# 将基于mediawiki框架的百科的词库转成rime词库 **URL:** \ **Category:** 🛠工具与编程\ **Created:** [2025 年3 月 4 日 16:11 UTC](https://forum.beginner.center/t/topic/1793 "2025-03-04T16:11:06Z")\ **Posts on this page:** 1\ **Page:** 1
作者： ![doggie](https://forum.beginner.center/user_avatar/forum.beginner.center/doggie/32/550_2.png) [@doggie](https://forum.beginner.center/u/doggie)\ 发布日期： [2025 年3 月 4 日 16:11 UTC](https://forum.beginner.center/t/topic/1793/1 "2025-03-04T16:11:07Z")
> 本文由 [简悦 SimpRead](http://ksria.com/simpread/) 转码， 原文地址 [sspai.com](https://sspai.com/post/90068) 开源输入法 RIME，配合雾凇拼音等精心开发的输入方案，本身就已经满足日常需求——往往这些输入方案都配备包罗万象的常用词库。 然而，这些面向日常输入的词库，不可能涵盖方方面面，对于一些专门领域的词汇则未必有收录。例如，我在写一些游戏、动画番剧的文章时，常常会碰到角色名、地名、术语等没有被输入法收录的情况。因此，我常常免不了在候选字里一顿选，不觉间，输入效率大大降低。 幸运的是，RIME 的用户，可以站在 MediaWiki 百科志愿者们的肩膀上 [注释 1]。 **这些百科的词条名，本身就是非常丰富、专业的语料库。** MediaWiki 是一个百科平台，由维基媒体基金会开发，维基百科就是基于它构建。[萌娘百科](https://mzh.moegirl.org.cn/%E8%90%8C%E5%A8%98%E7%99%BE%E7%A7%91:%E5%85%B3%E4%BA%8E)、[Bilibili 游戏百科（BWiki）](https://wiki.biligame.com/wiki/%E9%A6%96%E9%A1%B5)等知名平台也是建构在 MediaWiki 之上。你可以借助 [**MW2Fcitx**](https://github.com/outloudvi/mw2fcitx)\*\*（MediaWiki To Fcitx）\*\*这款工具，将这些百科的词条名做成 RIME 词库，大大拓展你的 RIME 输入体验。 ## 背景：我是怎么发现 MW2Fcitx 的？ 我的主力笔记本用的是 Arch Linux。在配置好 Arch Linux CN 源后，我想安装 RIME 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： ```auto $ 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 RIME 打造的词库，分别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剧名、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 生成。 MW2Fcitx 能够调用 MediaWiki 的 API，从基于 MediaWiki 的百科网站中获取所有的条目标题，将它们汇编成各类输入法可用的词库。像维基百科、萌娘百科都是基于 MediaWiki 搭建的，MW2Fcitx 自然支持它们。 ## 安装 MW2Fcitx **MW2Fcitx 使用 Python 开发** 。如果你的电脑没有安装 Python，可以参考[菜鸟教程的文档](https://www.runoob.com/python3/python3-install.html)。 > **注意：** > > 在 Windows 下，你只能使用 [Python 的官方版本](https://www.python.org/downloads/)。 > > 已知，Msys2 的 Python 无法正确安装 MW2Fcitx 的依赖项，安装时会出错；Scoop 安装的 Python 不带 Pip 工具。 在 Windows、macOS 与 Linux 发行版（除 Arch Linux）中， **借助** ` **pip** ` **即可轻松安装** ： ```auto # 在Windows平台上（请先确保你正确安装了官方版Python） py -m pip install mw2fcitx # 在其他平台上 pip install mw2fcitx ``` 它会安装一个脚本程序`mw2fcitx`，pip 会将它放在正确的位置： - 在 Windows 下，`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`，你需要手动将该目录加入`PATH`中。做法是，打开`~/.profile`（若无该文件则请创建），然后加入代码：`export PATH=$PATH:/home/<你的用户名>/.local/bin`。 正确的安装日志类似于下面这样： ```auto Collecting mw2fcitx Using cached mw2fcitx-0.13.0-py3-none-any.whl.metadata (3.9 kB) Collecting OpenCC>=1.1.1.post1 (from mw2fcitx) Downloading OpenCC-1.1.7-cp312-cp312-win_amd64.whl.metadata (12 kB) Collecting pypinyin>=0.38.1 (from mw2fcitx) Using cached pypinyin-0.51.0-py2.py3-none-any.whl.metadata (12 kB) Downloading mw2fcitx-0.13.0-py3-none-any.whl (14 kB) Downloading OpenCC-1.1.7-cp312-cp312-win_amd64.whl (716 kB) ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 716.5/716.5 kB 1.8 MB/s eta 0:00:00 Using cached pypinyin-0.51.0-py2.py3-none-any.whl (1.4 MB) Installing collected packages: OpenCC, pypinyin, mw2fcitx Successfully installed OpenCC-1.1.7 mw2fcitx-0.13.0 pypinyin-0.51.0 [notice] A new release of pip is available: 24.0 -> 24.1.1 [notice] To update, run: C:\Users\AnClark\AppData\Local\Programs\Python\Python312\python.exe -m pip install --upgrade pip ``` \*\*对于 Arch Linux，由于系统限制，无法直接用 pip 安装。\*\*你可以使用[**我制作的 PKGBUILD**](https://github.com/AnClark/mw2fcitx-arch-PKGBUILD) 来构建、安装 MW2Fcitx 软件包。操作步骤如下： ```auto # 安装依赖项 sudo pacman -Syu sudo pacman -S python-hatchling pypinyin git clone https://github.com/AnClark/mw2fcitx-arch-PKGBUILD # 构建并安装MW2Fcitx软件包 cd mw2fcitx-arch-PKGBUILD makepkg sudo pacman -U python-mw2fcitx-3.10-1-any.pkg.tar.zst ``` ## 寻找支持的 MediaWiki 站点 要想使用 MW2Fcitx，你首先需要找到一款使用 MediaWiki 搭建的百科平台，然后再找到该平台的 API 地址。 MW2Fcitx 通过调用 MediaWiki 的 API 来获取词条列表，API 调用的入口为站点上的一个 PHP 文件——`api.php`。通常绝大部分 MediaWiki 站点的 api.php 位于站点根目录（如中文维基百科）。同时， **也存在特殊的例子：** - **中文维基百科** ，API 地址为`https://zh.m.wikipedia.org/w/api.php`。 - **BWiki** ，它由多个子百科组成，每个子百科都是独立的，因此 api.php 位于相应子百科站点的根目录。 **一些百科网站的 MediaWiki API 路径如下表：** | 网站 | API 地址 | | --- | --- | | 中文维基百科 | https://zh.wikipedia.org/api.php | | 萌娘百科 | https://zh.moegirl.org.cn/api.php | | BWiki——明日方舟 | https://wiki.biligame.com/arknights/api.php | | BWiki——原神 | https://wiki.biligame.com/ys/api.php | | BWiki——崩坏星穹铁道 | https://wiki.biligame.com/sr/api.php | | BWiki——赛马娘 | https://wiki.biligame.com/umamusume/api.php | | 神奇宝贝百科 | https://wiki.52poke.com/api.php | 其他站点的 API 路径可以根据上面的例子推出。 通过直接在浏览器打开该路径的方法，你也可以判断一个站点是否为 MediaWiki 站点。如果是，则打开的网页将会是帮助文档，如下图所示： 若能显示这个页面，那么这个百科就是由 MediaWiki 构建的。 ## 编写配置文件 MW2Fcitx 需要配置文件来工作。配置文件名为`config.py`，它将用于指定 MW2Fcitx 如何获取并生成词库。 首先，创建一个目录，作为 MW2Fcitx 的工作目录。 在工作目录下，创建一个文件`config.py`，填入下面的内容。 **请你根据文件中的中文注释，修改相应的字段。注意这些字段是 Python 字符串格式的。** ```auto # 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.m.wikipedia.org/w/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这一项是可选的，指定词条列表的输出路径。⬇️】 #"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" } }] } ``` ### **特别注意以下字段：** - `api_path`，填写 MediaWiki 网站的 API 路径，通常指向站点的`api.php`。 **找到百科平台的 API 路径后，请记得替换该字段。** - `generator/kwargs/output`，是输出词库的文件名。 **建议以** ` **.dict.yaml** ` **为扩展名，因为 RIME 似乎会优先识别这个扩展名的文件。** - `source/kwargs/output`，是输出词条列表的文件名，这个参数是可选的。默认为「titles.txt」 > **注意：Windows 在输出词条列表文件时会发生异常** ，因此笔者在上面的例子中，把`"output": "titles.txt"`这一行给注释掉了。 ## 开始生成词库 配置文件编写完成后，我们就可以着手生成词库了。 在工作目录下，打开命令行，然后运行 MW2Fcitx： ```auto # 直接运行，不带参数 mw2fcitx ``` 稍等片刻，MW2Fcitx 就会自动从百科网站获取词条名称列表，然后经过一系列处理流程，生成 RIME 词库。 正确的执行日志就像以下这样（节选）： ```auto 2024-06-30 17:20:01,969 [DEBUG] Fetching titles from https://somewiki.com/wiki/api.php 2024-06-30 17:20:02,280 [DEBUG] Got 10 pages ..... 2024-06-30 17:20:23,288 [DEBUG] Got 38452 pages 2024-06-30 17:20:23,288 [INFO] Finished. 2024-06-30 17:20:23,289 [DEBUG] 38452 title(s) imported. 2024-06-30 17:20:23,291 [DEBUG] 1 title(s) imported. 2024-06-30 17:20:23,292 [DEBUG] Running 7 pipelines 2024-06-30 17:20:23,292 [DEBUG] Running pipeline 1/7 (cb') ...... 2024-06-30 17:20:23,835 [DEBUG] Running pipeline 7/7 (tweak_normalize') 2024-06-30 17:20:23,848 [DEBUG] Deduplicating 119528 items 2024-06-30 17:20:23,856 [DEBUG] Deduplication completed. 37118 items left. 2024-06-30 17:20:23,857 [DEBUG] Exporting 37118 words with OpenCC 2024-06-30 17:20:24,162 [DEBUG] 1000 converted ...... 2024-06-30 17:20:24,687 [DEBUG] 7724 converted 2024-06-30 17:20:24,712 [INFO] Dictionary generated. ``` 生成的词库位于工作目录下，文件名在配置文件中指定，例如`wikipedia.dict.yaml`、`GenshinImpact.dict.yaml`。 ## 安装词库 词库生成后，我们就可以把词库安装到系统中，以供 RIME 调用。不同平台有不同的安装方法。 ### 1）Linux **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： ```auto # 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。 ### 2）Windows Windows 版的 RIME 是小狼毫（Weasel）， **一般我们把生成的词库放在它的** 「 **用户文件夹** 」 **下** 。该文件夹集中存放用户的配置。 **右击任务栏上的小狼毫图标** （显示为黑色方框里一个「中」字，或红色方框里一个「A」字母）， **选择** 「 **用户文件夹** 」。 小狼毫的右键菜单。 此时会在资源管理器里打开用户文件夹。把 MW2Fcitx 生成的词库粘贴到这里，例如我从 BWiki 获取的原神词库（取名为`GenshinImpact.dict.yaml`）： 小狼毫用户文件夹。红框中的文件就是我刚刚添加的 BWiki 原神词库。 ### 3）macOS macOS 下的 RIME 适配为鼠须管（Squirrel）。它的配置方法与小狼毫类似，只是用户文件夹位于`~/Library/Rime`。 由于笔者没有 macOS 的电脑，因此无法演示。你可以参照[这篇教程](https://github.com/ssnhd/rime)里的思路。 ## 挂载词库 词库安装完成之后，我们还需要修改 RIME 输入方案的配置文件，以挂载词库。需要注意的是，每套输入方案选用的词库是独立的，这就意味着 **若你有多套方案，那么想给几套输入方案挂载词库，就要修改几套输入方案的配置文件** 。 修改配置文件需要在用户文件夹中进行 [注释 2]。 ### 0）不同平台的用户文件夹目录 - Fcitx4：`~/.config/fcitx/rime/` - Fcitx5：`~/.local/share/fcitx/rime/` - 小狼毫、鼠须管：请参照上一章。 ### 1）RIME 自带方案（以朙月拼音为例） - \*\*第一步，新建自定义词典文件。\*\*在用户文件夹目录中，新建`luna_pinyin.mydict.dict.yaml`（`mydict`部分可任取），内容如下： ```auto --- 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） - GenshinImpact # 在教程上文中生成的词库 --- ``` > \*\*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： ```auto # luna_pinyin_simp.custom.yaml patch: # 指定自定义词库，字段值就是第一步中"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。 ### 2）第三方拼音方案（以雾凇拼音为例） - \*\*第一步：新建 / 打开配置文件。\*\*在用户文件夹目录中，打开`rime_ice.dict.yaml`。如果你是在 Arch Linux 发行版中安装雾凇拼音，那么用户文件夹目录里是没有该文件的，你需要从`/usr/share/rime-data/`中复制一份过来。 - \*\*第二步：修改配置文件。\*\*找到`import_tables`字段，在文件注释「建议把扩展词库放到下面…」[注释 3] 下方加入我们的词库。如下所示（下面为该文件的节选）： ```auto # Rime dictionary # encoding: utf-8 --- name: rime_ice version: "2023-11-13" import_tables: - cn_dicts/8105 # 字表 # - cn_dicts/41448 # 大字表（按需启用） - cn_dicts/base # 基础词库 - cn_dicts/ext # 扩展词库 - cn_dicts/tencent # 腾讯词向量（大词库，部署时间较长） - cn_dicts/others # 一些杂项 # 建议把扩展词库放到下面，有重复词条时，最上面的权重生效 # - cn_dicts/mydict # 【⬇️在下面添加你的词库。注意每一行前面有两个空格缩进。⬇️】 - GenshinImpact # 在教程上文中生成的词库 ... # 以下部分省略。 ``` - \*\*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。 > \*\*友情提示：\*\*如果加载了[中文维基百科（rime-pinyin-zhwiki）](https://github.com/felixonmars/fcitx5-pinyin-zhwiki/releases)等大容量的词库，那么重新部署的过程会比较长。请耐心等待。 ## 添加词库后的效果 最后，笔者给大家演示添加词库前后输入体验的对比。 我的测试环境是 Windows 11，安装小狼毫，启用雾凇拼音输入方案。添加的词库是 BWiki 原神词库。 添加前的输入效果如下，可见原神的一些词汇没有收录 [注释 4]，例如： 从上往下：枫丹、尘歌壶、芙宁娜、行秋、璃月。 添加词库后，上面的原神词汇都已经收录。笔者自己在做测试的时候，几乎感觉不到词库的完善，直到顺畅输入这些词汇后才反应过来（确信）： 添加词库后，上面的原神词汇都出现在了候选列表中。 ## 写在最后 对于专门性强的词汇，尤其是游戏、动漫相关的词汇，RIME 的词库未必有收录。幸运的是，热爱相关领域的志愿者们，一直在各个基于 MediaWiki 的平台中做出贡献，他们创建的词条名称就是非常专业和宝贵的语料资源。 运用 MW2Fcitx 来获取这些百科的词条名，制成 RIME 词库并加载，就可以极大地充实我们的词库，满足这些专门领域的输入需求。从此，在撰写文章，尤其是相关领域的文章时，你再也不用一个个地找候选字来造词，想要的词汇都能信手拈来。你的 RIME 输入体验，从现在起，如虎添翼。 > 关注 [少数派小红书](https://www.xiaohongshu.com/user/profile/63f5d65d000000001001d8d4)，感受精彩数字生活 🍃 > 实用、好用的 [正版软件](https://sspai.com/mall)，少数派为你呈现 🚀