home
home copied to clipboard
rime
双拼输入时如何实现用五笔反查词语
maybe related to https://github.com/rime/librime/issues/822#issuecomment-1951628000
@LEOYoon-Tsaw 你好，
我想令所有詞語不須標註編碼而可被反查，見你在 https://github.com/rime/home/issues/1095#issuecomment-1181270800 提到得改代碼，因此嘗試並成功實現了——須使reverse_lookup_dictionary.cc中構建rev_table的邏輯針對vocabulary而不只是syllabary。
請問這功能是未有人實現，還是不計劃實現呢？見你更久之前在 https://github.com/rime/rime-cantonese/pull/80#issuecomment-666597210 說過希望有人能修補，但這似乎又不是個很大的改動。如果開發者願意添加此功能，我很樂意作出貢獻。
@LEOYoon-Tsaw 你好，
我想令所有詞語不須標註編碼而可被反查，見你在 https://github.com/rime/home/issues/1095#issuecomment-1181270800 提到得改代碼，因此嘗試並成功實現了——須使reverse_lookup_dictionary.cc中構建
rev_table的邏輯針對vocabulary而不只是syllabary。請問這功能是未有人實現，還是不計劃實現呢？見你更久之前在 https://github.com/rime/rime-cantonese/pull/80#issuecomment-666597210 說過希望有人能修補，但這似乎又不是個很大的改動。如果開發者願意添加此功能，我很樂意作出貢獻。
感覺你研究，我沒有太鑽研這部分，只是覺得這應該是一個有用的增強，我不覺得是刻意不做的，也許@lotem 有更多信息
不支持是因为形码的编码是一串字符，而拼音码与之对应的是一个拼音音节。拼音词典不用连串的输入码查询——那样要为简拼、双拼编码存储重复的内容。输入拼音码时，先要切分成音节，对每个音节做必要的转换如全拼—双拼转换，最后按照音节序列查字典。
要支持用拼音反查任意词组的形码，上策是配置一个全功能的拼音翻译器script_translator，配合一个reverse_lookup_filter为用拼音查得的候选词标注形码的编码。
中策是专门制作一个反查词典，将词的拼音码处理为一串字符。这样的词典无法用于拼音输入法，所以要专门制作。
下策就是利用拼音方案的反查词典反查单字，不支持用拼音反查词。好处是配置方法简单。
谢谢佛振先生的回答。我看懂了第一段，与我的理解一致；但后面的不太明白，原因如下：
据我测试，用拼音码反查词组的形码是可以的：比如选择仓颉方案，输入`nihao（拼音反查）， 你好旁会显示人火女弓木提示码。楼主也提到五笔输入时双拼反查可以查词。似乎只要选择形码输入法，用拼音码或其他形码都能反查词组的形码。
但用形码反查词组的拼音码就不能实现：比如选择粤拼方案，输入vofvnd（仓颉反查），你好旁不会显示粤拼提示码。楼主也提到用双拼输入时五笔反查不可以查词。此外，用其他拼音码反查词组的拼音码也不能实现：比如选择粤拼方案，输入`nihao（普通话拼音反查），你好旁也不会显示粤拼提示码。似乎只要选择拼音码输入法，用形码或其他拼音码都不能反查词组的拼音码。
要解决这个问题，我参考以往讨论，试过如你所说专门制作反查词典，将词的拼音码处理为一串字符（如 https://github.com/rime/rime-cantonese/pull/80/ 的做法）。但这策略较复杂且麻烦。
所以我成功靠改librime代码解决了——在reverse_lookup_dictionary.cc中更改构建rev_table的逻辑，不只把vocabulary中每个单音节词（即每个字）映射到其编码，而是给所有词都如此映射。这样要选择拼音码输入法就也能反查词组的拼音码。
请问这个策略有没有什么弊处？此改动的一个代价就是反查词典文件会更大。如果可行的话，会否计划添加此功能到librime？过往似乎有不少用户对此有提问（如 https://github.com/rime/home/issues/298 ），所以我认为或许有其价值。
好吧。我把兩個問題搞混了。我回答中的「上策」實現的是輸入拼音反查形碼。
形碼中，詞組與單字的編碼形式沒有區別，都是一串編碼字符。事實上 Rime 不區分單字和詞組。 音碼的編碼由多個音節組成，每個音節又是由一串字符得出。這種二維結構是支持簡拼、雙拼等功能的關鍵。
我不知怎樣等價地將拼音碼在反查結果中表示。反查結果是一個空格分隔的列表，用來列出多音字的各個讀音，這與拼音詞典編碼中用空格表示音節邊界衝突。要解決衝突，大概需要另行定義一種格式。隨之要實現一組邏輯，將反查出來的結果解析出來，做雙拼等格式轉換。我覺得實現可能有些複雜。
我的理解與你第二段所說的一致。
你提到的衝突我在改代碼時也發現了；所以我用空格表示音節邊界，多音反查結果改用豎線字符分隔讀音，如下（用普通話拼音反查中古全拼）：
請問這個解決方法可否採納？
實現此功能有一個問題：如果詞語包含多個多音字，反查提示碼會很長（但確實符合設計），如下：
不知這個問題算不算嚴重。
至於將反查結果做雙拼等格式轉換，這是否已經可以通過定製拼寫運算實現？
不行吧。实现有成本，结果还有缺陷。我看还是先别做。
自动推导的词组编码，排列组合随着多音字数目指数增长；排列组合出来的编码用来提示也有误导的嫌疑。反观单字，在词典里都有明确的注音。词组也按照这个标准提示才稳妥。
之前举例错了，不过两者的问题类似。用拼音反查，要准备回答用户这个问题：为什么有些拼音词组能用反查方式输入，另一些不行？用其他编码反查拼音，用户也会问：为什么一些词组能反查出拼音，另一些没有显示拼音？如果反查的是形码，那么回答是：形码输入法里没有这个词，所以不能反查。但拼音输入法作为主词典时，词组可以临时拼造，用户感知不到词典里没有，就会发现，一些词明明可以用拼音输入，却不能反查拼音。这是个次要问题。
明白了，谢谢解答。
自动推导编码问题应该可以靠定制更完整的词典文件来解决：比如中古拼音词典有给中行一词提供标准注音，反查时就不会出现以上中华一词一般的情况。使用中古拼音打字时，以上六种编码都能用来输入中华，而用来输入中行的只有一种编码。但输入法词典注音难以齐全，所以确实难免出现有误导嫌疑的排列组合出来的编码。
次要问题也确实存在，也许只能让用户了解反查功能的缺陷。
所以如此实现并不完美，选择不做也有道理。
我的想法：詞組只有一條編碼，可以利用單字的編碼推導，不必存入反查詞典； 多音字中，只有一種常用讀音參與自動造詞的，在反查詞典裏添加一條大概率編碼的數據，也可以用來推導詞組的編碼，但在提示中加入一個問號表示可能誤讀。
等等嘛，在 R²ime 裏做？