stroke-seq_MB
stroke-seq_MB copied to clipboard
YQ-YSY
请教脚本用法
发现在小狼毫部署时有很多重复写入错误,考虑应该是词库里的问题,又不知道“辅助程序Python3脚本”里的脚本怎么用,能否麻烦你指导一下怎么用？能否附上示例文件？
发现在小狼毫部署时有很多重复写入错误,考虑应该是词库里的问题,又不知道“辅助程序Python3脚本”里的脚本怎么用,能否麻烦你指导一下怎么用？能否附上示例文件？
Python3脚本主要是用于筛选词库、生成编码、剔除不良词汇等功能。不能直接用于 Rime 本身。 你说的“很多重复写入错误”是指什么？
如果是指一些罕见词汇干扰了常见词汇的排序，例如，97.3797 有两个词：手笔、毛笔。 那么第一步可以用“清理特定词汇.py”来剔除“手笔”这个词（文件里有使用说明）， 然后第二步再重新做成 Rime 字典（加上 Rime 规定的文件头）。 对于不熟悉 Rime 的初学者来说，这二个步骤比较麻烦，还不如直接在字典文件里查找不想要的词，手工删除。
感谢回复,重复写入错误提示主要是字词和编码重复但词频不重复的问题：
买 544134 670
买 544134 550
这里小狼毫错误日志就会记录下这条是重复编码错误。
Python3脚本我这里没有运行成功
辅助程序Python3脚本\按行列提取词库.py", line 11, in
fa=open(sys.argv[1]).readlines() # 黑名单 fb=open(sys.argv[2]).readlines() # 待清理的文件 outfile = open(sys.argv[2]+"-已清理.txt","w") # 输出已清理的文件
感谢回复,重复写入错误提示主要是字词和编码重复但词频不重复的问题： 买 544134 670 买 544134 550 这里小狼毫错误日志就会记录下这条是重复编码错误。
——这不是“重复编码错误”，而是故意这样做的。 Rime 有自动排除重码的功能，但这恰恰不是我想要的。 对，我就是需要这样的“故意重码”。
“单手笔顺输入法”包含有三种编码： “买”笔顺码：544134，词频以 550 为起始。 “买”六全码：544134，词频以 670 为起始。 “买”精简码：544，词频以 800 为起始。
“买”这个字，都是由单一笔画组成，所以就没用上“偏旁部首代码表”里的任何一个代码， 而且，“买”这个字又刚巧是六个笔画，因此“买”的“六全码”就与“笔顺码”完全相同。
——编码重复，但词频不重复，为什么还要放在同一个码表文件里？ 这是为了：在未来的某一天， 如果有程序员按我的“悬浮栏功能设计说明”开发专用的“单手笔顺输入法”软件程序时， 通过码表里的预设词频，就能分辨出“哪个是笔顺码、哪个是六全码、哪个是精简码”； 数据库里就不需要再额外增加一个字段“用来表明属于哪个编码，节省了数据量。
并且，我在“悬浮栏功能设计说明”中已经表明： 在“提示栏”里用不同的颜色显示“这是笔顺码、这是六全码、这是精简码”； 用户就能一目了然，知道“买”字的“笔顺码”和“六全码”是相同的。
假设有十几个字与“买”字的“六全码”相同，但“笔顺码”不同， 用户打字时，翻页查看，他就翻过了“六全码”的“买”字，到下一页去了。 翻查完了这十几个字的“六全码”，用户都不满意，又想回头打出这个“买”字， 如果同一个码表文件里只有一个编码，这时他就只能又翻回去，按上下键来重新选择，很麻烦。
现在，三种编码放在同一个码表文件里，编码重复也不剔除，好处就来了： 三种编码是按词频排列的，精简码排在最前，六全码第二，笔顺码最后。 翻查完了这十几个字的“六全码”，用户会惊喜地发现，他想要的“买”字，作为“笔顺码”又出现了！ 这就节省了回头翻页的麻烦，加快了打字和检索的速度。
不过，从我自己使用近一年的情况看，上述情况几乎不可能出现。 因为“笔顺输入”的天然优势就是重码极少！ 而且“精简码”和“六全码”的词频设置，又把极少数的重码分开了，避免了在候选栏里重叠出现。 也就是说，本来是重码的几个字，通过多打一码或少打一码，都能处于默认的首选字，
Python3脚本我这里没有运行成功 辅助程序Python3脚本\按行列提取词库.py", line 11, in readfile = open(sys.argv[1]).readlines() IndexError: list index out of range 脚本里的第一第二个文件怎么指定的？ fa=open(sys.argv[1]).readlines() # 黑名单 fb=open(sys.argv[2]).readlines() # 待清理的文件 outfile = open(sys.argv[2]+"-已清理.txt","w") # 输出已清理的文件
注意： 你这里的错误提示是运行“按行列提取词库.py”出现的错误提示， 你给出的脚本代码却是“清理特定词汇.py”里的代码， 这是两个不同的python3脚本，不要弄混了。
运行“按行列提取词库.py”脚本的正确命令应该是：
python3 按行列提取词库.py 网络词库文件.txt 常见错别字词大全.txt
运行的结果将得到一个新文件： 网络词库文件-已提取..txt
运行“清理特定词汇.py”脚本的正确命令应该是：
python3 清理特定词汇.py 常见错别字词大全.txt 我自己的词库文件.txt
运行的结果将得到一个新文件：我自己的词库文件-已清理..txt
其中“常见错别字词大全.txt”在脚本文件夹里已经包含有，就是该脚本里所说的“黑名单”文件。 如果你不想做任何的“黑名单”排除工作，那么可以新建一个只有英文字母的文件作为“黑名单”文件即可。 但还是建议尽量排除“错别字、恶俗词汇、黑名单”，自觉维护语言环境的良性发展。