用輸入法，不論使用極點(diǎn)、酷極、萬(wàn)能、智能等哪一款五筆，都有一個(gè)打造最適合自己詞庫(kù)的過(guò)程。本文目的，在于教你掌握基本的文本處理方法。 有朋友問(wèn)了，有極點(diǎn)工具箱，還需要自己手工處理么？ 我的回答是： 極點(diǎn)工具箱是不透明處理，你并不清楚它是怎么工作的，你原來(lái)的字、詞頻是否得到保留。 而我教你的方法，讓你清清楚楚的明白自己所做的，字、詞頻也不會(huì)變化，保證百分百原版移植。 一、工欲善其事，必先利其器。 先下載自己要用到的文本處理工具。 二、試煉。將系統(tǒng)自帶的輸入法詞庫(kù)轉(zhuǎn)換成極點(diǎn)或酷極格式的詞庫(kù)。 假如你看不到*.mb文件，請(qǐng)?jiān)趶楅_(kāi)的窗口中選擇c:\windows\system32目錄就能看到了。這樣轉(zhuǎn)換結(jié)束后，將會(huì)在c:\windows\system32目錄下生成一個(gè)winzm.txt的文本文件。 2、打開(kāi)winzm.txt文件，你看到的，將是如下圖所示的格式：  可以看到，它的編碼有詞也有字，格式為： 字（或詞組）+英文字母。另外，還有一些單字+英文字母后還有空格+字母， 這是輸入法為造詞而用的造詞碼，對(duì)我們沒(méi)有什么用處，大家先不要管它。 后面我們將會(huì)教大家如何快速的去掉它。 請(qǐng)大家將文件開(kāi)始直至[Text]的部分全部刪除，這些是輸入法的規(guī)則定義部分，我們用不上。 3、開(kāi)始處理和轉(zhuǎn)換文本的格式。  現(xiàn)在，我們要涉及重點(diǎn)了，就是怎樣把現(xiàn)有的這種字或詞+編碼的格式給換成編碼+字詞的格式？ 在我看來(lái)，無(wú)非是將這兩者調(diào)個(gè)個(gè)兒。現(xiàn)在，需要請(qǐng)到我們的主要工具：Emeditor。EM對(duì)中文的處理很好，這也是我們用它的主要原因。 ②、將漢字和編碼調(diào)個(gè)個(gè)兒。 4、如  我們同樣可以用EM來(lái)完成。 同樣以未替換前的碼表格式來(lái)說(shuō)明。 ①、 去掉全部的單字編碼行，只保留詞組及編碼。 EM打開(kāi)碼表，按Ctrl+H調(diào)出替換窗口，在查找處輸入：^[^\x00-\xff][a-z]{1,4}$\n 然后在替換為處留空。 好了，看看是不是將單字和編碼全部刪了？記著，一定別忘了選中“正則表達(dá)式”選項(xiàng)。 ②、 去掉全部的詞組編碼行，只保留單字及編碼。 其實(shí)真正來(lái)說(shuō)，處理這些文本，我們都只是利用了它們的正則表達(dá)式功能，正則表達(dá)式在處理文本時(shí)功能非常強(qiáng)大，能完成一些我們幾乎只有編程才能完成的任務(wù)?！∪绻信d趣的話(huà)，可以自己找找正則表達(dá)式方面的相關(guān)內(nèi)容研究研究。 |
聯(lián)系客服
