|
|
本帖最后由 wubis 于 2014-9-8 23:37 编辑
比如索引一本古籍，几十个单人旁的字是相邻的词条，这样直接找个部首检字表对号入座比打拼音快多了。问题是哪个部首检字表最全？2.有些声称收纳汉字最多的字体，遇到古籍上面一些字还是无能为力，这时该怎么标记？
最全的汉字表莫过于unicode的cjk吧，可是它发布的是嵌入了商业字体的pdf并且规定不能导出pdf里面的字体。如果导出txt,没有那些字体就不能显示。
然后中韩译文网有个unicode中日韩的表，我整理过约5%，95%字体按照同一部首排在一起，基本上按笔画排序，可是找出来14画里面有个12画的也够呛，特别是面对提手旁，三点水的，只能抽样检测，唉。
至于用汉典里面的部首检索，算了吧，应付古文力不从心，他比小狼毫的字库还要小一点，而且真的不能保证正确性（论坛有说）。小狼毫繁体字和简体字加起来也应付不了某些xx，小狼毫的字词官称来自android输入法啊，opencc，三拼等。比上面的那个中韩unicode表还要小一点。
求助：
1.除部首外能很快给汉字分类（重码率小）又能减轻分类者负担的办法（这是不是叫做在开发者辛苦和用户辛苦之间平衡呢)
我以前想过根据汉字的前两笔的笔画数字代码和最后两笔（或三笔），重码率为10%左右，可是分类十分慢，而且眼睛也投降了。
2.如何合并两份字表，即AB表各有对方没有收录的汉字，怎样合并。
我想到两表各占excel一行，根据拼音排序（是不是只能按拼音排序），然后每隔50行抽检对比左右两行字。总共也才113xx多。
3.bing到sql等有些支持部首排序，可是sql语句不懂
4.中文分词词库，sphinx等那些对这个问题有用吗
静候高见 |
|
发表于 2014-9-8 23:37:56
楼主
，这个年代，自学是生存发展之本，缺什么补什么。一天就可以入门了。
