenDict 几乎是唯一顺手的选择。手机端则优先 MDict 官方 App 或欧路两者都直接支持加载 mdx/mdd。3. 用桌面与移动端工具加载 mdx最小可行步骤3.1 GoldenDict 加载词典包导入路径与避坑点GoldenDict 是开源跨平台词典软件对 MDict 格式支持完善。安装后按以下步骤操作菜单栏打开编辑 - 词典。在“词典来源”里选择“文件”点击“添加”指向 mdx 文件所在目录。注意 GoldenDict 是按目录扫描的你可以把多本词典放进同一个文件夹它会自动识别。点击“重新扫描”下方列表会出现词典名称勾选启用应用即可。# Linux 下安装 GoldenDictDebian/Ubuntu sudo apt install goldendict # 启动后配置目录通常在 ~/.goldendict # 把 mdx/mdd 复制到自定义目录后在 GUI 里添加该目录即可参数说明GoldenDict 默认递归扫描子目录所以你把词典放在嵌套文件夹里也能被识别但如果目录层级太深首次扫描会慢建议词典单独放一个扁平目录。另外如果你用的是较新的 GoldenDict-Next 分支它支持在“词典来源”里直接填 mdx 文件路径而不是必须选目录这可以避免它把无关文件夹里的文件也扫描一遍。3.2 手机端欧路词典导入本地文件与“离线词典库”的区别手机端操作差别很大。iOS 和 Android 的欧路词典都支持“文件导入”功能但建议不要用“云盘导入”因为 mdx 动辄几百 MB走云盘容易传一半断掉。我一般用以下方式# Android 端把 mdx/mdd 放到 # /Android/data/com.eudic/files/dict/ # 然后打开欧路词典在“词典库”里会看到自动加载的词典这里有个关键细节欧路词典把两类来源分得很清——“在线词典库”和“本地词典库”。初次导入可能提示“未找到词典”多半是 mdx 和 mdd 文件名不一致。例如你的文件是牛津高阶8.mdx和牛津高阶8.mdd如果其中一个被重命名过资源就挂不上。检查两个文件主名必须完全一致包括大小写这是移动端最容易翻车的地方。3.3 命令行快速验证文件完整性3 条命令识别坏包如果你手头没有 GUI 工具或者想批量检查一批 mdx 是否正常可以用 Python 的readmdict库快速读取词条数量和文件头信息from readmdict import MDX # 替换成你的实际路径 mdx_path 你的词典.mdx mdx MDX(mdx_path) # 返回词头列表和词条定义列表 headwords, definitions mdx.items() print(f总词条数: {len(headwords)}) print(f第一个词头: {headwords[0]})这行代码的用途是验证如果len(headwords)返回 0 或抛异常说明这个 mdx 的索引区损坏或者是加密词典详见第 5 章。readmdict只负责读取不负责渲染 HTML所以它比 GoldenDict 轻量得多适合批量体检一批词典文件。注意readmdict对 Python 版本有要求Python 3.8 以下可能装不上建议用 3.10 环境。4. 把 mdx 转成 txt/markdown转换脚本与四个边界坑4.1 pyglossary 做通用转换支持格式一览与参数调优如果你不想一直依赖词典软件想把 mdx 转成纯文本、Markdown 或 JSON 作为语料处理社区里最通用的是pyglossary。它是一款格式转换工具输入输出格式通过插件扩展支持 mdx、mdd、stardict、lingvo 等几十种。# 安装 pyglossary pip install pyglossary # 把 mdx 转成 txt纯文本词条 pyglossary input.mdx output.txt --read-formatMDict --write-formatPlainText # 把 mdx 转成 json结构化词条适合程序处理 pyglossary input.mdx output.json --read-formatMDict参数说明--read-formatMDict是显式指定输入格式如果省略pyglossary 会根据扩展名猜但 mdx 扩展名和 MDict 格式并非严格绑定所以显式声明更稳妥。转 txt 时词条内的 HTML 标签会全部被剥离但保留换行结构转 json 则保留原始 HTML 字符串方便你后续自己解析。4.2 手动提取词条内容一个适合定制需求的 Python 脚本pyglossary 适合一键转换但如果你想只提取指定词条、或想把 HTML 里的class属性映射成自己的业务字段还是自己写脚本更灵活。下面这段代码是最常用的骨架能列出指定词头的 HTML 内容from readmdict import MDX mdx MDX(例句词典.mdx) items mdx.items() # items 是一个生成器转成 dict 便于按词头查询 # 注意词头可能重复dict 只会保留最后一个所以最好改成列表 word_list list(items) target apple # 遍历查找数据量大时较慢适合一次性导出 for headword, definition in word_list: if headword.lower() target: print(词头:, headword) print(正文HTML:, definition.decode(utf-8, errorsignore)[:500]) break这一段脚本的坑在于items()返回的 definition 是bytes类型需要手动解码而且 MDict 的词头排序未必是字典序所以如果你要按字母序导出全部词条必须对headwords重新排序不能想当然地认为文件里就是有序的。4.3 转 Markdown 时的标签丢失与样式还原问题把 mdx 转成 Markdown 是最常用但也最容易出现样式翻车的方向。MDict 词条的 HTML 是作者写死的排版依赖内嵌 CSS而 Markdown 的语法能表达的样式有限。你最终得到的 markdown 往往长这样apple /ˈæpəl/ n. 苹果苹果树原来的音标字体颜色、例句的斜体、词性标签的底色全部丢失。如果你对样式有要求正确的思路是转成 HTML 而不是 Markdown然后自己套一套 CSS。或者转成带基础的 md再用 pandoc 从 md 生成带样式的 HTML这是一条更可控的路径# 先从 mdx 转成 html保留原始布局 pyglossary input.mdx output.html --read-formatMDict --write-formatHTML # 再用 pandoc 把 html 转成 gfmGitHub 风格 markdown尽量保留样式语义 pandoc output.html -f html -t gfm --wrapnone -o output.md这里--wrapnone是必须的否则 pandoc 会在 72 列处自动换行把词条内本来不换行的行打断导致后面 Markdown 的表格和列表错位。5. MDX 打开与转换避坑实录四个高频问题排查5.1 现象GoldenDict 能识别词典但查询时一直转圈不显示结果原因多数不是软件问题而是 mdx 文件本身采用了旧版索引格式GoldenDict 在启动时需要重建索引。如果词典文件很大超过 1GB首次加载可能需要几分钟。我曾经等过一台老笔记本加载 2GB 词典界面看起来像死机。解决打开 GoldenDict 的“编辑 - 首选项 - 高级”把“最大文章大小”从默认值往上调同时确认词典所在磁盘有足够剩余空间用于索引缓存。如果等待超过 10 分钟仍无响应用 3.3 节的 Python 脚本验证文件完整性很可能是文件本身损坏。5.2 现象手机欧路导入后提示“不支持此词典”或“词典损坏”原因这个提示多半不是真的损坏而是这个 mdx 是加密词典文件头带有特殊标记。MDict 格式允许作者对整个文件加密加密后任何通用工具都无法读取包括 GoldenDict 和欧路。解决放弃。网上所谓的“解密工具”大多只能处理特定版本且容易破坏文件结构。我的做法是回到下载源重新找原版 .mdx或者找同一词典的 Stardict 格式替代。加密 mdx 没有通用的后悔药这是这个生态里最硬的一条边界。5.3 现象转换出来的 txt 里中文全部变成乱码原因MDict 格式内部编码是 UTF-16 或 GBK取决于作者制作时的设置。readmdict 库默认按 UTF-8 解码遇到 GBK 编码的旧词典就会乱。解决解码时显式指定编码或者在转换前先用chardet判断# 检测 definition 的字节流编码 import chardet raw definition detected chardet.detect(raw) print(detected) # 比如 {encoding: GB2312, confidence: 0.99} # 按检测结果解码 text raw.decode(detected[encoding], errorsignore)实际操作中同一个 mdx 的不同词条编码可能一致所以用第一个词条检测出编码后全量转换都用这个编码即可。少数词典会出现混合编码的“脏数据”此时errorsignore宁可丢字符也不要让程序中断。5.4 现象转成 markdown 后里面的音频链接变成了一堆entry://开头的死链原因mdx 里的音频/图片引用指向 mdd 资源文件而不是外部 URL。当你只转 mdx 而不同时处理 mdd这些链接自然失效。解决先用readmdd把 mdd 里的资源解包到本地再把链接地址改写为本地路径from readmdict import MDD mdd MDD(词典.mdd) # 导出全部资源到 assets 目录 mdd.export(assets/)导出完成后你就得到了一个纯本地的资源目录。下一步是写正则把entry://sound/foo.mp3替换成assets/sound/foo.mp3。这里有个细节mdd 内部结构也是“路径 - 字节流”文件名可能包含中文字符或空格替换时不要偷懒用简单的字符串拼接最好用urllib.parse做一次 URL 解码否则浏览器/阅读器打开时会 404。6. 反过来用把自己的 Markdown 制作成 mdx 自用词典是可行的最后一章给一个更进阶的玩法你在 MDX 标记语言里写笔记或者手头有大量 Markdown 文档完全可以反向生成一个 mdx 词典放到 GoldenDict 里按词条查询你的知识库。思路并不复杂mdx 的结构是“词头 HTML 内容”所以把 Markdown 转成 HTML再打包成 mdx 即可。我用的是mdict-utils这个 Python 库它提供了从文本构建 mdx 的能力from mdict_utils import MDictWriter # 每个词条就是 (词头, HTML内容) 元组 entries [ (闭包, p闭包是函数和其词法环境的组合。/p), (尾递归, p尾调用优化的一种特殊形式。/p) ] # 构建并写出 mdx 文件 writer MDictWriter(entries, outputmy_notes.mdx) writer.write()注意MDictWriter的接口在不同版本里略有差别有的版本要求传入title参数指定词典显示名。这一步不难难在词头归并策略如果你同一主题有多条笔记得先把它们合并成一个 HTML 页面否则同一个词头会覆盖。我的习惯是每周把当周 Markdown 笔记里的标题抽取成词头正文转成 HTML 片段生成一个“周刊词典”在 GoldenDict 里查一个术语就能看到本周所有相关笔记的链接式内容。这个方向值不值得投入我的判断是——如果你只是临时打开一个词典文件第 3 章的 GUI 方案就够用了但如果你有笔记整理、语料复用、跨平台查询的需求把 Markdown 反向打进 mdx 生态是一劳永逸的做法。我做这套流程后在电脑上查资料基本不再切到浏览器因为本地词典的响应速度和离线可用性是网页笔记比不了的。走过这些坑之后我养成了一个习惯拿到任何 mdx 文件的第一件事不是急着找打开工具而是先看一眼同目录有没有 mdd、文件大小是否超过 100MB、能不能用 readmdict 读出词条数。这三步 30 秒就能做完却精准避开了一大半“打不开、乱码、无发音”的后续折腾。希望这篇笔记能帮你少走这些弯路。本文还有配套的精品资源点击获取