Skip to content

Dict.yaml 詳解

開始之前

YAML
# Rime dict
# encoding: utf-8
〔你還可以在這註釋字典來源、變動記錄等〕

描述檔

  1. name: 內部字典名，也即schema所引用的字典名，確保與文件名相一致
  2. version: 如果發佈，請確保每次改動陞版本號

示例

Text Only
name: "cangjie6.extended"
version: "0.1"

配置

  1. sort: 字典**初始**排序，可選original或by_weight
  2. use_preset_vocabulary: 是否引入「八股文」〔含字詞頻、詞庫〕
  3. vocabulary: 引入其他詞庫〔含字詞頻、詞庫〕 (use_preset_vocabulary 不可設定為 true)
  4. max_phrase_length: 配合use_preset_vocabulary:，設定導入詞條最大詞長
  5. min_phrase_weight: 配合use_preset_vocabulary:，設定導入詞條最小詞頻
  6. columns: 定義碼表以Tab分隔出的各列，可設text【文本】、code【碼】、weight【權重】、stem【造詞碼】
  7. import_tables: 加載其它外部碼表

  8. encoder: 形碼造詞規則

  9. exclude_patterns:

  10. rules: 可用length_equal:和length_in_range:定義。大寫字母表示字序，小寫字母表示其所跟隨的大寫字母所以表的字中的編碼序
  11. tail_anchor: 造詞碼包含結構分割符〔僅用於倉頡〕
  12. exclude_patterns 取消某編碼的造詞資格

示例

cangjie6.extended.dict.yaml

YAML
sort: by_weight
use_preset_vocabulary: false
import_tables:
  - cangjie6 #單字碼表由cangjie6.dict.yaml導入
columns: #此字典爲純詞典，無單字編碼，僅有字和詞頻
  - text #字／詞
  - weight #字／詞頻
encoder:
  exclude_patterns:
    - '^z.*$'
  rules:
    - length_equal: 2 #對於二字詞
      formula: "AaAzBaBbBz" #取第一字首尾碼、第二字首次尾碼
    - length_equal: 3 #對於三字詞
      formula: "AaAzBaYzZz" #取第一字首尾碼、第二字首尾碼、第三字尾碼
    - length_in_range: [4, 5] #對於四至五字詞
      formula: "AaBzCaYzZz" #取第一字首碼，第二字尾碼、第三字首碼、倒數第二字尾碼、最後一字尾碼
  tail_anchor: "'"

碼表

  • 以Tab分隔各列，各列依columns:定義排列。

示例

cangjie6.dict.yaml

YAML
columns:
  - text #第一列字／詞
  - code #第二列碼
  - weight #第三列字／詞頻
  - stem #第四列造詞碼

cangjie6.dict.yaml

YAML
個   owjr    246268  ow'jr
看   hqbu    245668
中   l   243881
呢   rsp 242970
來   doo 235101
嗎   rsqf    221092
爲   bhnf    211340
會   owfa    209844
她   vpd 204725
與   xyc 203975
給   vfor    193007
等   hgdi    183340
這   yymr    181787
用   bq  168934  b'q

雪齋
09-Nov-2013