方案生成工具
本項目提供一個強大的方案生成工具 tools/schemagen.py，可滿足方案生成和維護的諸多需求。
INFO
該工具不隨方案打包分發，請從 GitHub repo 上獲取。
通用參數
| 參數 | 取值 | 說明 |
|---|---|---|
--double-pinyin | zrm 或 flypy，默認 zrm | 雙拼方案 |
--auxiliary-code | zrm 或 user，默認 zrm | 輔助碼方案 |
--auxiliary-code-fallback | 字符串，默認 ?? | 當輔助碼表中不存在該字時，使用這個參數作爲輔助碼 |
--pinyin-table | 文件路徑，默認 data/pinyin.txt | 字詞的拼音和詞頻 |
拼音表文件格式
使用 tab 分隔的三列數據，依次是字詞、讀音和詞頻。詞語的讀音可留空，這些讀音會被自動生成。例：
〇 ling 981
音樂會 yin yue hui 1361
新聞辦 718預置拼音表
data/pinyin.txt繁體數據，來自 Rime 八股文和朙月拼音data/pinyin_simp.txt簡體數據，來自 Rime 八股文和 pinyin_simp
INFO
在處理簡化字方案時，通常需要設定 pinyin-table 參數。
命令 gen-chars
用於生成 moran.chars.dict.yaml 格式的文件。
直接使用拼音表數據。
python3 schemagen.py gen-chars命令 gen-dict
用於生成整句詞庫，格式類似 moran.base.dict.yaml。
在產生讀音時：首先使用詞庫中的讀音，若無，則會自動註音。自動註音過程可以調用 opencc 先進行簡繁轉換（因爲所用註音庫要求輸入是簡化字）。
在產生詞頻時：首先使用詞庫中的詞頻，若無，則會取 0。
| 參數 | 取值 | 說明 |
|---|---|---|
--input-dict | 必須 文件路徑 | pinyin-table 格式的詞庫 |
--opencc-for-pinyin | 文件名，默認 t2s.json | 在註音前簡繁轉換，默認繁轉簡 |
--opencc-for-output | 文件名，默認爲空 | 在輸出詞語前簡繁轉換，默認不轉換 |
--compact | 不保留容錯碼，只使用主碼產生詞典 | |
--no-freq | 不輸出詞頻 | |
--freq-scale | 浮點數，默認 1.0 | 在輸出詞頻時，可以乘上一個因子放大或縮小詞頻 |
輸入詞庫格式
完整格式應是 pinyin-table 格式，即三個數據分別是詞、讀音、詞頻。
詞庫讀入時對兩列數據的情況做了兼容，同時支持詞、讀音和詞、詞頻兩種格式。即支持如下格式：
你好 ni hao
再見 123命令 gen-fixed
該命令用於生成簡碼碼表。
簡碼碼表生成的邏輯：
- 首先依次產生所有字的全碼，然後逐級嘗試把字放入一級、二級、三級簡碼位。每個簡碼位最多容納（tolerance 參數設定的數字）個簡碼。
- 詞語和全碼詞放在，並依據詞頻統一排序。
若不指定 --short-word 則不生成簡詞。簡詞生成的邏輯：
- 給每個詞語產生幾種特定的短碼：
- 二字詞，使用兩個字的首碼產生二簡碼
- 三字詞，使用三個字的首碼產生三簡碼
- 然後將該簡詞碼像簡字碼一樣，逐級嘗試放入簡碼位
| 參數 | 取值 | 說明 |
|---|---|---|
--charset | 建議設置 文件路徑，默認 data/trad_chars.txt | 設定碼表中的單字 |
--input-dict | 建議設置 文件路徑 | 與 gen-dict 命令使用相同的詞庫格式；設定碼表中的詞語 |
--format | 建議設置 code-words 或 code-word 或 word-code 或 word-codes | 輸出碼表格式 |
--opencc-for-pinyin | 文件名，默認 t2s.json | （與 gen-dict 命令相同）註音時使用的簡繁轉換設定 |
--tolerance | 逗號分隔的3個數字，默認 1,1,1 | 每級簡碼可以容納幾個簡碼 |
--short-word | 是否生成簡詞 |
命令 update-compact-dict
根據最新的 zrmdb 定義，更新 compact 詞庫中的輔助碼部分。
INFO
這個命令可用於將繁體詞庫自動轉換成簡體詞庫後，再更新輔助碼。
具體用法可參照 tools/update_compact_dicts.sh。
| 參數 | 取值 | 說明 |
|---|---|---|
--rime-dict | 必須 文件名 | Rime 詞庫 |
命令 update_char_weight
根據最新 pinyin-table，更新 chars 碼表的詞頻。
INFO
這個命令可用於將繁體字表自動轉換成簡體字表後，再更新輔助碼。
具體用法可參照 make_simp_dist.sh。
| 參數 | 取值 | 說明 |
|---|---|---|
--rime-dict | 必須 文件名 | Rime 詞庫 |
命令 update_sp
根據最新 pinyin-table，重新修改詞的雙拼部分。
| 參數 | 取值 | 說明 |
|---|---|---|
--rime-dict | 必須 文件名 | Rime 詞庫 |
--find | 必須 字符串 | 只更新含有這些字的詞 |
例如，更新只含「朝」字的詞語的讀音：update-sp --find "朝"
命令 convert_sp
轉換詞庫的雙拼方案爲其他方案。可以將本方案的自然碼雙拼轉換成其他雙拼。
輸入雙拼方案由通用參數中的 --double-pinyin 指定，輸出方案由 --to 指定。
| 參數 | 取值 | 說明 |
|---|---|---|
--rime-dict | 必須 文件名 | Rime 詞庫 |
--to | 必須 支持的雙拼 | 目標雙拼方案 |
命令 convert_fixed_sp
轉換固定碼表的雙拼方案爲其他方案。可以將本方案的自然碼雙拼轉換成其他雙拼。
輸入雙拼方案由通用參數中的 --double-pinyin 指定，輸出方案由 --to 指定。
| 參數 | 取值 | 說明 |
|---|---|---|
--rime-dict | 必須 文件名 | Rime 詞庫 |
--to | 必須 支持的雙拼 | 目標雙拼方案 |