Skip to content

Latest commit

 

History

History
415 lines (286 loc) · 19.4 KB

README.md

File metadata and controls

415 lines (286 loc) · 19.4 KB
title
My-Rime-Config

My-Rime-Config

GitHub repo size

我的 RIME 输入法配置，皮肤、词典、输入方案、配置

CN | EN

输入法|排版

当前状态

  1. 英文说明尚未更新（the README_en.md is outdated.）
  2. 目前完全使用雾凇拼音，部分配置参考someok/rime-ice-custom
  3. 通过子模块引入融合拼音、雾凇拼音、白霜词库
  4. 参考 rimerc 设置 release。
  5. 考虑使用脚本优化同文（Trime）输入法的主题。
  6. 关注万象词库与万象语言模型

简介

文字输入需求：汉语（现代汉语和古代汉语）、英文（常用词汇）、特殊符号。

输入方案和词典来源：

mkdir raw
cd raw
git submodule add --depth=1 https://github.com/tumuyan/rime-melt raw/rime-melt
git submodule add --depth=1 https://github.com/iDvel/rime-ice raw/rime-ice
git submodule add --depth=1 https://github.com/gaboolic/rime-frost raw/rime-frost

部分配置参考 rime-ice-custom

目前尝试支持：

OS 软件 版本
Windows 11 小狼毫 weasel GitHub release (latest by date including pre-releases)
Linux（Debian stable） fcitx5-rime Debian package
Android 13 同文（Trime）输入法 GitHub release (latest by date including pre-releases)

[TOC]

需求

输入的上限：辞典（dictionaries）

字符、t 编码、t 频率（非负整数）

字典

字形

简体字或言规范字，以 《通用规范汉字表》8105 字 1 为标准。在此之上则有《GB 18030-2022 信息技术 中文编码字符集》的字样，约 8 万 7 千字。

广义上的汉字，或者 Unihan（Unicode 中的 CJK Unified Ideographs 子集）包括传承字（正）、异体字（包含但不限于俗体）、简化规范字（简化及类推简化的一个子集）、海外汉字（以日本和制汉字为典型）等来源。当前的 Unicode 15 中 CJK Unified（20992 字）、CJK Ext-A（6592 字）、CJK Ext-B（42720 字）、CJK Ext-C（4154 字）、CJK Ext-D（222 字）、CJK Ext-E（5762 字）、CJK Ext-F（7473 字）、CJK Ext-G（4939 字）、CJK Ext-H（4192 字），合计 97046 字。此外还有兼容区（472 字）和兼容补充区（542 字），共计 98060 字。而以目前笔者所知最大的汉字字库“全宋体”来看，广义汉字约有 18 万余。

因此有，全宋体（18 万）>Unihan（9 万 7 千）>GB18030（8 万 7 千）。

字音

但是，正如汉语存在方言上的有音无字一样，Unicode 也存在为数不少的有字无音。ZengYL 提供了一个 将 Unicode 可读性标注转换为词库的方法，iDvel 处理后得到了 41448 字的普通话标注。

多音字定音，对于字典而言，有其音就尽量有其字，而无须在意该字义的词频。

字义

而字典可释义大概在 10 万字左右，其中有大量的异体、同形、避讳缺笔等字形。据 WFG 先生统计，台湾“教育部”异体字字典 合并同形字后实际收字 96800 字，略少于《汉字海》。

在字形语义转字符问题（如输入“四个又”，输出“叕”；other.dict.yaml、emoji.txt）上，雾凇拼音做了很多有价值的工作。但考虑到基本字典部分是语法严格的，因此字形语义转字符单列。

字频

在现代汉语领域，常用的是 8105 字，但缺乏相关语料字频统计。而以 邢红兵等在 2019 年公开的 25 亿字语料汉字字频表 来看，14975 字覆盖了约 19 亿字的现代汉语字频。因此基本字频可以根据 14975 字确定。雾凇拼音 的8105.dict.yaml即是采用了 UTF-8、拼音、邢红兵等汉字字频的通用规范汉字表。

古代汉语方面，有书同文公司的古籍汉字字频统计，另有诸多自行统计。

字典处理小结
  1. 以Unihan code为字符字形基础，以Unihan Readings为字符读音基础，以邢红兵等 25 亿语料字频表和古籍汉字字频统计为字频基础。
  2. 考虑到使用情景，以现代汉语：古代汉语=7:3 的比例关系重构字频。
  3. 对于有字无音的字形，根据字义和其他参考进行赋音或编码。
  4. 对于多音字，重复列出。

因此，字典有

  1. unihan_a：有字频且有字音的 14975 字
  2. unihan_b：有字频无字音，但可以通过其他方式标注的（其他方言或语言、字形语义、寓意）
  3. unihan_c：Unihan 中无字频，但有本方案主要标注方式的（音码如拼音、形码如字海两分等）
  4. unihan_d：无字频，通过其他方式标注的。

词语

  • 常用词双音节词：
  • 成语：搜狗细胞词库
  • 俗语
  • 其他多音节词
    • 流行
    • 百科词头：wiki、moe

雾凇拼音的词库倾向语用，融合拼音的词库倾向语义。就更新和实用而言，具有专业词库要求的最好选用融合拼音词库方式，通过不同类型的“挂载”实现词库需求；而日常输入方面，雾凇拼音不断调整的词库词频为便捷、省心的输入提供了方便（8105+base）。

语句

  • 古诗词
  • 文章语句

设计

输入方案

为了方便拉取合并更新，自定义事项使用patch。

功能上，微机（PC）以微软拼音为参考，移动终端以Gboard（谷歌 Gboard 输入法）为参考，结合 Rime 的各种方案组合如下

  • 状态栏功能
    • 中英、中英标点、全半角切换，Rime 自带
    • 简繁转换，opencc 实现
    • 表情及符号面板，仅 Trime（同文风主题、流体键盘）
  • 输入方案相关
    • 模糊拼音，袖珍简化字拼音实现
    • 双拼，理想中的简易双拼是注音输入
  • 输入操作
    • 候选字翻页，融合拼音由于使用了-，因此不支持-/=翻页。
    • 以词定字，左右方括号，雾凇拼音实现。
    • u 模式，部件拼字。以字海两分输入方案为反查（融合拼音实现），反查起首从、改为u`（雾凇拼音实现）。
    • uu 模式，专门字符。以symbol.yaml为基础，将默认的/改为uu（雾凇拼音实现以 v 开头）。
    • v 模式，输入内容格式转换。计划通过 lua 脚本实现（脚本有现成的）
      • 数字
      • 日期
      • 时间
      • 公式
    • v[uc|gb] 模式，字符集编码输入。Unicode 输入有现成方案，但不知能否增加反查。
    • ; 模式，人名候选，提高姓氏、常见名字组合权重。考虑和分词等有关，或者设计一个过滤器。
  • 词库
    • 自定义短语，Rime 自带。
    • 内置文本替换，融合拼音实现_oo 输入替换。
    • emoji 语义输入，雾凇拼音通过 opencc 实现
    • 专业/扩展词典，Rime 自带。
  1. 融合拼音：以 袖珍簡化字拼音、【Rime 简体中文用户定制文件】 为基础，字海两分 为反查，配合修改版 Easy English 实现了简体中文和常用英语的混合输入。
  2. 雾凇拼音，一个长期维护的简体词库，包含全拼和常用的自然码双拼、小鹤双拼、微软双拼
  3. Unicode 输入：基于 lua 脚本的 Unicode 输入方案，解决部分未支持的字符输入问题，建议配合 babelpad（Windows OS）、unicodepad（Android OS）、unicode 字符百科（web）等工具、或 unicode 标准文件。

皮肤/键盘

说明

由于融合拼音是 Apache-2.0 协议，而雾凇拼音是 GPL-3.0 协议，据 《开源许可证兼容性指南》，将变更许可证为 GPL-3.0 协议。同时，尽量描述对于原项目的修改部分。

文件结构树

├─basic
│  ├─[fonts]
│  ├─lua
│  └─opencc
├─custom
├─ex_dict
├─others
│   └─old
├─schema
└─theme
    └─trime

组件更新检查

仓库 最近提交 许可证
rime-prelude GitHub last commit GitHub license
rime-essay GitHub last commit GitHub license
OpenCC GitHub last commit GitHub license
袖珍簡化字拼音 GitHub last commit GitHub license
Rime 简体中文用户定制文件 GitHub last commit GitHub license
字海两分 5.0 叶典网独有
Easy English GitHub last commit GitHub license
融合拼音 GitHub last commit GitHub license
雾凇拼音 GitHub last commit GitHub license
雾凇拼音自定义配置 GitHub last commit GitHub license
白霜词库 GitHub last commit GitHub license

工具

#Windows
winget install GNU.Wget2 --source winget
#Linux Debian
apt install wget

分类说明

curl -OL https://github.com/rime/rime-prelude/raw/master/symbols.yaml
curl -OL https://github.com/rime/rime-essay/raw/master/essay.txt
# curl -OL https://ci.appveyor.com/api/projects/Carbo/opencc/artifacts/OpenCC.zip?branch=master&job=Environment:%20nodejs_version=none;%20Platform:%20x64 | 7z e .\OpenCC.zip "-oopencc" "-ir!build\share\opencc\*"
# osfans/trime develop:app/src/main/assets/shared/opencc

Basic：基础与支持文件

主要来自 rime-prelude 和 雾凇拼音

  • default.yaml，缺省配置文件，【有修改】根据雾凇拼音增加相关项注释
  • key_bindings.yaml，键位绑定配置
  • punctuation.yaml，全半角转换符号配置
  • symbols.yaml，符号配置
  • essay.txt，八股文，预设词汇表和语言模型。来自 rime-easay，更新方式：拉取（git pull）
  • zh-hans-t-essay-bgc.gram和zh-hans-t-essay-bgw.gram都是根据 八股文（語法） 生成的语法配置文件
  • default.custom.yaml，启用方案记录，空文件
  • 符号修改，在 symbols.yaml全角 → 多个相似符号中，插入部分常用半角符号（圆括号、方括号）
文件夹
opencc 更新词典文件

进入 OpenCC/data 使用OpenCC/data/config/*.json和OpenCC/data/dictionary/*.txt替换本文件夹中的相关文件

OpenCC/data/config/*.json文件默认匹配的是。ocd2 文件（"type": "ocd2", "file": "TSPhrases.ocd2"）

  1. 替换为 txt
  2. 下载 opencc 预编译包

以下文件由部分词典文件进一步操作产生，需要手动处理或使用 OpenCC 脚本处理

  • HKVariantsRev.txt 由 HKVariants.txt 反转列产生
  • JPVariantsRev.txt 由 JPVariants.txt 反转列产生
  • TWPhrases.txt 由 TWPhrasesIT.txt TWPhrasesName.txt TWPhrasesOther.txt 合并产生
  • TWPhrasesRev.txt 由 TWPhrases.txt 反转列产生
  • TWVariantsRev.txt 由 TWVariants.txt 反转列产生
字体

多平面字体

特定书体

更多开源字体可见 猫啃网 的收集整理

lua 脚本

Schema：输入方案文件

输入方案和基本词典同目录

字海两分 5.0 输入方案

来自 天珩的小站-下载页，ZHLF_rime_5.0.7z

  • liangfen.dict.yaml
  • liangfen.schema.yaml

充当拆分组字功能的基础

融合拼音

来自 融合拼音

  • melt_eng.schema.yaml，
  • melt_pinyin.schema.yaml
  • melt_pinyin.custom.yaml，在融合拼音中增加半全角切换。

详见 融合拼音文件组成及授权。

  1. 作为主词库的 melt_pinyin.dict.yaml，同时也是词库加载文件
    1. pinyin_simp.main.dict.yaml，袖珍简化字拼音主词库
    2. pinyin_simp_base.dict.yaml，基础词库，现代汉语常用词表
    3. pinyin_simp_wiki.dict.yaml，维基百科词库，选用的是去除中文后的精简版，@tumuyan 抓取
    4. pinyin_simp_moe.dict.yaml，萌娘百科词库，@tumuyan 抓取
  2. 作为反查词库的 liangfeng.dict.yaml
  3. 作为扩展的转换词库（深蓝转换工具）
    1. pinyin_simp_chengyu.dict.yaml，搜狗细胞词库-成语
    2. pinyin_simp_gushi.dict.yaml，搜狗细胞词库-古诗

melt_eng 方案（即 Easy Englishi Nano）要求：

  1. 作为主词库的 melt_eng.dict.yaml，同时也是词库加载文件
    1. melt_mult_language.dict.yaml，多语言字符拉丁化输入
雾凇拼音

来自 雾凇拼音

其他

Ex_dict：方案词库文件

Custom：自定义部分

  • pinyin_simp_custom.dict.yaml，袖珍简化字拼音自定义词语词库
  • melt_eng_custom.dict.yaml，自定义英文词库
  • pinyin_simp_pin.txt，固顶

Theme：主题文件

主题/皮肤/键盘

# 信息区
config_version: 
name: 
author: 
description: 
# 常量区
# 风格区
style:
# 回滚配色
fallback_colors:
  __include: trime:/fallback_colors
# 预设配色方案
preset_color_schemes:
# Android键值
android_keys:
  __include: trime:/android_keys
#预设键值

#流体键盘
#预设键盘

Other

  • essay_script
  • repo
    • OpenCC

运行环境与处理

fcitx配置

  • fcitx5-rime，defualt.custom.yaml在/home/{user}/.local/share/fcitx5/rime/
rime_frontend=fcitx5-rime bash rime-install iDvel/rime-ice:others/recipes/full

拉取词库

使用子模块方法

#更新子模块
git submodule update --remote
#手动调整

下载

推荐使用 补丁的方式启用。

① 生成更新包。生成思路参考 rimerc，提供 bat 文件。

  1. 输入目标 fcitx、fcitx5、ibus、squirrel、trime or weasel，目前只支持 trime or weasel
  2. 根据输入，复制 theme 文件到 releases 文件夹中的 rime 文件夹
  3. 自动复制 basic、schema、ex_dict、custom 中的所有文件到 releases 文件夹中的 rime 文件夹
  4. 调用 7-zip，将 releases 文件夹压缩

② 使用提供的发行包

③ 使用东风破（plum）

rime_frontend=fcitx5-rime bash rime-install iDvel/rime-ice:others/recipes/full

设置

  1. 在“方案”启用方案
  2. 【Trime】在“键盘外观”启用 wendao
  3. Trime 初次部署时间较长，需耐心等待

错误检查与修复

1、在【融合拼音】方案下无法混输英文

验证部署，查看 rime/build/文件夹，是否存在 melt_eng.table.bin。此步意在确定 melt_eng词库部署是否出错，若缺失词库文件，则不会生成 melt_eng.table.bin。

Footnotes

  1. 国务院关于公布《通用规范汉字表》的通知：国发〔2013〕23 号 ↩