打造自己詞庫之初級篇[五筆愛好者]

云中風(fēng) 2006-12-29

展開全文

　用輸入法，不論使用極點、酷極、萬能、智能等哪一款五筆，都有一個打造最適合自己詞庫的過程。本文目的，在于教你掌握基本的文本處理方法。有朋友問了，有極點工具箱，還需要自己手工處理么？我的回答是：極點工具箱是不透明處理，你并不清楚它是怎么工作的，你原來的字、詞頻是否得到保留。而我教你的方法，讓你清清楚楚的明白自己所做的，字、詞頻也不會變化，保證百分百原版移植。

一、工欲善其事，必先利其器。先下載自己要用到的文本處理工具。
以下兩種都是很優(yōu)秀的文本處理工具。 Emeditor勝在功能強(qiáng)，對中文支持好。
EmEditor Pro 6.00 tracky 漢化版
http://www./index.php?Go=Show::List&ID=9751
UltraEdit 11.20a 莫名漢化版 UltraEdit勝在處理速度快，大文本幾乎就是瞬時完成。
http://www./index.php?Go=Show::List&ID=9183

二、試煉。將系統(tǒng)自帶的輸入法詞庫轉(zhuǎn)換成極點或酷極格式的詞庫。
1、反編譯系統(tǒng)輸入法的碼表文件為文本格式。
點擊開始——搜索——文件或文件夾，在C盤查找imegen.exe文件。查找到后，雙擊運(yùn)行它。選擇它的第二個標(biāo)簽：逆轉(zhuǎn)換，然后點“打開文件”，在彈出的窗口，選擇你要轉(zhuǎn)換的輸入法碼表文件，這里我以系統(tǒng)自帶的鄭碼為例說明。界面如下：

　　假如你看不到*.mb文件，請在彈開的窗口中選擇c:\windows\system32目錄就能看到了。這樣轉(zhuǎn)換結(jié)束后，將會在c:\windows\system32目錄下生成一個winzm.txt的文本文件。

2、打開winzm.txt文件，你看到的，將是如下圖所示的格式：

　　可以看到，它的編碼有詞也有字，格式為：字（或詞組）+英文字母。另外，還有一些單字+英文字母后還有空格+字母，這是輸入法為造詞而用的造詞碼，對我們沒有什么用處，大家先不要管它。后面我們將會教大家如何快速的去掉它。
　　請大家將文件開始直至[Text]的部分全部刪除，這些是輸入法的規(guī)則定義部分，我們用不上。

3、開始處理和轉(zhuǎn)換文本的格式。
前面說了，我們現(xiàn)在得到的文本是：字（或）詞+ 英文編碼這樣的格式，而我們打開極點的碼表 freewb.mb ，會發(fā)現(xiàn)它的格式為：英文編碼+空格+字（或詞）如果有重碼的話，還會在字（或詞）的后面再加“空格+字（或詞）”。
①、我們先將部分單字后面的造詞碼去掉?！∮肬ltraedit打開winzm.txt文件，按Ctrl+R，調(diào)出UE的替換窗口，在“查找什么處”輸入“ [a-z]*$”，注意，[a-z]前面是一個空格，不能少了，在替換為處留空不填。選中“正則表達(dá)式”，點“全部替換”。看看，是不是一下子將這些多余的造詞碼去掉了？

　　現(xiàn)在，我們要涉及重點了，就是怎樣把現(xiàn)有的這種字或詞+編碼的格式給換成編碼+字詞的格式？

在我看來，無非是將這兩者調(diào)個個兒。現(xiàn)在，需要請到我們的主要工具：Emeditor。EM對中文的處理很好，這也是我們用它的主要原因。

②、將漢字和編碼調(diào)個個兒。
用Emeditor打開winzm.txt。按Ctrl+H調(diào)出查找替換窗口。
在查找處輸入：^([^\x00-\xff]+)([a-z]{1,4}) 然后在替換為處輸入：\2 \1注意，中間有一個空格，一定別忘了選中“正則表達(dá)式”選項。選中“正則表達(dá)式”，按全部替換，就可大功告成了。Em處理上萬條文本稍有點慢，請大家稍等會就行了。

4、如何分離字和詞的碼表？
　　我們同樣可以用EM來完成。同樣以未替換前的碼表格式來說明。
①、去掉全部的單字編碼行，只保留詞組及編碼。
EM打開碼表，按Ctrl+H調(diào)出替換窗口，在查找處輸入：^[^\x00-\xff][a-z]{1,4}$\n 然后在替換為處留空。好了，看看是不是將單字和編碼全部刪了？記著，一定別忘了選中“正則表達(dá)式”選項。