Arch Linux

hongyan30

会员

注册时间： 2022-08-18

帖子： 8

鸿雁五笔输入法(拥有230万词库及精确词频，支持拼音输入，立志成为新时代的极点五笔)

自从发布鸿雁拼音后，得到不少网友的热心反馈。在群体智慧的帮助下，得到不少有益的改进。

在一个出版业的专业论坛，有几个网友给出回复：

• 有五笔版吗？只会这个………………

• 重码太多，打字快吗？

• 习惯了五笔。现在用的是百度输入法。。。能五笔拼音混合输入吗

著名的博主善用佳软推崇极点五笔，CPC中文印刷社区站长也提到用了十年的极点五笔，知乎上不少网友都说极点五笔是他使用时间最长的输入法。 现在的情况是极点五笔已经停止更新，对win 10兼容性不好。 CPC中文印刷社区站长自己打造了一个黄狗五笔，其他的网友有的使用精灵五笔，有的使用冰凌五笔作为继任者。

对单个汉字、单个词语的频率使用220亿字的语料库得出精确的词频数据，用于鸿雁拼音输入法的输入过程中的候选列表排序。 这个词库数据如果移植到五笔平台，会不会有更多受众呢？

我发现百度贴吧中对拼音输入法的关注比较低，而与五笔相关的吧，感兴趣的人比较多。我到医院就医，看到挂号处的医生使用的是五笔输入法。 在前面提到的出版业的专业论坛上，网友给出的几个回复比较犀利，指出拼音输入法重码多的缺点。 虽然230万的词库足以覆盖日常工作生活的绝大部分词语组合，拼音重码多的缺点还是无法从根本上解决录入速度的问题。

看来，在专业的文字录入领域，还是五笔一家独大。对文字录入有高速化职业化需求的从业者中，五笔可能是唯一的选择。

既然有需求，经过2天时间的紧张制作，鸿雁五笔诞生了。

之前有制作鸿雁拼音码表的相关脚本，输入法框架、词频数据都是现成的，只需要改为五笔码表即可。

移植工作非常顺利，用perl语言处理文本，感觉so easy。拼音存在多音字，而汉字->五笔编码对是唯一的，处理难度简单一些。

根据(98五笔资源库/五笔小筑)的说法，“86、98、新世纪、这三版五笔中，98版是拆字最为和谐自洽，字根数量最多，击键协调性最好，对大字符集适应最好的一版。” 并提到“98版五笔早已无专利问题”，原因是王码公司没有缴纳专利费用，2004年专利权视为放弃，百度五笔相关法务团队曾经做过详尽的专利调查。

万一哪天王码表公司补缴专利费，又重新获得98版五笔专利权呢？目前市面上另一个现实是，windows自带五笔输入法，让86版的五笔使用者最为广泛。

86版的五笔早已没有版权问题，感谢联想集团，给网友带来免费的午餐。

鸿雁五笔采用的是86版的王码五笔方案。 最新版的王码五笔，支持输入27533个汉字。 鸿雁五笔输入法可以输入的汉字有41442个。增补的码表主要来源于CPC中文印刷社区站长在制作黄狗输入法时对生僻字的整理工作，黄狗输入法支持的汉字有10万多。

为什么不全部支持？这里讲一下原因。

制作鸿雁拼音时词频来自以下语料库：

• 百度百科约560万个词条(14.5GB,约59亿字)

• 维基百科约400万个词条(10.1GB,约40亿字)

• 微博语料(7.4GB,约30亿字)

• 微信公众号语料(2.9GB,约12亿字)

• 新闻语料(12.6GB,约51亿字)

• 1946年-2003年人民日报全部数据纯文本(3.1GB,约11.6亿字)

• 联合国平行语料库中文部分(1.4GB,约5.5亿字)

• 殆知阁古代文献txt大全集(4.8GB,约17亿字)

在220亿字的典型语料库中，使用的汉字仅有3.8万个。出现次数3次及以上的汉字只有2.5万个。

鸿雁五笔输入法支持的的41442个汉字，是含有拼音数据的。一个拼音都找不到的汉字被使用的概率是多少？应该非常低，没有读音意味着这个字几乎没有人用。 4.1万的汉字已经足够覆盖日常工作生活中所需所有汉字。

我不是五笔输入法使用者，请专业人士品鉴一下码表是否合适。

单个字的码表：
〇    llll
㐀    gjgg
㐁    glwi
㐂    aaab
㐄    ahk
㐅    qty
饤    qnsh
饥    qnmn
饦    qnta
饧    qnnr
饨    qngn
饩    qnrn
饪    qntf
饫    qntd
饬    qntl
饭    qnrc
饮    qnqw

2个字到4个字的词语码表：

特仑    trff wxb
特仑苏    trff wxb alwu
特他    trff wbn
特代    trff way
特令    trff wycu
特以    trff nywy
特以及    trff nywy eyi
特们    trff wun
特价    trff wwjh
特价只    trff wwjh kwu
特价只要    trff wwjh kwu svf
特价房    trff wwjh ynye
特价机    trff wwjh smn
特价机票    trff wwjh smn sfiu
特价秒杀    trff wwjh titt qsu
特价车    trff wwjh lgnh
特任    trff wtfg
特企    trff whf
特伊    trff wvtt
特伍    trff wgg
特伍德    trff wgg tfln
特伐    trff way
特优    trff wdnn
特优势    trff wdnn rvyl
特会    trff wfcu
特伟    trff wfnh
特传    trff wfny
特伦    trff wwxn
特伦扎诺    trff wwxn rnn yadk
今天一个    w g g w
今天一大    w g g d
今天一天    w g g g
今天一定    w g g p
今天一早    w g g j
今天上午    w g h t
今天上班    w g h g
今天下之    w g g p
今天下午    w g g t
今天不回家    w g g l p
今天不是    w g g j
今天不苦    w g g a
今天不起    w g g f
今天中午    w g k t
今天一个    wynb gdi ggll whj
今天一大    wynb gdi ggll dddd
今天一天    wynb gdi ggll gdi
今天一定    wynb gdi ggll pghu
今天一早    wynb gdi ggll jhnh
今天三    wynb gdi dggg
今天上    wynb gdi hhgg
今天上午    wynb gdi hhgg tfj
今天上班    wynb gdi hhgg gytg
今天下    wynb gdi ghi
今天下之    wynb gdi ghi pppp
今天下午    wynb gdi ghi tfj
今天不    wynb gdi gii

四个字以上的词语码表：

国际奥林匹克委员会    l b t s a d t k w
国际奥林匹克委员会主席    l b t s a d t k w y y
国际奥林匹克委员会全体会议    l b t s a d t k w w w w y
国际奥林匹克委员会委员    l b t s a d t k w t k
国际奥林匹克数学竞赛    l b t s a d o i u p

最大支持16个字的词语码表：

一致性高速缓存非均匀存储访问模型    g g n y g x d h f q d w y u s g
三区革命政府政治文化活动中心旧址    d a a w g y g i y w i f k n h f
三方协商促进实施国际劳工标准公约    d y f u w f p y l b a a s u w x
三角齿马先蒿三角齿亚种三角齿变种    d q h c t a d q h g t d q h y t
上海佳豪船舶工程设计股份有限公司    h i w y t t a t y y e w d b w n
上海图书馆上海科学技术情报研究所    h i l n q h i t i r s n r d p r
上海市实有人口服务和管理若干规定    h i y p d w k e t t t g a f f p
上海神开石油化工装备股份有限公司    h i p g d i w a u t e w d b w n
上海耀华皮尔金顿玻璃股份有限公司    h i i w h q q g g g e w d b w n
上海锦江国际酒店发展股份有限公司    h i q i l b i y n n e w d b w n
世界自然保护联盟濒危物种红色名录    a l t q w r b j i q t t x q q v
东北抗日暨爱国自卫战争烈士纪念塔    a u r j v e l t b h q g f x w f
中华人民共和国中央人民政府委员会    k w w n a t l k m w n g y t k w

词语码表规则如下： 2-3个字词语只能使用单字的全部码表输入，不能使用简写。 4个字的词语可以使用单字的全部码表输入，也可以使用码表首字母组合输入。 5-16个字的词语只可以使用码表首字母组合输入。

这样的选择是因为，五笔编码单字使用3-4个字母，如果2-3个字使用五笔编码的的一个字母或者前两个字母作为简略输入，会出现大量重复的码表。 4个字及其以上的词语对应的拉丁字母组合重码率已经很低，可以使用简略输入。

4个字的简略码表有4个字符，可能会与单字的4个字符竞争，不过不用担心。本输入法的优先级排序来自220亿字典型语料库统计数据。一般情况下， 词语出现的频率低于单字的频率。只要不是生僻字或者繁体字，单字排名靠前，词语排名靠后，不会影响输入体验。

上图

86版五笔编码中，单个字使用3-4个拉丁字母

两个字的词语输入

三个字的词语输入

四个字的词语输入

四个字，类似拼音输入法的简拼的输入方式，使用五笔编码的第一个字母组合输入

唐诗三百首、宋词三百首、老子道德经、论语、诗经、李白诗句全集可以信手拈来

16个字的词语

百度百科的词条标题，这样的词语有50万个

五笔编码仅适用25个字母键，“z”键没有使用。 如果记不得单字的码表，可以在先输入“z”，进入临时拼音模式,再输入拼音

在临时拼音模式可以反查五笔码表

临时拼音模式下，支持简拼输入，临时拼音模式调用的是鸿雁拼音库，同样拥有230万词库。

软件在安卓平台也有移植版本 五笔简码输入词语

安卓平台进入临时拼音模式

鸿雁输入法安装后默认启用的是鸿雁拼音·全拼模式。 在鸿雁输入法中切换到鸿雁五笔的方法：

windows平台

安卓平台

软件压缩包中“五笔86版全码(41442个汉字).txt”文件包含全部的单字码表。供有需要的朋友查阅。 本软件开源免费，采用的rime系列输入法框架，这些框架都是开源的。码表、配置文件是纯文本格式。

有人在网络上发帖，希望极点五笔作者出山，他愿意付费，可惜现在还没有等到杜先生回应。

希望鸿雁五笔能够成为新时代的极点五笔。

下载链接： https://hong-yan.lanzouw.com/b00vvkivc 密码:1234

鸿雁五笔输入法(拥有230万词库及精确词频，支持拼音输入，立志成为新时代的极点五笔)

自从发布鸿雁拼音后，得到不少网友的热心反馈。在群体智慧的帮助下，得到不少有益的改进。

在一个出版业的专业论坛，有几个网友给出回复：

• 有五笔版吗？只会这个………………

• 重码太多，打字快吗？

• 习惯了五笔。现在用的是百度输入法。。。能五笔拼音混合输入吗

著名的博主善用佳软推崇极点五笔，CPC中文印刷社区站长也提到用了十年的极点五笔，知乎上不少网友都说极点五笔是他使用时间最长的输入法。 现在的情况是极点五笔已经停止更新，对win 10兼容性不好。 CPC中文印刷社区站长自己打造了一个黄狗五笔，其他的网友有的使用精灵五笔，有的使用冰凌五笔作为继任者。

对单个汉字、单个词语的频率使用220亿字的语料库得出精确的词频数据，用于鸿雁拼音输入法的输入过程中的候选列表排序。 这个词库数据如果移植到五笔平台，会不会有更多受众呢？

我发现百度贴吧中对拼音输入法的关注比较低，而与五笔相关的吧，感兴趣的人比较多。我到医院就医，看到挂号处的医生使用的是五笔输入法。 在前面提到的出版业的专业论坛上，网友给出的几个回复比较犀利，指出拼音输入法重码多的缺点。 虽然230万的词库足以覆盖日常工作生活的绝大部分词语组合，拼音重码多的缺点还是无法从根本上解决录入速度的问题。

看来，在专业的文字录入领域，还是五笔一家独大。对文字录入有高速化职业化需求的从业者中，五笔可能是唯一的选择。

既然有需求，经过2天时间的紧张制作，鸿雁五笔诞生了。

之前有制作鸿雁拼音码表的相关脚本，输入法框架、词频数据都是现成的，只需要改为五笔码表即可。

移植工作非常顺利，用perl语言处理文本，感觉so easy。拼音存在多音字，而汉字->五笔编码对是唯一的，处理难度简单一些。

根据(98五笔资源库/五笔小筑)的说法，“86、98、新世纪、这三版五笔中，98版是拆字最为和谐自洽，字根数量最多，击键协调性最好，对大字符集适应最好的一版。” 并提到“98版五笔早已无专利问题”，原因是王码公司没有缴纳专利费用，2004年专利权视为放弃，百度五笔相关法务团队曾经做过详尽的专利调查。

万一哪天王码表公司补缴专利费，又重新获得98版五笔专利权呢？目前市面上另一个现实是，windows自带五笔输入法，让86版的五笔使用者最为广泛。

86版的五笔早已没有版权问题，感谢联想集团，给网友带来免费的午餐。

鸿雁五笔采用的是86版的王码五笔方案。 最新版的王码五笔，支持输入27533个汉字。 鸿雁五笔输入法可以输入的汉字有41442个。增补的码表主要来源于CPC中文印刷社区站长在制作黄狗输入法时对生僻字的整理工作，黄狗输入法支持的汉字有10万多。

为什么不全部支持？这里讲一下原因。

制作鸿雁拼音时词频来自以下语料库：

• 百度百科约560万个词条(14.5GB,约59亿字)

• 维基百科约400万个词条(10.1GB,约40亿字)

• 微博语料(7.4GB,约30亿字)

• 微信公众号语料(2.9GB,约12亿字)

• 新闻语料(12.6GB,约51亿字)

• 1946年-2003年人民日报全部数据纯文本(3.1GB,约11.6亿字)

• 联合国平行语料库中文部分(1.4GB,约5.5亿字)

• 殆知阁古代文献txt大全集(4.8GB,约17亿字)

在220亿字的典型语料库中，使用的汉字仅有3.8万个。出现次数3次及以上的汉字只有2.5万个。

鸿雁五笔输入法支持的的41442个汉字，是含有拼音数据的。一个拼音都找不到的汉字被使用的概率是多少？应该非常低，没有读音意味着这个字几乎没有人用。 4.1万的汉字已经足够覆盖日常工作生活中所需所有汉字。

我不是五笔输入法使用者，请专业人士品鉴一下码表是否合适。

单个字的码表：
〇    llll
㐀    gjgg
㐁    glwi
㐂    aaab
㐄    ahk
㐅    qty
饤    qnsh
饥    qnmn
饦    qnta
饧    qnnr
饨    qngn
饩    qnrn
饪    qntf
饫    qntd
饬    qntl
饭    qnrc
饮    qnqw

2个字到4个字的词语码表：

特仑    trff wxb
特仑苏    trff wxb alwu
特他    trff wbn
特代    trff way
特令    trff wycu
特以    trff nywy
特以及    trff nywy eyi
特们    trff wun
特价    trff wwjh
特价只    trff wwjh kwu
特价只要    trff wwjh kwu svf
特价房    trff wwjh ynye
特价机    trff wwjh smn
特价机票    trff wwjh smn sfiu
特价秒杀    trff wwjh titt qsu
特价车    trff wwjh lgnh
特任    trff wtfg
特企    trff whf
特伊    trff wvtt
特伍    trff wgg
特伍德    trff wgg tfln
特伐    trff way
特优    trff wdnn
特优势    trff wdnn rvyl
特会    trff wfcu
特伟    trff wfnh
特传    trff wfny
特伦    trff wwxn
特伦扎诺    trff wwxn rnn yadk
今天一个    w g g w
今天一大    w g g d
今天一天    w g g g
今天一定    w g g p
今天一早    w g g j
今天上午    w g h t
今天上班    w g h g
今天下之    w g g p
今天下午    w g g t
今天不回家    w g g l p
今天不是    w g g j
今天不苦    w g g a
今天不起    w g g f
今天中午    w g k t
今天一个    wynb gdi ggll whj
今天一大    wynb gdi ggll dddd
今天一天    wynb gdi ggll gdi
今天一定    wynb gdi ggll pghu
今天一早    wynb gdi ggll jhnh
今天三    wynb gdi dggg
今天上    wynb gdi hhgg
今天上午    wynb gdi hhgg tfj
今天上班    wynb gdi hhgg gytg
今天下    wynb gdi ghi
今天下之    wynb gdi ghi pppp
今天下午    wynb gdi ghi tfj
今天不    wynb gdi gii

四个字以上的词语码表：

国际奥林匹克委员会    l b t s a d t k w
国际奥林匹克委员会主席    l b t s a d t k w y y
国际奥林匹克委员会全体会议    l b t s a d t k w w w w y
国际奥林匹克委员会委员    l b t s a d t k w t k
国际奥林匹克数学竞赛    l b t s a d o i u p

最大支持16个字的词语码表：

一致性高速缓存非均匀存储访问模型    g g n y g x d h f q d w y u s g
三区革命政府政治文化活动中心旧址    d a a w g y g i y w i f k n h f
三方协商促进实施国际劳工标准公约    d y f u w f p y l b a a s u w x
三角齿马先蒿三角齿亚种三角齿变种    d q h c t a d q h g t d q h y t
上海佳豪船舶工程设计股份有限公司    h i w y t t a t y y e w d b w n
上海图书馆上海科学技术情报研究所    h i l n q h i t i r s n r d p r
上海市实有人口服务和管理若干规定    h i y p d w k e t t t g a f f p
上海神开石油化工装备股份有限公司    h i p g d i w a u t e w d b w n
上海耀华皮尔金顿玻璃股份有限公司    h i i w h q q g g g e w d b w n
上海锦江国际酒店发展股份有限公司    h i q i l b i y n n e w d b w n
世界自然保护联盟濒危物种红色名录    a l t q w r b j i q t t x q q v
东北抗日暨爱国自卫战争烈士纪念塔    a u r j v e l t b h q g f x w f
中华人民共和国中央人民政府委员会    k w w n a t l k m w n g y t k w

词语码表规则如下： 2-3个字词语只能使用单字的全部码表输入，不能使用简写。 4个字的词语可以使用单字的全部码表输入，也可以使用码表首字母组合输入。 5-16个字的词语只可以使用码表首字母组合输入。

这样的选择是因为，五笔编码单字使用3-4个字母，如果2-3个字使用五笔编码的的一个字母或者前两个字母作为简略输入，会出现大量重复的码表。 4个字及其以上的词语对应的拉丁字母组合重码率已经很低，可以使用简略输入。

4个字的简略码表有4个字符，可能会与单字的4个字符竞争，不过不用担心。本输入法的优先级排序来自220亿字典型语料库统计数据。一般情况下， 词语出现的频率低于单字的频率。只要不是生僻字或者繁体字，单字排名靠前，词语排名靠后，不会影响输入体验。

上图

86版五笔编码中，单个字使用3-4个拉丁字母

两个字的词语输入

三个字的词语输入

四个字的词语输入

四个字，类似拼音输入法的简拼的输入方式，使用五笔编码的第一个字母组合输入

唐诗三百首、宋词三百首、老子道德经、论语、诗经、李白诗句全集可以信手拈来

16个字的词语

百度百科的词条标题，这样的词语有50万个

五笔编码仅适用25个字母键，“z”键没有使用。 如果记不得单字的码表，可以在先输入“z”，进入临时拼音模式,再输入拼音

在临时拼音模式可以反查五笔码表

临时拼音模式下，支持简拼输入，临时拼音模式调用的是鸿雁拼音库，同样拥有230万词库。

软件在安卓平台也有移植版本 五笔简码输入词语

安卓平台进入临时拼音模式

鸿雁输入法安装后默认启用的是鸿雁拼音·全拼模式。 在鸿雁输入法中切换到鸿雁五笔的方法：

windows平台

安卓平台

软件压缩包中“五笔86版全码(41442个汉字).txt”文件包含全部的单字码表。供有需要的朋友查阅。 本软件开源免费，采用的rime系列输入法框架，这些框架都是开源的。码表、配置文件是纯文本格式。

有人在网络上发帖，希望极点五笔作者出山，他愿意付费，可惜现在还没有等到杜先生回应。

希望鸿雁五笔能够成为新时代的极点五笔。

下载链接： https://hong-yan.lanzouw.com/b00vvkivc 密码:1234

zhuangzhuang

会员

注册时间： 2022-08-14

帖子： 164

个人网站

Re: 鸿雁五笔输入法(拥有230万词库及精确词频，支持拼音输入，立志成为新时代的极点五笔)

传到AUR上吧，让用户更方便一点

---

上学中

依云

会员

所在地： a.k.a. 百合仙子

注册时间： 2011-08-21

帖子： 8,919

个人网站

Re: 鸿雁五笔输入法(拥有230万词库及精确词频，支持拼音输入，立志成为新时代的极点五笔)

废话太多了。

支持哪些平台？支持 fcitx5 吗？trime 就放弃吧，几年了没几个新版本，不支持暗色主题随系统切换，还一直在 break 用户设置。

听说是开源的？源码在哪里？