时隔 4 年,鼠须管输入法再次更新,重拾鼠须管,并非 macOS 自带输入法不好,只是忍不住这爱折腾的手。这一次,我的需求笼统来讲,还是两个:好看、好用。

squirrel_screenshot_1

好看,这一点很好满足,新版鼠须管增加了一个名为沙漠夜的主题,兼容 macOS Mojave,我仅做了一点调整就很符合预期了。具体见上右图,只是去掉了高亮候选词的样式,微调了字号及间隔。

好用,则麻烦一点,涉及细节比较多,主要是两块:词库、习惯配置。

词库

我的鼠须管用途只有一个,简体+小鹤双拼+常用字,因此这里的词库,并非是指各种第三方的庞大语料库,而是指字符集以及预置词典的配置,实现简体、常用词组、无太多生僻字的目标,简言之,够用就好。

实现简体和常用字输出有很多方式,比如之前的 cjk_minifier filter,后来的 charset_filter,还有我此次使用的暴力字典修改法。相比前两个方式,字典修改法虽然麻烦,但额外好处是既能控制字符集大小,又能避免了字符集过滤导致的 emoji 无法输出。比如采用 [email protected] 虽减少了单字,但却兼顾不了 utf-8 才能覆盖的符号和表情。

鼠须管自带「明月拼音简体」,亦名「袖珍简化字拼音」,使用的是 pinyin_simp.dict.yaml 这一字典,包含约 17000 个单字以及 48000 个词语,有繁有简。这是我定制的基础,一开始的做法包含两步:一是借助 Opencc 化繁为简;二是去重合并,并只取 Unicode \u3400 至 \u9fa5 范围内的汉字。

通过这两步,能有效消除候选字词中的繁体和部分罕见字。如此清理之后,剩下约 14200 单字,词语都是简体,还是 48000 左右。

但这样的做法有问题,会导致「乾」的单字变「干」这一类的问题。之后,从 2013 版的《通用规范汉字表》 入手,重新整理自己的字典,包含且仅包含规范汉字表内的 8105 个字。这些单字结合 pinyin_simp.dict 中原有的词语,组合成 56800 多条目的个人字典。由于苹方、思源等字体皆完整覆盖这些规范字,因此候选框也不再存在缺字导致的问好问题,最重要的是实现了「够用就好」的目标。

最后,采用网络上其他人的方法,外挂了一个自定义词库,放置一些常用又不方便输入的自定义词组,比如输入 macos,出现 macOS Mojave、macOS High Sierra 等,共计 50 来条。

定制过的 pinyin_simp.dict,加上一个 custom_phrase,加上日常使用的个人用语积累,再加上简要配置即可使用的 emoji,一共四个部分,至此,词库调教完成。

习惯配置

squirrel_screenshot_2

这里所说的习惯,是指一些中文输入状态下的便捷配置。比如 emoji、符合、网址输入等。罗列起来,有以下几项:

  • 去掉了笔画反查
  • 增加了候选词 emoji
  • 调整了一些半角符号映射
  • 优化了中文状态下代码和网址等输入

所有配置文件地址:https://github.com/placeless/squirrel_config

实现过程

先是词库和双拼方案。新版鼠须管不再预置全部输入方案,需要自行通过 東風破 /plum/ 项目进行选配,有一点操作门槛,实际使用也不如预期的顺利。手工方法是自行去对应的项目地址下载所需文件,简单又可控。比如我根据的需求,涉及的文件如下,至于自定义短语,请参考网上其他人的文章。

其次是字典的定制。字典包含 3 个部分,字词、拼音、排序权重。规范汉字和拼音数据,我参考了 mozillazg/pinyin-data 这一项目,主要是 kMandarin_8105.txt 这个文件。绝大多数的拼音和权重,均匹配自鼠须管的 pinyin_simp.dict,因为对比之下,它更全面,剩下约有 626 个字不在里面,是以沿用 kMandarin_8105.txt 的拼音,权重则填充为 0。

最后是几点注意,一是字典文件的字段分隔符为 tab;二是当心 Pandas 读取数据时,把拼音 nan 当作了 NaN 😂️;三是处理音调时注意转 ü 为 v/u 的取舍。