The hardware and bandwidth for this mirror is donated by dogado GmbH, the Webhosting and Full Service-Cloud Provider. Check out our Wordpress Tutorial.
If you wish to report a bug, or if you are interested in having us mirror your free-software or open-source project, please feel free to contact us at mirror[@]dogado.de.

r-cidian

r-cidian 读取中文输入法词库，并把不同格式转换成统一的 cidian_dictionary 对象。目前支持以下格式：

格式	扩展名	来源
SCEL	`.scel`	搜狗
QCEL	`.qcel`	QQ 拼音
QPYD	`.qpyd`	QQ 拼音
BDICT	`.bdict`	百度
BCD	`.bcd`	百度

底层解析由 Rust 库 cidian-rs 进行。解析结果保持词条在源文件中的顺序，不会自动规范化、排序或去重。

r-cidian 是 qinwf/cidian 的现代化替代方案。开发初衷是仿照已经删库且无法编译的原 cidian 包的功能，为 jiebaRS 提供方便的自定义词典导入功能。

安装

从 CRAN 安装

你可以从 CRAN 安装 r-cidian 的发布版本：

install.packages("cidian")

如果您使用 Linux，您可以尝试从 P3M 为不同的 Linux 发行版安装预编译的二进制文件，避免从源代码编译。

R-universe / R-multiverse

R-universe 和 R-multiverse 上提供了预编译的二进制包：

install.packages("cidian", repos = "https://yousa-mirage.r-universe.dev")

install.packages("cidian", repos = "https://community.r-multiverse.org")

从源码安装

使用 pak 从源码安装：

pak::pak("Yousa-Mirage/r-cidian")

注意： 从源码构建需要 Rust 工具链来编译 Rust 后端。

使用说明

library(cidian)

dictionary <- read_cidian("计算机科技.qcel")
summary(dictionary)
#> <summary.cidian_dictionary>
#> Format: QCEL 
#> Name: 计算机名词
#> Category: 计算机科技
#> Entries: 9,646 
#> Weighted entries: 9,646

entries <- cidian_entries(dictionary)
head(entries)
#>             word         code weight
#> 1         阿里通  a, li, tong      8
#> 2   阿姆达尔定律 a, mu, d....   9646
#> 3 阿姆斯特朗公理 a, mu, s....   9645
#> 4         阿帕网  a, pa, wang   9644
#> 5     埃尔布朗基 ai, er, ....   9643
#> 6   埃尔米特函数 ai, er, ....   9642

# cidian_metadata(dictionary) 可以获取该词典的元信息

其中，entries$code 是 list-column，每个元素都是一个字符向量。例如：

dictionary$entries$code[[1]]
#> [1] "a" "li" "tong"

write_words(dictionary, "words.txt") 可以把词典中所有词语每行一个写入文本文件，可用于为 jiebaRS 等分词工具提供自定义词典（jiebaRS 已内置了 import_cidian() 函数用于从输入法词库中导入自定义词语）。

致谢

感谢 nopdan 大佬的输入法词库解析系列文章以及 nopdan/rose 蔷薇词库转换库，开发过程中大量参考了大佬的博客文章和代码实现。
感谢 qinwf/cidian 项目为本包提供了开发动机。

许可证

MIT License

These binaries (installable software) and packages are in development.
They may not be fully stable and should be used with caution. We make no claims about them.
Health stats visible at Monitor.