dict.yaml 详解

雪斋 09-Nov-2013

开始之前

# Rime dict
# encoding: utf-8
〔你还可以在这注释字典来源、变动记录等〕

描述档

1. name 内部字典名，也即schema所引用的字典名，确保与文件名相一致
2. version 如果发布，请确保每次改动升版本号

示例：

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

配置

1. sort 字典初始排序，可选original或by_weight
2. use_preset_vocabulary 是否引入「八股文」〔含字词频、词库〕
3. vocabulary 引入其他词库〔含字词频、词库〕 (use_preset_vocabulary 不可设定为 true)
4. max_phrase_length 配合use_preset_vocabulary，设定导入词条最大词长
5. min_phrase_weight 配合use_preset_vocabulary，设定导入词条最小词频
6. columns 定义码表以Tab分隔出的各列，可设text【文本】、code【码】、weight【权重】、stem【造词码】
7. import_tables 加载其它外部码表
8. encoder 形码造词规则
   1. exclude_patterns
   2. rules 可用length_equal和length_in_range定义。大写字母表示字序，小写字母表示其所跟随的大写字母所以表的字中的编码序
   3. tail_anchor 造词码包含结构分割符〔仅用于仓颉〕
   4. exclude_patterns 取消某编码的造词资格

示例：

# cangjie6.extended.dict.yaml

sort: by_weight
use_preset_vocabulary: false
import_tables:
  - cangjie6 #单字码表由cangjie6.dict.yaml导入
columns: #此字典为纯词典，无单字编码，仅有字和词频
  - text #字／词
  - weight #字／词频
encoder:
  exclude_patterns:
    - '^z.*$'
  rules:
    - length_equal: 2 #对于二字词
      formula: "AaAzBaBbBz" #取第一字首尾码、第二字首次尾码
    - length_equal: 3 #对于三字词
      formula: "AaAzBaYzZz" #取第一字首尾码、第二字首尾码、第三字尾码
    - length_in_range: [4, 5] #对于四至五字词
      formula: "AaBzCaYzZz" #取第一字首码，第二字尾码、第三字首码、倒数第二字尾码、最后一字尾码
  tail_anchor: "'"

码表

以 Tab 分隔各列，各列依 columns 定义排列。

示例：

# cangjie6.dict.yaml
columns:
  - text #第一列字／词
  - code #第二列码
  - weight #第三列字／词频
  - stem #第四列造词码

# cangjie6.dict.yaml
个	owjr	246268	ow'jr
看	hqbu	245668
中	l	243881
呢	rsp	242970
来	doo	235101
吗	rsqf	221092
为	bhnf	211340
会	owfa	209844
她	vpd	204725
与	xyc	203975
给	vfor	193007
等	hgdi	183340
这	yymr	181787
用	bq	168934	b'q