方案生成工具

本项目提供一个强大的方案生成工具 tools/schemagen.py，可满足方案生成和维护的诸多需求。

INFO

该工具不随方案打包分发，请从 GitHub repo 上获取。

通用参数

参数	取值	说明
--double-pinyin	zrm 或 flypy，默认 zrm	双拼方案
--auxiliary-code	zrm 或 user，默认 zrm	辅助码方案
--auxiliary-code-fallback	字符串，默认 ??	当辅助码表中不存在该字时，使用这个参数作为辅助码
--pinyin-table	文件路径，默认 data/pinyin.txt	字词的拼音和词频

拼音表文件格式

使用 tab 分隔的三列数据，依次是字词、读音和词频。词语的读音可留空，这些读音会被自动生成。例：

〇	ling	981
音乐会	yin yue hui	1361
新闻办		718

预置拼音表

• data/pinyin.txt 繁体数据，来自 Rime 八股文和朙月拼音
• data/pinyin_simp.txt 简体数据，来自 Rime 八股文和 pinyin_simp

INFO

在处理简化字方案时，通常需要设定 pinyin-table 参数。

命令 gen-chars

用于生成 moran.chars.dict.yaml 格式的文件。

直接使用拼音表数据。

python3 schemagen.py gen-chars

命令 gen-dict

用于生成整句词库，格式类似 moran.base.dict.yaml。

在产生读音时：首先使用词库中的读音，若无，则会自动注音。自动注音过程可以调用 opencc 先进行简繁转换（因为所用注音库要求输入是简化字）。

在产生词频时：首先使用词库中的词频，若无，则会取 0。

参数	取值	说明
--input-dict	必须 文件路径	pinyin-table 格式的词库
--opencc-for-pinyin	文件名，默认 t2s.json	在注音前简繁转换，默认繁转简
--opencc-for-output	文件名，默认为空	在输出词语前简繁转换，默认不转换
--compact		不保留容错码，只使用主码产生词典
--no-freq		不输出词频
--freq-scale	浮点数，默认 1.0	在输出词频时，可以乘上一个因子放大或缩小词频

输入词库格式

完整格式应是 pinyin-table 格式，即三个数据分别是词、读音、词频。

词库读入时对两列数据的情况做了兼容，同时支持词、读音和词、词频两种格式。即支持如下格式：

你好	ni hao
再见	123

命令 gen-fixed

该命令用于生成简码码表。

简码码表生成的逻辑：

• 首先依次产生所有字的全码，然后逐级尝试把字放入一级、二级、三级简码位。每个简码位最多容纳（tolerance 参数设定的数字）个简码。
• 词语和全码词放在，并依据词频统一排序。

若不指定 --short-word 则不生成简词。简词生成的逻辑：

• 给每个词语产生几种特定的短码：
  • 二字词，使用两个字的首码产生二简码
  • 三字词，使用三个字的首码产生三简码
• 然后将该简词码像简字码一样，逐级尝试放入简码位

参数	取值	说明
--charset	建议设置 文件路径，默认 data/trad_chars.txt	设定码表中的单字
--input-dict	建议设置 文件路径	与 gen-dict 命令使用相同的词库格式；设定码表中的词语
--format	建议设置 code-words 或 code-word 或 word-code 或 word-codes	输出码表格式
--opencc-for-pinyin	文件名，默认 t2s.json	（与 gen-dict 命令相同）注音时使用的简繁转换设定
--tolerance	逗号分隔的3个数字，默认 1,1,1	每级简码可以容纳几个简码
--short-word		是否生成简词

命令 update-compact-dict

根据最新的 zrmdb 定义，更新 compact 词库中的辅助码部分。

INFO

这个命令可用于将繁体词库自动转换成简体词库后，再更新辅助码。

具体用法可参照 tools/update_compact_dicts.sh。

参数	取值	说明
--rime-dict	必须 文件名	Rime 词库

命令 update_char_weight

根据最新 pinyin-table，更新 chars 码表的词频。

INFO

这个命令可用于将繁体字表自动转换成简体字表后，再更新辅助码。

具体用法可参照 make_simp_dist.sh。

参数	取值	说明
--rime-dict	必须 文件名	Rime 词库

命令 update_sp

根据最新 pinyin-table，重新修改词的双拼部分。

参数	取值	说明
--rime-dict	必须 文件名	Rime 词库
--find	必须 字符串	只更新含有这些字的词

例如，更新只含「朝」字的词语的读音：update-sp --find "朝"

命令 convert_sp

转换词库的双拼方案为其他方案。可以将本方案的自然码双拼转换成其他双拼。

输入双拼方案由通用参数中的 --double-pinyin 指定，输出方案由 --to 指定。

参数	取值	说明
--rime-dict	必须 文件名	Rime 词库
--to	必须 支持的双拼	目标双拼方案

命令 convert_fixed_sp

转换固定码表的双拼方案为其他方案。可以将本方案的自然码双拼转换成其他双拼。

输入双拼方案由通用参数中的 --double-pinyin 指定，输出方案由 --to 指定。

参数	取值	说明
--rime-dict	必须 文件名	Rime 词库
--to	必须 支持的双拼	目标双拼方案