Skip to content

chewing/libchewing-data

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

新酷音詞庫和注音修改教學

pcman 於 2005.10.20 發表

sky008888 於 2007.02.11 第二次修改

這份文件是給有興趣修改新酷音詞庫的人,前面是詳細的解說,後面有詳盡的實戰演練範例,只要耐心看完就可以學會。

準備工作:

  1. 你需要取得新酷音詞庫和注音設定的原始資料檔,用來修改後,產生新的詞庫。為了確保你取得的是最新版本的資料,以及方便將自己修改的部份和他人的修改整合,這個動作必須使用版本控制系統,我們是用 Subversion (svn) 維護,可用各種 svn 軟體來操作,在 Windows 系統上我們強烈建議使用最簡單的 TortoiseSVN
  2. 如果你希望你做的修正可以內建於新酷音輸入法,被官方納入,請考慮參加「 新酷音詞庫團隊」,你將可以把你做的修改存入官方版本之中。
  3. 要加入新酷音詞庫團隊請在 新酷音詞庫團隊 專案網頁左方連結按下「註冊新帳號」,註冊完成後,將你的帳號寄給 pcman.tw(a)gmail.com, seamxr(a)gmail.com, 或 andyhorng168(a)gmail.com 其中之一,並且在信件標題註明 [協助新酷音詞庫] 即可。

安裝好 TortoiseSVN 後,請依照下列步驟操作

  1. 找一個你想要的地方,建立名為 libchewing-data 的資料夾
  2. 接下來在資料夾上面按下右鍵,選擇 SVN Checkout
  3. 在接下來出現的畫面中,請在 "URL of repository" 欄位當中輸入:http://svn.openfoundry.org/libchewingdata/ 按下 OK 即可
  4. 接下來目錄裡面就會取得所有需要用到的原始檔

檔案取得之後,下面是修改的教學:

進入剛剛建立的 libchewing-data 目錄,底下有 big5 和 utf-8 兩個子目錄,分別存放 big5 版本和 utf-8 版本新詞庫所需的檔案,在此簡介幾個會用到的檔案的用途:

  • big5\phone.cin:新酷音的注音都定義在這裡,使用 Big5 編碼
  • big5\tsi.src:詞庫,裡面有所有新酷音內建的詞,使用 Big5 編碼
  • utf-8\phone.cin:這是 phone.cin 的 UTF-8 版本,多了很多 Unicode 才有的字
  • utf-8\tsi.src:這是 tsi.src 的 UTF-8 版本,多了很多 Big5 不支援的詞
  • build_data.bat:用來轉格式製作成新酷音真正能用的詞庫檔,執行後會呼叫 dat2bin.exe

注意:要開始修改檔案之前,建議先在 libchewing-data 目錄上按右鍵,選 SVN Update,這個動作會從網路上檢查有沒有其他人修改過的更新,如果有會下載後整合,避免和別人已經改好的部份衝突。

修改錯誤注音和加詞方式,規則有點複雜,但是按步驟應該不難:

當你發現新酷音有注音錯誤,或是缺少注音的情況,請依下列方式修改:

舉例: 原本的新酷音有「呢」這個字,但是打「ㄋㄜ˙」輕聲卻出不來,缺少這個注音,這時候我們要幫他加入,請用文字編輯器開啟 phone.cin 檔 (推薦 MadEdit,這是台灣人做的軟體,中文支援絕佳!真的相當棒!)

phone.cin 的格式很簡單,每一行都是「打出這個字所需的按鍵」+「空一格」+「中文字」,例如「呢」的注音是「ㄋㄜ˙」,對應到鍵盤的英文按鍵是sk7,所以定義這個注音的那一行就應該是「sk7 呢」,只要加入這行,就可以讓「ㄋㄜ˙」可以打出「呢」。加入 sk7 這行的時候,請用編輯器的「尋找」功能,看一下有無其他同為 sk7 的字,如果沒有,找找看有沒有 sk開頭的或s開頭,盡量跟其他注音一樣或盡量接近的排在一起,按照字母順序排好,方便其他人維護。請不要忘了 big5 和 utf-8 底下的 phone.cin 都要改,新版的新酷音 (0.2.5 之後) 是使用 utf-8\phone.cin 的。

加入這個注音之後,還要修改 tsi.src (主要修改 utf-8 底下的檔案,新酷音輸入法 0.2.5 版以後採用),這是個有點大的檔案,請用剛剛推薦的文字編輯器開啟。tsi.src 紀錄了各個字的相關詞,以及各個同音詞和同音字的優先順序,格式解說如下:

tsi.src 每一行都是 「詞」+「空一格」+「詞的優先順序,數字越大越優先」+「空一格」+「詞的注音」例如「酷音」這個詞,他的定義那行就是: 酷音 1000 ㄎㄨˋ ㄧㄣ 1000 是這個詞的優先順序,請注意後面的注音在每個字的注音之間也要有空格,像是 「ㄎㄨˋ」「空一格」「 ㄧㄣ」優先順序的數值是用語料統計來的,不建議手動隨便修改,隨意亂改可能會導致選詞能力變差。

至於一個詞有多種注音時,應該每種注音要是獨立ㄧ行,例如「一個」一詞有「ㄧ ㄍㄜ˙」和「ㄧˊ ㄍㄜ˙」兩種念法,所以在tsi.src 中分別是不同的兩行:「一個 65753 ㄧ ㄍㄜ˙」和「 一個 65753 ㄧˊ ㄍㄜ˙

大概了解檔案格式後,就開始講要怎麼加詞進去。剛剛是要加入「呢」這個詞 (字可視為只有一個字的詞),所以要在原本就有的「呢 17247 ㄋㄜ」後面加入一行「呢 17247 ㄋㄜ˙」,其中 17247 是優先順序,這個數字當然不可能是自己亂填,要考慮很多因素:

  1. 用新酷音打這個注音,看看有沒有同音的詞,如果有,請拉出選字視窗,看看有那幾個同音詞。
  2. 看一下這個新加進去的詞,如果要插入到原有的這幾個同音詞之中,依照常用程度,應該要排在第幾順位,如果沒同音詞,請直接跳到步驟 5
  3. 決定出新詞在同音詞之間的插入位置後,用文字編輯器的尋找功能,去找他前面一個和後面一個同音詞,並且查出它們的優先順序數值
  4. 用這兩個數值平均取中間值,就是相加除以2,可以把這個數值當作詞的優先順序數值
  5. 如果這個詞是由好幾個字組成的,去查這幾個字的優先順序數值,請用編輯器的尋找功能找那幾個字,通常詞的優先順序數值應該要比組成他的幾個字要低,所以取一個比那幾個字都還小的數值就可以了。而如果剛剛你在步驟 24 之間訂出一個過高的數值,請把他調低到比這些字都還小就可以了。請注意這裡有個例外:如果組成這個詞的幾個字當中,有些字幾乎很少單獨用,則這個字可以不用算進來,例如「爸」這個字通常都是用在「爸爸」一詞,很少單獨用,也就是「爸爸」一詞比組成它的「爸」字要常用,這時候不用理會「爸」這個字的優先權,而如果又有同音詞,就直接以步驟 24 的同音詞來排序決定即可。

摘要:只是單純要加詞,改 tsi.src 加入就可以了,如果只是要更正字的錯誤注音,改 phone.cin 就可以了。如果要新增本來沒有的注音 (破音字),請改 phone.cin 之後,再到 tsi.src 裡面加入這個字的優先數值和新增的注音拼法。

以上修改完畢後,就可以準備輸出酷音詞庫檔,開始測試:

  1. 請執行 build_data.bat 這個檔案,執行完畢後會在 big5 和 utf-8 子目錄下,各輸出一堆檔案。big5 下的是給舊版新酷音 Win32 (0.2.0.1 以前版本)使用,新酷音 Win32 0.2.5 以後版本,必須要使用 utf-8 底下的檔案。
    把下列五個檔案放到 C:\windows\system32\ime\chewing (windows 98/ME 是 C:\windows\system\ime\chewing)下覆蓋原檔案就可以了:
    • dict.dat
    • ph_index.dat
    • ch_index.dat
    • fonetree.dat
    • us_freq.dat
  2. 按 Ctrl+Alt+Delete 叫出工作管理員,找到 ChewingServer 這個程序,把他終止掉。
  3. 接下來開記事本進行打字測試,看看你剛剛的修改有沒有成功,有沒有造成其他異常。

完成!

如果你是新酷音詞庫團隊的正式成員,可以把你剛剛修改好的部份,上傳到官方網站
請在 libchewing-data 資料夾上按右鍵選擇 「SVN Commit...」,他會問你之前申請的帳號密碼,輸入之後就可以上傳了。

實戰演練範例:

使用者回報 打ㄎㄜˋ會出現"可" ㄇㄚˇ會出現"嗎",如何修復?

  • 可本來就也可以唸ㄎㄜˋ,這不是注音錯誤,不必改正 phone.cin,但是唸成ㄎㄜˋ是罕見的音,比起其他同樣唸「ㄎㄜˋ」的字,不該放在前面,所以這是優先順序錯了,罕用字不該放前面,優先順序請改 tsi.src

  • 開啟 tsi.src 檔案後找「可」開頭的那行,用編輯器尋找可以找到,我找到以下的幾行:

    • 可 1 ㄎㄜˋ <----- 這邊有ㄎㄜˋ,優先順序很低,是1,沒錯啊??
    • 可 73172 ㄎㄜˇ
    • 可 73172 ㄎㄜˋ <----- 這是罪魁禍首,難怪會有錯,這邊多了ㄧ行,重複定義,把ㄎㄜˋ又定成 73172,對罕用字來說顯然太高,又前面已經有定義優先數值為 1,此行刪除即可修復
  • 打ㄇㄚˇ會出現"嗎",這也是優先順序有問題,其他同樣唸ㄇㄚˇ的字顯然比這常用多了,所以請找到「嗎」開頭的那幾行,我找到:

    • 嗎 26437 ㄇㄚ
    • 嗎 26437 ㄇㄚ˙
    • 嗎 26437 ㄇㄚˇ
  • 讀作「ㄇㄚ」的時候很常用,還可以接受,但是讀作「ㄇㄚˇ」絕對不可能比其他唸「ㄇㄚˇ」的同音詞更常用,這太罕用,免查,直接把26437 改為 「嗎 1 ㄇㄚˇ」,把優先權降到最低即可

打ㄋㄧㄢˋ沒出現常用的「唸」或者「念」,卻跑出「廿」,怎麼修?

  • 是優先順序有誤,請開 tsi.src
  • 開啟編輯器,試著用新酷音找同音詞,請打ㄋㄧㄢˋ,然後選字,我們發現列出來一堆都拼成「ㄋㄧㄢˋ」的字裡面,「廿」是最罕用的之一,但是因為這個字有「二十」的意思,還會比淰、齞等字常用,所以決定把「廿」改到「唸」的後面,「淰」的前面
  • 找到「唸」,那行是:唸 994 ㄋㄧㄢˋ,優先權是 994
  • 找到「淰」,那行是:淰 126 ㄋㄧㄢˋ,優先權是 126
  • 再來找到我們要改的「廿」,那行是:廿 6638 ㄋㄧㄢˋ,優先權是 6638
  • 問題很明顯,罕用字優先權竟然是 6638,比 994 & 126 都還高,我們要把他改成介於這兩字之間,所以取 (994 + 126) / 2 = 560,改成:廿 560 ㄋㄧㄢˋ

修改完畢,執行 build_data.bat,然後把產生的 dat 檔案放到 chewing 目錄下,按 Ctrl+Alt+Del 關閉 ChewingServer 後開記事本測試剛剛的結果,發現全都正常了 :)

如果你是新酷音詞庫團隊的成員,請將你的成果 SVN Commit,並可以在 Log 裡面填寫你改了什麼

開始修復使用者回報的錯誤 (給專案成員看的):

  • http://rt.openfoundry.org/Foundry/Project/Tracker/?Queue=436請先用你的帳號登入

  • 找尋使用者回報的問題,看有那些是還沒有人處理的,你要修理就點進去,然後按下「開啟」,接下來這個問題就會指定由你認領,負責修復,其他人就處理其他還沒人認領的問題。

  • 等到修復之後,請再上來,同樣點進這個問題,然後按下「解決」按鈕,表示這個問題你已經修復。

附錄:參考字典/辭典

字典:

辭典:

如果在字詞的出處或是字義有疑義時,查證上建議使用:

Releases

No releases published

Packages

No packages published