Rime 输入法

云词库技术让拼音输入法的重码率大大降低，拼音输入法的准确率越来越高，拼音输入法也渐渐成为了主流输入法。但是要使用云词库功能的话，输入法就必须上传用户键入的内容到服务器，这就带来了隐私问题。除此之外，目前主流中文输入法的广告问题也极为烦人。

Rime 输入法引擎完全开源，没有隐私问题。同时，由于其跨平台的特性，用户可以在所有支持的平台上有基本一致的输入体验。

相应地，它没有云词库可用，输入效率上会有些许损失。但是，李守中认为，隐私问题更加重要。

所以，李守中决定使用 Rime 为自己定制一套输入方案，在做到尽可能地提高输入效率的同时，还要方便在各个操作系统间迁移使用。

现在主流的输入方案可以分成音码 (比如拼音输入法) 方案和形码 (比如五笔输入法) 方案两类。

使用五笔输入法需要理解并记忆一套全新的，以字根为基本单位的构建汉字的方式。而受中国大陆在义务教育阶段使用拼音作为普通话教学工具的影响，多数人都可以掌握以拼音为注音方式的汉字的普通话发音，这就让全拼输入法没有了使用门槛。

对于古汉语输入的需求让李守中选择五笔输入法 (86 版) 作为主方案；对于和网友吹牛逼时打字速度的需求让李守中选择自然码双拼作为辅助方案 (由于双拼在处理时会被映射到全拼上，所以输入方案也含有全拼)；英文输入可以用 easy_en 方案解决；生僻字反查可以用 Rime 官方的笔划输入法；快速输入中文数字的需求则可以根据 Rime 官方的 数字之道 魔改出一个方案。在介绍方案与码表的章节有更多的信息。

要关注的是候选项的数量和排序方式。推荐使用 5 个候选项与竖排方式。

使用 5 个候选项主要是基于左右手分工考虑。左手负责选择候选项 (数字 1 到 5)，右手负责翻页 (逗号和句号翻页)，这样可以尽可能少地减少双手的移动距离，提高输入效率。

对于使用形码的用户来说，输入的最大单位是词组，最小单位是单字。候选项长度较小。不论是横排还是竖排，都可以做到不用转动头部，仅移动视线就能浏览所有的候选项。

而使用音码的用户则可能会输入多个词组，甚至一个整句。此时如果使用横排，多个较长的候选项所占用的空间就会非常长，需要移动头部才能浏览所有的候选项。而使用竖排则可以减少候选栏长度，减少头部移动，从而提高输入效率。

因此，为了兼容音码方案，推荐使用竖排方式排列候选项。

五笔输入法使用 86 版，词库主体采用大单字库 + 小词库的方案。

Rime 官方的 86 五笔词库 rime-wubi 来源于 acevery/ibus-table-wubi 项目 ，但由于上游词库的码表里有很多错误的编码，直到 2015 年才被 Rime 用户发现并被 Rime 官方修复，详情见此。针对错误编码的补丁只存在于 Rime 官方的 rime-wubi 词库中，没有被反馈给上游的 ibus-table-wubi。这个词库错误较多，缺少维护，故不考虑使用。

另一个没有版权问题的词库是窝子 (Wozy) 创建的极爽词库，窝子在 2020 年将极爽五笔词库授权给了 Rime 官方使用，详情见此。但是极爽词库已经很久没有维护过了，因此极爽词库中的码表所包含的汉字也并不全面，只有 11589 个，在输入古汉语时经常找不到字。

目前可以找到的比较完整的码表是 Windows 10 操作系统自带的微软五笔的码表，共计 31900 个字。微软（中国）有限公司也是 GB 18030-2022 的起草单位，自家产品应该会遵循自家标准。所以本方案的五笔方案部分将使用此码表。

但微软五笔码表一共有 534114 个词条，去除单字后还有 502214 个词条，不符合小词库的要求。又考虑到，虽然极爽词库收录的单字并不全面，但它的常用词词库已经非常成熟，所以把极爽词库中的单字部分去除保留词组部分可以直接得到一个小体积的词库。

所以最终词库码表的组成是: 微软五笔的单字码表 + 极爽词库的多字词码表。

要导出 Win10 86 五笔的码表，需要打开 WubiLex (五笔助手) 软件，右键点击 系统码表（五笔86） ，选择 导出文本格式码表 保存为文本文件。有需要的读者也可以从此链接下载 已导出的 Win10 86 五笔码表 。

接着制作只包含单字的词库: 先删除文件中包含的词组，再调整列顺序。

使用 awk 互换两列 (使得码列在后，字列在前):

awk 'BEGIN {OFS="\t"} {temp = $1; $1 = $2; $2 = temp; print $0}' win10_1809_wubi_86.txt > new.txt

使用 awk 删除第一列 (字列) 中包含了词组的条目:

awk '{if (length($1) == 1) {print $0}}' new.txt > wubi_86_win10_single.dict.yaml

注: Rime 官方给的示例词库是字列在码列之前，但也可以通过 <dictionary>.dict.yaml 文件中 columns 字段来修改每一列的定义，来让码列在字列之前，从而避免修改导出的码表。此处为了和官方的示例保持一致，所以把词库处理为字列在码列之前。

到这里词库的单字部分就做好了，下面从极爽五笔的词库中删除单字，获得它的词库。

在提取词库之前，需要确定极爽词库的版本，有两个可以选择的词库，一个是让极点五笔成名的极爽 4.3 词库，另一个是从极爽 4.3 改进来的极爽 6.0 词库。考虑到时极爽 4.3 比 6.0 出名得多，所以决定使用极爽 4.3 作为小词库的来源。极爽 4.3 词库中共有 88543 个词条，其中包含 61432 个词组，符合小词库的要求。可以从此链接下载 极爽词库 (包含 4.3 和 6.0 词库)。

使用 awk 来生成去掉单字的词库:

# 从极爽 4.3 词库生成去掉单字的码表，同时交换字列和码列
awk '{if (NR<=11) next;} {if (length($2) > 1) print $0}' jishuang43.txt | awk '{if ($1 ~ /^zz.*255/) next; else print $2"\t"$1"\t"$3;}' > wubi_86_jishuang_phrase.dict_with_freq.yaml

# 从极爽 4.3 词库生成去掉单字的码表，同时交换字列和码列。如果不想要词频就用下面这行
awk '{if (NR<=11) next;} {if (length($2) > 1) print $0}' jishuang43.txt | awk '{if ($1 ~ /^zz.*255/) next; else print $2"\t"$1;}' > wubi_86_jishuang_phrase.dict.yaml

# 从极爽 6.0 词库生成去掉单字的码表，同时交换字列和码列
awk '{if (NR<=10) next;} {if (length($2) > 1) print $0}' jishuang43.txt | awk '{if ($1 ~ /^zz.*255/) next; else print $2"\t"$1"\t"$3;}' > wubi_86_jishuang_phrase.dict_with_freq.yaml

# 从极爽 6.0 词库生成去掉单字的码表，同时交换字列和码列。如果不想要词频就用下面这行
awk '{if (NR<=10) next;} {if (length($2) > 1) print $0}' jishuang43.txt | awk '{if ($1 ~ /^zz.*255/) next; else print $2"\t"$1;}' > wubi_86_jishuang_phrase.dict.yaml

把极爽词库中单字的词频迁移到 win10 码表的单字上，可以用这段 Python 脚本来实现:

jishuang_f = open("jishuang43.txt", "r", encoding='UTF-8')
win10wubi_f = open("wubi_86_win10_single.dict.yaml", "r", encoding='UTF-8')

jishuang = []
win10wubi = []

for line in jishuang_f:
    if "\t" in line:
        jishuang.append(line.replace("\n", "").split("\t"))

for line in win10wubi_f:
    if "\t" in line:
        win10wubi.append(line.replace("\n", "").split("\t"))

for win_item in win10wubi:
    for js_item in jishuang:
        if js_item[1] == win_item[0]:
            win_item.append(js_item[2])
            print(win_item)
            break

final_content = ""

for item in win10wubi:
    final_content += ("\t".join(item) + "\n")

win10wubi_with_freq_f = open("wubi_86_win10_single_with_freq.dict.yaml", "w", encoding='UTF-8')
win10wubi_with_freq_f.write(final_content)

可以直接下载 处理好的词库文件 。

给 wubi_86_win10_single.dict.yaml 和 wubi_86_jishuang_phrase.dict.yaml 分加上码表配置字段即为可被 Rime 使用的词库。(将排序方式改为 original ，即原始顺序，可使词频失效)

最终，五笔方案的词库构成为:

• 词库主体:
  • 微软五笔词库的单字码表
  • 极爽 4.3 词库的多字词码表
• 其他词库:
  • KyleBing/rime-wubi86-jidian 中取行政区划词库码表
  • 用户私有词库码表

拼音输入法使用双拼 (自然码) 和全拼两种方案，可以自行切换。

双拼输入法在解析时会被映射到全拼上面，所以双拼输入法没有自己的词库。

最终，全拼词库的构成为:

• 词库主体:
  • Rime 官方的袖珍简化字 rime-pinyin-simp 方案的词库 (上游词库为安卓开源项目)
  • 维基百科中文词条库 https://github.com/felixonmars/fcitx5-pinyin-zhwiki
• 其他词库
  • 用户私有词库

英文输入法来源于 easy_en 项目，作者为 Patricivs。

笔画输入法来源于 Rime 官方的 rime-stroke 方案，主要用于反查。

中文数字输入法根据 Rime 官方教程 数字之道 修改而来。