Fork me on GitHub

动动手，把MediaWiki百科（维基百科、萌娘百科等）变成自己的词库

字数统计: 1.6k字   |   阅读时长≈ 6分

在配置好Arch Linux CN源后，我想安装RIME中州韵输入法，在Pacman中搜索。这时，搜索结果中好像出现了什么神奇的东西：

1
2
3
4
5
6
7
$ pacman -Ss fcitx rime
...
archlinuxcn/fcitx5-pinyin-moegirl-rime 20220218-1
    Fcitx 5 Pinyin Dictionary from zh.moegirl.org.cn
archlinuxcn/fcitx5-pinyin-zhwiki-rime 20210120-1
    Fcitx 5 Pinyin Dictionary from zh.wikipedia.org for rime
...

好家伙，它们是专为中州韵打造的词库，采撷自萌娘百科和维基百科。百科平台的条目本身是个宝藏语料库，添加它们可以大大提升输入体验，不再苦苦一个字一个字地去拼、去凑。尤其是萌娘百科的词库，对使用中州韵的ACG爱好者来说，更是天大的福音，从此再也不用担心打不出番句名角色名了！

制作这些词库，显然用不着一个个去翻百科。它们都使用MW2Fcitx（MediaWiki To Fcitx）这个项目来生成。MW2Fcitx能够调用API，从基于MediaWiki的百科网站中获取所有的条目标题，将它们汇编成Fcitx下输入法可用的词库。像维基百科、萌娘百科都是基于MediaWiki搭建的，MW2Fcitx自然支持它们。

接下来就讲解如何使用MW2Fcitx来充实你的词库。

安装MW2Fcitx

MW2Fcitx使用Python开发，借助pip即可轻松安装：

1
pip install mw2fcitx

它会安装一个脚本程序mw2fcitx。在Windows下（含Msys2），pip会把mw2fcitx启动脚本安装到Python所在目录里。在Linux中则默认安装到~/.local/bin，需要手动将该目录加入PATH中。

编写配置文件

在当前目录下，创建一个文件config.py，它将用于指定MW2Fcitx如何获取并生成词库。根据文件中的注释，修改相应的内容。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
# By default we assume the configuration is located at a variable
#     called "exports".
# You can change this with `-n any_name` in the CLI.

from mw2fcitx.tweaks.moegirl import tweaks

exports = {
    # Source configurations.
    "source": {
        # MediaWiki api.php path, if to fetch titles from online.
        # 【⬇️api_path这一项，指定百科网站的api.php⬇️】
        "api_path": "https://zh.wikipedia.org/api.php",
        # Title file path, if to fetch titles from local file. (optional)
        # Only works if api_path is absent.
        # 【⬇️file_path这一项，指定用于暂存获取内容的文件名⬇️】
        "file_path": "titles.txt",
        "kwargs": {
            # Title number limit for online fetching. (optional)
            # Only works if api_path is provided.
            #"title_limit": 120,
            # Title list export path. (optional)
            "output": "titles.txt"
        }
    },
    # Tweaks configurations as an list.
    # Every tweak function accepts a list of titles and return
    #     a list of title.
    "tweaks":
        tweaks,
    # Converter configurations.
    "converter": {
        # opencc is a built-in converter.
        # For custom converter functions, just give the function itself.
        "use": "opencc",
        "kwargs": {}
    },
    # Generator configurations.
    "generator": [{
        # rime is a built-in generator.
        # For custom generator functions, just give the function itself.
        # 【⬇️MW2Fcitx也可以为其他输入法生成词库。默认为RIME生成⬇️】
        "use": "rime",
        "kwargs": {
            # Destination dictionary filename. (optional)
            # 【⬇️output这一项，指定输出的词库文件名，建议以YAML为扩展名】
            "output": "wikipedia.dict.yaml"
        }
    }]
}

注意以下选项：

api_path，是MediaWiki网站的API路径，通常指向站点根目录的api.php。如萌娘百科对应https://zh.moegirl.org.cn/api.php。

output，是输出词库的文件名。建议以.yaml为扩展名，因为RIME似乎会优先识别这个扩展名的文件。

安装词库文件

生成的词库通常安装在RIME的资源目录下，位于/usr/share/rime-data。接下来我们把刚生成的词库复制到该目录下：

1
2
# 例如：生成的词库名为wikipedia.dict.yaml
sudo cp wikipedia.dict.yaml /usr/share/rime-data/

在Arch Linux中安装的fcitx5-pinyin-moegirl-rime和fcitx5-pinyin-zhwiki-rime这两个包，也会直接把词库安装在上述目录下。下文假设你安装了它们。

更改输入方案配置文件

词库安装好后，还需更改输入方案的配置文件，把生成的词库包含于其中。这里分别以朙月拼音和四叶草拼音（Clover Pinyin）为例。

配置文件目录：

  • Fcitx4：~/.config/fcitx/rime/
  • Fcitx5：~/.local/share/fcitx/rime/

例1：朙月拼音（简化字）

第一步，新建自定义词典文件。在配置文件目录中，新建luna_pinyin.mydict.dict.yaml（mydict部分可任取），内容如下：

1
2
3
4
5
6
7
8
9
10
11
12
---
name: luna_pinyin.mydict    # 必须与文件名的相应部分保持一致
version: "1.0"
sort: by_weight    # 默认以词频排序
use_preset_vocabulary: true
# 此处为朙月拼音载入的词库列表
import_tables:
  - luna_pinyin  # 朙月拼音基本词库
  - moegirl      # 萌娘百科（由fcitx5-pinyin-moegirl-rime提供）
  - zhwiki       # 中文维基百科（由fcitx5-pinyin-zhwiki-rime提供）
  - wikipedia    # 在第一步中生成的词库
---

注意：必须保留YAML正文前后的各3个横杠，这是词库的固定语法。

第二步，新建自定义拼音方案文件。在RIME中，用户修改拼音方案并不是直接修改源文件，而是以“打补丁”的形式进行。在配置文件目录中，新建luna_pinyin_simp.custom.yaml，内容如下：

1
2
3
4
# luna_pinyin_simp.custom.yaml
patch:
# 指定自定义词库，值就是第一步中"name"字段的内容
  "translator/dictionary": luna_pinyin.mydict

第三步，重新部署。右键点击系统托盘的RIME图标，选择“重新部署”，稍等片刻即可使用。

例2：四叶草拼音

第一步：新建/修改配置文件。在配置文件目录中，新建clover.dict.yaml，内容如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
name: clover
version: "1"
sort: by_weight

import_tables:
  - clover.base
  - clover.phrase
  - THUOCL_animal
  - THUOCL_caijing
  - THUOCL_car
  - THUOCL_chengyu
  - THUOCL_diming
  - THUOCL_food
  - THUOCL_IT
  - THUOCL_law
  - THUOCL_lishimingren
  - THUOCL_medical
  - THUOCL_poem
  - sogou_new_words
  - moegirl          # 萌娘百科（由fcitx5-pinyin-moegirl-rime提供）
  - zhwiki           # 中文维基百科（由fcitx5-pinyin-zhwiki-rime提供）
  - wikipedia        # 在第一步中生成的词库

如果已经有该文件，则直接在import_tables列表后追加项目即可。

第二步，重新部署。右键点击系统托盘的RIME图标，选择“重新部署”，稍等片刻即可使用。

注意：维基百科等容量大的词库，重新部署的时间会比较长。耐心等待。

总结

完成部署后，词库就会充实不少。只需稍微打一下词条的全拼，还没输完，自己正渴求的词条就会跃然屏幕上，够惊艳！

不少领域的爱好者会使用MediaWiki搭建百科，萌娘百科就是一例。使用MediaWiki把它们做成词库，在自己喜爱的领域里享受极致的输入体验，暖暖的，很贴心。

参阅

赏

谢谢你请我吃糖果

支付宝
微信

扫一扫，分享到微信

tag:

    缺失模块。
    1、请确保node版本大于6.2
    2、在博客根目录（注意不是yilia-plus根目录）执行以下命令：
    npm i hexo-generator-json-content --save

    3、在根目录_config.yml里添加配置： 

      jsonContent:
    meta: false
    pages: false
    posts:
      title: true
      date: true
      path: true
      text: false
      raw: false
      content: false
      slug: false
      updated: false
      comments: false
      link: false
      permalink: false
      excerpt: false
      categories: false
      tags: true

爱总结技术的程序员 & 业余音乐人～