Linux下ibus输入法词库扩展

文章目录

一、骡子
二、直接上教程
三、目前支持的词汇（如果你找到了比较全的词库，希望能够得到你的分享）
四、补充：自己添加词库

Linux下ibus输入法词库扩展

一、骡子

面向百度编程已经给出了很多方法，但是都没有把真正的资源给你，都是链接到国外网站国外ibus词库下载地址；国外网站很慢，甚至访问不了。然后某些地方虽然给出了下载的文件，但是要付出代价，比如某SDN下载。

二、直接上教程

到我的码云：https://gitee.com/mr_allen/ibus-thesaurus.git下载里面的文件（如果不能访问可以留言或私信我，看到会第一时间回复），只要local.db的文件就可以了。
下载完了直接复制到输入法路径下，我的路径是这个/usr/share/ibus-libpinyin/db（没添加之前没有local.db文件）
然后重启一下ibus输入法，重启方式如下(不行的就重启系统)：
```
ibus-daemon -d -x -r
```

然后能打出弗雷德霍姆行列式就是成功了。这个词库只是比较常用的，如果需要更丰富的，可以自己去找一下。

三、目前支持的词汇（如果你找到了比较全的词库，希望能够得到你的分享）

词库包括以下部分：成语大全
诗词精选
网络用语
名人词库
名人名言
美食大全
股票基金
计算机
流行歌曲
动漫大全

四、补充：自己添加词库

下载：首先到搜狗输入法官方https://pinyin.sogou.com/dict/cate/index/97?rf=dictindex下载词库，下载后文件是以.scel结尾的文件。
转换：这时就需要将搜狗的词库导出生成新的.txt文档或者直接.db的文档。
粘贴复制：方法同上，将你新生成的词库合并到之前local.db的词库里面。
重启输入法:
```
ibus-daemon -d -x -r
```

生成代码如下：

注:下面代码在其他大佬博客上找的，因为我的Linux词库需要的格式是打工人 da'gong'ren这样的
所以在代码的getWordPy接口做了判断，增加'符号。不需要的可删掉，其他的不多叙述，可自行阅读代码更改

#!/usr/bin/python
# -*- coding: utf-8 -*-import struct
import sys
import binascii
import pdb# 搜狗的scel词库就是保存的文本的unicode编码，每两个字节一个字符（中文汉字或者英文字母）
# 找出其每部分的偏移位置即可
# 主要两部分
# 1.全局拼音表，貌似是所有的拼音组合，字典序
#       格式为(index,len,pinyin)的列表
#       index: 两个字节的整数 代表这个拼音的索引
#       len: 两个字节的整数 拼音的字节长度
#       pinyin: 当前的拼音，每个字符两个字节，总长len
#
# 2.汉语词组表
#       格式为(same,py_table_len,py_table,{word_len,word,ext_len,ext})的一个列表
#       same: 两个字节 整数 同音词数量
#       py_table_len:  两个字节 整数
#       py_table: 整数列表，每个整数两个字节,每个整数代表一个拼音的索引
#
#       word_len:两个字节 整数 代表中文词组字节数长度
#       word: 中文词组,每个中文汉字两个字节，总长度word_len
#       ext_len: 两个字节 整数 代表扩展信息的长度，好像都是10
#       ext: 扩展信息 前两个字节是一个整数(不知道是不是词频) 后八个字节全是0
#
#      {word_len,word,ext_len,ext} 一共重复same次 同音词 相同拼音表# 拼音表偏移，
startPy = 0x1540# 汉语词组表偏移
startChinese = 0x2628# 全局拼音表GPy_Table = {}# 解析结果
# 元组(词频,拼音,中文词组)的列表
GTable = []def byte2str(data):'''将原始字节码转为字符串'''i = 0length = len(data)ret = u''while i < length:x = data[i:i+2]t =  chr(struct.unpack('H', x)[0])if t == u'\r':ret += u'\n'elif t != u' ':ret += ti += 2return ret# 获取拼音表
def getPyTable(data):if data[0:4] != bytes(map(ord,"\x9D\x01\x00\x00")):return Nonedata = data[4:]pos = 0length = len(data)while pos < length:index = struct.unpack('H', data[pos:pos +2])[0]# print index,pos += 2l = struct.unpack('H', data[pos:pos + 2])[0]# print l,pos += 2py = byte2str(data[pos:pos + l])# print pyGPy_Table[index] = pypos += l# 获取一个词组的拼音
def getWordPy(data):pos = 0length = len(data)ret = u''while pos < length:if pos>0: #在每个拼音之间插入字符'做分割，如果你的输入法词库不需要这种格式可删掉ret += "'"index = struct.unpack('H', data[pos:pos + 2])[0]ret += GPy_Table[index]pos += 2return ret# 获取一个词组
def getWord(data):pos = 0length = len(data)ret = u''while pos < length:index = struct.unpack('H', data[pos:pos +2])[0]ret += GPy_Table[index]pos += 2return ret# 读取中文表
def getChinese(data):# import pdb# pdb.set_trace()pos = 0length = len(data)while pos < length:# 同音词数量same = struct.unpack('H', data[pos:pos + 2])[0]# print '[same]:',same,# 拼音索引表长度pos += 2py_table_len = struct.unpack('H', data[pos:pos + 2])[0]# 拼音索引表pos += 2py = getWordPy(data[pos: pos + py_table_len])# 中文词组pos += py_table_lenfor i in range(same):# 中文词组长度c_len = struct.unpack('H', data[pos:pos +2])[0]# 中文词组pos += 2word = byte2str(data[pos: pos + c_len])# 扩展数据长度pos += c_lenext_len = struct.unpack('H', data[pos:pos +2])[0]# 词频pos += 2count = struct.unpack('H', data[pos:pos +2])[0]# 保存GTable.append((count, py, word))# 到下个词的偏移位置pos += ext_lendef deal(file_name):print('-' * 60)f = open(file_name, 'rb')data = f.read()f.close()if data[0:12] != bytes(map(ord,"\x40\x15\x00\x00\x44\x43\x53\x01\x01\x00\x00\x00")):print("确认你选择的是搜狗(.scel)词库?")sys.exit(0)# pdb.set_trace()print("词库名：", byte2str(data[0x130:0x338]))  # .encode('GB18030')print("词库类型：", byte2str(data[0x338:0x540]))  # .encode('GB18030')print("描述信息：", byte2str(data[0x540:0xd40]))  # .encode('GB18030')print("词库示例：", byte2str(data[0xd40:startPy]) ) # .encode('GB18030')getPyTable(data[startPy:startChinese])getChinese(data[startChinese:])if __name__ == '__main__':# 将要转换的词库添加在这里就可以了o = ['helloword.scel']for f in o:deal(f)# 保存结果f = open('local.db', 'w')for count, py, word in GTable:# GTable保存着结果，是一个列表，每个元素是一个元组(词频,拼音,中文词组)，有需要的话可以保存成自己需要个格式# 我没排序，所以结果是按照上面输入文件的顺序# print(count,py,word)# f.write((('{%(count)s}' % {'count': count} + py + ' ' + word)))  # 最终保存文件的编码，可以自给改f.write(( word + ' ' + py))  # 最终保存文件的编码，可以自给改f.write('\n')f.close()

Linux下ibus输入法词库扩展相关推荐

bat 等待输入_深蓝词库转换 - 简单的输入法词库转换工具
深蓝词库转换是一款输入法词库转换软件,支持包括搜狗拼音.QQ拼音.Windows 10 微软拼音在内的超过 20 种的输入法工具和词库.该程序支持批量转换(一次拖拽多个词库文件,或者按住 ...
linux输入法大小,推荐linux下的输入法－－五笔＋拼音
推荐linux下的输入法--五笔+拼音 (2012-03-19 15:35:57) 标签: yum 输入法 repo ibus wubi pinyin 杂谈在linux下,输入法问题曾经困扰过我一段 ...
搜狗细胞词库-fcitxibus拼音输入法词库
http://code.google.com/p/hslinuxextra/downloads/list 上面的地址中,增加了三个词库文件和工程的源代码,有兴趣的同学可以自己去搞搞. 三个词库文件分别 ...
Linux下的静态链接库和动态链接库编程
Linux下的静态链接库和动态链接库编程参考: Linux下的静态链接库和动态链接库编程 - Histring - 博客园 Mac下静态库和动态库的创建和使用_C/C++_vincent2610的专 ...
linux如何编译boost指定库,linux下编译安装boost库
linux下编译安装boost库先看一下系统环境 Linux o-pc 3.19.0-22-generic #22-Ubuntu SMP Tue Jun 16 17:15:15 UTC 2015 x ...
linux php curl扩展下载,linux下为php添加curl扩展的方法
linux下为php添加curl扩展的方法发布于 2014-12-19 18:36:10 | 106 次阅读 | 评论: 0 | 来源: 网友投递 PHP开源脚本语言PHP(外文名: Hyperte ...
MiniGUI输入法词库更新
前言 MiniGUI中的输入法libmgi支持拼音输入,但是怎么进行个性化定制呢,比如想更换键盘皮肤,往词库里添加一些新的词组,下面这篇文章详细描述怎么添加新词 1. 词库文件构成在libmgi中, ...
搜狗拼音输入法词库是怎样炼成的
搜狗输入法小组词库开发工程师吕杰勇转载此文请注明来自搜狗输入法官方博客,务必保留原始链接:http://pinyin.blog.sohu.com/41063494.html 众所周知,搜狗输入法在 ...
Linux下的静态链接库和动态链接库
Linux下的静态链接库和动态链接库零.链接库概述 Linux下得库有动态与静态两种,动态通常用.so为后缀,静态用.a为后缀.面对比一下两者: 静态链接库:当要使用时,连接器会找出程序所需的函数, ...

Linux下ibus输入法词库扩展

文章目录

一、骡子

二、直接上教程

三、目前支持的词汇（如果你找到了比较全的词库，希望能够得到你的分享）

四、补充：自己添加词库

Linux下ibus输入法词库扩展相关推荐

最新文章

热门文章