简易网页抓取与MDX教程制作
1、 获取网站首页，新建一个TXT文件，写入所有待抓取词条的URL地址。
2、 将文本文件命名为download.txt，并将其与wget.exe程序置于同一目录下（如D:DOPF）。若下载的wget可执行文件名称包含版本号（例如wget-1.21.4.exe），请先将其重命名为wget.exe。随后，打开命令提示符（cmd.exe），依次执行以下操作：切换至目标目录——输入cd /d D:DOPF，再运行下载命令——键入wget -i download.txt。该命令将按文本文件中列出的URL地址批量下载资源。
3、 下载处理后，共获得16698个链接。
4、 同样使用 wget -i download.txt 命令批量下载文件中列出的所有 HTML 页面，后续操作将变得非常简单。
5、 通过文本分析发现，词典条目内容位于首个标签与标签之间的区域。
6、 借助TextForever工具提取文本内容。
7、 提取完成后，共合并生成16695个HTML文件。在制作这本词典的过程中，我曾考虑是否需在文件内容前添加文件名。虽然某些场景下此举有助于关键词提取，但经反复测试验证，最终确定应在文件内容末尾统一添加一个空行，以确保格式规范、解析稳定且兼容性更佳。
8、 获取dopf-src.txt文件，对其进行处理，生成符合MDX格式构建要求的文本文件。
9、 MDX合并后的文本呈现如下：
10、 词典源文件为XML格式，但MDict桌面版原生不支持XML+CSS渲染（需升级内核方可实现）。因此，需将XML标签统一转换为标准HTML标签。经过一系列格式转换与结构优化，最终生成兼容性良好的HTML文本。
11、 编写CSS
12、 途中虽遇小问题，但逐一解决，最终顺利完成。
13、 看起来是否比在线版更顺眼些？
