华宇拼音输入法论坛

标题: 紫光词库整理系列工具 [打印本页]

作者: sanwsw 时间: 2010-1-14 12:44
标题: 紫光词库整理系列工具
本帖最后由 sanwsw 于 2012-10-7 06:55 编辑

　　综合说明
　　
　　2008年下半年，收到老左寄来的紫光词库整理用系列工具，都是些DOS下使用的小工具。为方便使用，将各工具帮助文件整理成统一的Readme.txt放在Readme文件夹内，该文件夹内还收有各工具默认帮助文件。上月有人讨要，希望该网友看到本帖。老左如觉不妥，请直接删除本帖。
　　
　　安装使用
　　
　　解压后，将所有文件存放在同一文件夹内即可。如不知或忘了某一工具使用方法，请查看Readme.txt并复制相关命令，在DOS窗口下采用复制法以减少输入差错。
　　
　　工具使用介绍
　　
　　[hide]■■CygWin系列软件
　　　　一组从Unix、Linux平台移植到Windows平台的几个词库整理、加工实用工具：*.exe全部是命令行工具，*.dll是*.exe所依赖的动态链接库文件。
　　　　1.全是命令行工具，在Windows系列平台下，需要打开【“命令提示符”窗口】，键入命令以及相应的参数来执行，查看用法，则键入【命令 --help】，如wc --help，sort --help等。
　　　　2.为在工作路径中都可用，把它们解压到一个目录，如C:\CW，然后设置环境变量PATH，在最前面添加C:\CW，之所以要在最前面，是因为sort.exe在windows\system32也有一份MS出品的排序工具，我们期望CygWin的sort首先被找到；如果也想有时候用用MS的sort，可以复制其sort.exe为wsort.exe，执行wsort就是MS的。
　　　　3.处理非当前目录而需给出路径时，路径分隔符是Unix风格的/，而非DOS或Windows的\，如c:/temp/*.txt表示C:\temp\*.txt。
　　　　4.参数中用通配符(*、?)来处理多个文件时，能够匹配到的文件名称大小写是敏感的，如*.txt不能匹配abc.TXT。
　　　　5.输入改向：本应从标准输入设备(键盘)读取内容，通过在命令及参数后面附加【<文件名】，则从指定的文件中读取内容。
　　　　6.输出改向：本应输出到标准输出设备(屏幕)上的内容，通过在命令及参数后面附加【>文件名】，则把内容写入到指定的文件中；如果想追加指定文件的尾部，用两个大于号，如【>>文件名】，如：
　　　　mkSpell err-2.txt <02.txt >all.txt，输出改向是“覆盖模式”
　　　　mkSpell err-3.txt <03.txt >>all.txt，输出改向是“追加模式”。
　　　　7.引用系统环境变量，要用一对%，举例如下：%PATH%，引用环境变量PATH；%TEMP%，引用环境变量TEMP。
　　　　8.管道（|）：|符号，同时对输入和输出进行改向，俗称“管道”；一般是多个程序联动时用在后面的程序上，对于该程序，把前面程序的输出作为输入源；采用管道模式，和分两步实施的输出到文件、从文件中读取相比，只是减少了中间临时文件的生成和销毁。如：
　　　　mkSpell std <02.txt |sort -k3 -n -r |u2d >02-new.txt，即为把对两字词的注音结果按照词频倒排序之后，再转换为DOS风格的文本，最后保存到02-new.txt中。
　　
　　■sort.exe
　　　　◆功能：排序。较之windows\system32\sort.exe更强，速度快，占用内存少，功能选项丰富，性能超级卓著。比较有用的是按“指定列”排序，这里的“列”缺省是指按照空格或TAB对每行分割出多个字符串，详见例子。不能制定多项排序因子。
　　
　　　　◆参数：
　　　　-k  用于指定排序因子是第几列，如不提供此参数，则以整行为排序因子；列分隔符的缺省是空白字符，已经满足我们的要求，如果对其它格式的文本进行排序，可以通过参数-t来指定。
　　　　-n 按照数值大小决定顺序，如不提供此参数，则按照字符顺序。对词频排序，应当采用数值模式，即在命令行提供-n参数。
　　　　-r  倒序。
　　　　-t  指定列分隔符，如“毛泽西，男， 1970年生人……”，拆解该行内容，应该以逗号为列分隔符；我们的文本词库的列分隔符已经是最经典的空白字符，与缺省相同，故无需设置此参数。
　　　　-u  在排序之余，捎带消除重复行
　　　　-o  指定结果输出文件；如不提供此参数，则输出到标准输出设备即屏幕，但通过操作系统的改向机制，也能达到把结果存入文件的目的，即在命令行尾部加“ >目标文件”。参数-o也可以指定输出文件，但是结果文件中的行分隔符(回车)是Unix风格的单字符(ASCII为0x0A)，而DOS风格的回车是两个字符(0x0D＋0x0A)，许多文本编辑工具能够识别并进行转换。0x0D——原名是CarriageReturn，简称CR；本意是“四轮马车返回”，原生操作是“把打字机的打字头移动到最左端”，译为“回车”，虽词不达意却已约定俗成，在计算机的文本处理中，意思是“把光标移动到行首”，在编程语言或者某些工具中常用“\r”来代表它；0x0A——原名是LineFeed，简称LF，意思是“行加”，原生操作亦来自打字机，动作是“把打字头向下移动一行”，译称“换行”其实并不精准，“换”字一并未指示方向，二未说明数量，故“进一行”之意才贴切，在计算机的文本处理中，意思是“把光标移动到下一行”，在编程语言或者某些工具中常用“\n”来代表它。
　　　　-T  临时目录，处理大文件时才需要，在技术上的原因是“如果文件很大，不能一次性地通过内存装载，则需要将它分解为小块，每个小块暂存为一个临时文件，一一排序完成后，再采用外部归并排序算法，形成最终的结果，然后清除临时文件”。
　　
　　　　◆应用：
　　　　①sort abc.txt | u2d >abc-c.txt 对当前目录abc.txt按第1列进行排序，并通过u2d.exe将输出文件转化为DOS风格的文本文件
　　　　②sort -k2 abc.txt >abc-y.txt 对当前目录abc.txt按第2列进行排序，把结果输出到文件abc-y.txt中
　　　　③sort -k2 abc.txt | u2d >abc-y.txt 对当前目录abc.txt按第2列进行排序，并通过u2d.exe将输出文件转化为DOS风格文本文件
　　　　④sort a*.txt 对当前目录以a开头的.txt文件进行排序，结果输出到屏幕，排序因子是ANSI字符串
　　　　⑤sort –k3 –n –r c:/temp/abc.txt 对c:\temp\abc.txt按第3列词频数倒排序，把第3列理解为数字（-n）
　　　　⑥sort -u abc.txt >abc-1.txt 对当前目录abc.txt进行排序，排除重复行（-u）。
　　
　　
　　■gawk.exe
　　　　◆功能：对文件进行脚本处理，允许自己按照类C语言进行脚本编写。
　　　　几个重要的内部变量定义：
　　　　$0 当前处理的行
　　　　$1 当前行的第1列
　　　　$n 当前行的第n列
　　　　NF 当前行拆分后的列数，Number Of Field
　　　　NR 当前行的行号，Number Of Record
　　
　　　　◆应用：
　　　　①gawk '{print $1'} abc.txt >abc-c.txt 从abc.txt中拆分出第1列，输出到abc-c.txt——词
　　　　②gawk '{print $2'} abc.txt >abc-y.txt 从abc.txt中拆分出第2列，输出到abc-y.txt——音
　　　　③gawk '{print $3'} abc.txt >abc-p.txt 从abc.txt中拆分出第3列，输出到abc-p.txt——频
　　　　④gawk '{if ($3 ==0) print $0}' abc.txt >abc-p0.txt 挑出abc.txt中词频为0的，输出到abc-p0.txt
　　　　⑤gawk '{if ($3 !=0) print $0}' abc.txt >abc-pN.txt 挑出abc.txt中词频不为0的，输出到abc-pN.txt
　　　　⑥gawk -f abc.awk abc.txt >abc-p.txt 挑出词频超过1000的，输出到文件abc-p1000.txt中。
　　　　【>和<不能直接用在命令行，操作系统将把它们理解为输出、输入改向，一定需要>和<的逻辑时，可把脚本写到单独文件中，然后执行gawk时，告诉它脚本是在某个文件中，而不是在命令行参数中，如：创建一个abc.awk文件，其内容是：{if ($3 >=1000) print $0}】
　　　　⑦gawk '{print NF "\t" $0'} abc.txt >abc-n.txt 给abc.txt添上一列行号(第一列)，输出到abc-n.txt；\t表示制表符
　　
　　
　　■grep.exe
　　　　◆功能：提取符合某些特征的字符串，将其认定为“词”，则grep.exe是首选利器
　　　　◆应用；
　　　　①提取形如“第*届”特定字符串： grep -P "^第.*(?:届|节)\t" F3.TXT F4.TXT
　　　　②提取形如“AABB”的四字词： grep -P "^(.{2})\1(.{2})\2\t" F4.TXT
　　　　③提取形如“ABAB”的四字词： grep -P "^(.{4})\1\t" F4.TXT
　　　　④提取形如“A与B”“A和B”“A同B”三字词： grep -P "^.{2}(?:与|和|同).{2}\t" F3.TXT
　　　　⑤提取形如“A不A”的三字词： grep -P "^(.{2})不\1\t" F3.TXT
　　　　通过操作系统支持的IO改向机制，在命令尾部，追加“>文件名”，即可将结果改存到文件中。
　　
　　
　　■wc.exe
　　　　◆功能：
　　　　统计文件中的字节数、字符数、行数、词数，以及看看最长的行究竟有多长
　　
　　　　◆应用：
　　　　①wc –l abc.txt 查看当前目录中文件abc.txt有多少行
　　　　②wc –l a*.txt 查看当前目录中以a开头的.txt文件有多少行，并报告总行数
　　　　③wc –l c:/temp/*.txt 查看子目录c:\temp中所有的.txt文件分别有多少行，并报告总行数
　　
　　
　　■u2d.exe
　　　　即UnixToDOS也。u2d.exe从标准输入设备(键盘)读取数据，结果输出到标准输出设备(屏幕)，通过操作系统输入输出改向机制中的管道，可以构造一个生产线，我们关心的只是末端的成品，该生产线是“sort加工→u2d加工→收集成品”，在命令行上表达这个生产线，就是“sort …… | u2d >结果文件”。
　　
　　■d2u.exe
　　　　即DosToUnix。
　　
　　■MkSpell.exe
　　　　◆功能：命令行版注音工具。本工具所在目录中有hzpy.dat(存储各个汉字的读音和有关汉字属性)。纯绿色方案：把hzpy.dat文件拷到MkSpell.exe所在目录即可。
　　　　◆应用
　　　　①mkspell 没有参数，则显示用法，直接退出
　　　　②mkspell std <abc.txt 为abc.txt注音或检查拼音，结果输出到屏幕，不能确定唯一拼音的或其它错误的词条，也输出到屏幕。
　　　　③mkspell std <abc.txt >abc-1.txt 为abc.txt注音或检查拼音，结果输出到文件abc-1.txt，不能确定唯一拼音的或其它错误的词条，输出到屏幕。
　　　　④mkspell err.txt <abc.txt >abc-1.txt 为abc.txt注音或检查拼音，结果输出到文件abc-1.txt，不能确定唯一拼音的或其它错误的词条，输出到文件err.txt；如果没有其它错误(词太短、词太长、包含不支持字符等)，则err.txt实际上就是包含尚未确定唯一拼音的词条。
　　　　⑤mkspell err.txt 100 <abc.txt >abc-1.txt 基本同④)，差别在于生成前100个音节，由于最长的词是32个字，所以凡是大于32的数字，都表示生成完整的拼音。
　　
　　■getDupW.BAT
　　　　◆功能：“命令提示符”窗口提取一个文本词库中多音词的批处理工具，delWLH.awk、getDupW.awk是配套文件，须与getDupW.BAT放在同一文件夹。
　　　　◆使用
　　　　①打开“命令提示符”窗口，转到getDupW.BAT所在目录；
　　　　②键入：getDupW 文件名.txt >多音词.txt，回车即可。
　　
　　
　　■twlMerge.exe
　　　　◆功能：合并两个文本词库文件，求并集。
　　　　　　词条相同，字串相同＆拼音相同——采纳高频者；
　　　　　　词条不同，字串不同｜拼音不同——二者均采纳
　　　　◆使用
　　　　①获取帮助信息，直接运行twlMerge
　　　　②求并集，twlMerge 文件1.txt 文件2.txt 结果文件.txt
　　
　　
　　■twlSub.exe
　　　　◆功能：求文本词库差集，即文本词库#1中有＆文本词库#2中无。
　　　　　　词条不同（字串不同｜拼音不同），采纳词库#1的；
　　　　　　词条相同（字串相同＆拼音相同），不予采纳。
　　　　◆使用
　　　　①获取帮助信息，直接运行twlSub
　　　　②求并集，twlSub 文件1.txt 文件2.txt 结果文件.txt
　　
　　■twlIntersection.exe
　　　　◆功能：求两个文本词库的交集，即计算两个词库中都有的
　　　　　　词条相同——字串相同且拼音相同——采纳高频者
　　　　　　词条不同——字串不同或拼音不同——二者均忽略
　　　　◆用法：twlIntersection 文本词库文件#1 文本词库文件#2 结果保存文件[ -Q]
　　　　◆说明：
　　　　　　①最后一个参数-Q为可选，表示静默方式，不显示信息
　　　　　　②因算法简陋，【文本词库文件】的长度应小于 64M
　　　　　　③若【结果保存文件】存在，将被覆盖，没有提示，必要时请提前备份
　　
　　■twlSpByL.exe
　　　　◆功能：依据词的长度，将文本词库拆分为多个文件
　　　　◆使用：
　　　　①获取帮助信息，直接运行twlSpByL
　　　　②按词长拆分：twlSpByL 【文本词库文件】【忽略的文本行转储文件】
　　　　◆说明：拆分后的若干文件为02.txt、03.txt、04.txt、05.txt……
　　
　　
　　■twlWinW.exe
　　　　◆功能：根据词频的少量差异，分析“词中有词”（类似“有限公”和“有限公司”并存）的情况，
　　　　◆使用：
　　　　①获取帮助信息，直接运行twlWinW
　　　　②twlWinW 文本词库文件#1 文本词库文件#2[ 频差上界 [频差下界]]
　　　　◆说明：
　　　　①【文本词库文件】的长度应小于 64M；
　　　　②【频差上界】和【频差下界】为百分比数值，可以省略，上界的缺省值为 5%；下界的缺省值为 0；
　　　　③执行分析前，必须将文本词库按照“字数”拆分为多个小库，字数接近的两个文本小库进行比较，分析结果最有价值。例如：将原始文本词库拆分为2.txt、3.txt、...8.txt，然后进行2字与3字、3字与4字、3字与5字等的分析。
　　
　　
　　■DelByLN.exe
　　　　◆功能：删除指定文本文件中的指定的行(列举行号，从1开始)
　　　　◆使用：
　　　　①获取帮助信息：直接运行DelByLN
　　　　②删除指定行：DelByLN 原始文件保存文件[ 行号文件]
　　　　说明：
　　　　①【原始文件】的长度应不超过 64M；
　　　　②【保存文件】若已存在，则将被覆盖，请提前备份；
　　　　③【行号文件】为选项参数，缺省从键盘读取行号，如果提供，则其长度也必须不超过 64M；
　　　　④需要结合twlWinW.exe的输出来看：
　　　　1)复制紫光词库文件到某个目录(假设是c:\temp\CiKu)，假设名称叫做sanwsw.txt吧，这是个接近80万条词的大库；
　　　　2)在c:\temp\CiKu中，执行twlSpByL sanwsw.TXT，将产生02.txt、03.txt、...、32.txt；
　　　　3)在c:\temp\CiKu中，执行twlWinW 03.txt 04.txt，则两个小库中存在“词里套词”、并且两者的词频差异在5%之内的，会保存到03-04.txt中，这个文件中的行结构是“【短词】【短词的词频】 <【词频差值】≈【差值占频高者的百分比】> 【长词的词频】【长词】 | 行号：【短词在小库中的行号】, 【长词在小库中的行号】”，例如第二行为：阿拉法 0000030464 <00001000≈%3.3> 0000029464 阿拉法特 | 行号：000247, 000305。实施肉眼鉴别后，在文本编辑器(推荐UE)中，把那些不准备剔除的词所在的行删掉，例如第110行为“打招呼 0000400000 <00000000≈%0.0>0000400000 打招呼了 | 行号：029689, 033461”，只留下准备剔除的行，鉴别完毕后，用“列模式”把行号选择复制下来，另存到文件LaJi.txt；如果想看看两个小库中所有的“词里套词”对儿，只要执行twlWinW时，第三个参数给100，含义是100%，即可。
　　　　4)在c:\temp\CiKu中，执行DelByLN 03.txt 03-ok.txt wangDel.txt，将读取03.txt，删除由wantDel.txt中列举行号的词条，并保存到03-ok.txt，这就完成了“通过4字词来鉴定3字词”的活儿。其它相互鉴定的办法，请参考从02)到04)这个步骤。
　　
　　■小词库合并成大词库的DOS命令
　　　　1.要求：保证所有的“最终的”小库的文件名都是两个字符(数字)，并且，其它非小库文件名称，都多于两个字符，这两个条件其实是要求“??.txt”会匹配所有的小库文件，并且不匹配非小库文件。
　　　　2.键入命令：for %f in (??.txt) do type %f >>BigLib.TXT，各小库累加为大库BigLib.TXT。
　　
　　■紫光华宇拼音输入法V6外部词库工具V0.5 2007年5月10日
　　 ◆功能
　　 1. 将词库文件导出成文本文件
　　 2. 将文本合并到一个词库文件
　　 3. 基于文本创建新的词库文件
　　 4. 基于j2f文件生成j2f转换数据文件
　　 5. 将V5的词库导入到用户词库中
　　 6. 测试新词获取以及删除功能
　　
　　 ◆命令行参数
　　wltool /Export  wordlib_file text_file
　　 /Import  wordlib_file text_file
　　 /Create  wordlib_file text_file
　　 /GenJ2F  j2f_data_file j2f_text_file
　　 /Upgrade wordlib_file
　　
　　 /Export 将词库中的词条导出到文本文件。
　　如：wltool /Export sys.uwl abc.txt
　　 /Import 将文本文件导入到词库中。
　　对于不合法的词条，不进行合并，输出到ci_err.txt中。
　　如：wltool /Import user.uwl abc.txt
　　 /Create 通过文本文件创建新的词库。
　　对于不合法的词条，输出到err.log中。
　　如：wltool /Create new-wl.uwl abc.txt
　　 /GenJ2F 通过J2F文本文件，生成j2f.dat文件。用于
　　输入法简体词到繁体词的转换。
　　如：wltool /Genj2f j2f.dat j2f.txt
　　 /Upgrade 将V5的词库文件导入到用户词库中。
　　只对用户词汇进行本操作。
　　如：wltool /Upgrade userwl.dat

　　　　
　　如在Windows 7使用出错，参看http://bbs.unispim.com/redirect. ... 03751&fromuid=17977试着处理。

紫光词库整理工具.rar

2 MB, 下载次数: 1773

作者: krsun 时间: 2010-1-14 13:36
先下后顶^_^

作者: michsun 时间: 2010-1-14 13:49
收下备用，万一哪天心血来潮，说不定弄个自己常用的词库出来！

作者: vszhw 时间: 2010-1-14 14:34
感谢分享，
这个收下了，有空也试试看做自己的词库

作者: sunmd 时间: 2010-1-14 14:47
老左这些宝贝你都有啊。遗憾的是，我只用过其中的一小部分。

作者: sanwsw 时间: 2010-1-14 15:37

原帖由 sunmd 于 2010-1-14 14:47 发表
老左这些宝贝你都有啊。遗憾的是，我只用过其中的一小部分。

这些工具都玩过，用得最多的是排序工具sort.exe、提取工具gawk.exe、筛选工具grep.exe（实际也是提取工具，可完成复杂条件条件提取，从海量熟语料库中提取，该工具很好用）。近日多位用户提出的去重复问题，其中就有带拼音、不同词频下的去重复功能之工具。其中还有个找多音词工具很好玩，建议有兴趣者用来自检词库。
拿掉最后一个工具，估计在文件包中这一版本的hzpy.dat下无法使用。

[ 本帖最后由 sanwsw 于 2010-1-14 20:26 编辑 ]

作者: sunmd 时间: 2010-1-14 15:40

原帖由 sanwsw 于 2010-1-14 15:37 发表

这些工具都玩过，用得最多的是排序工具sort.exe、提取工具gawk.exe、筛选工具grep.exe（实际也是提取工具，可完成复杂条件条件提取，从海量熟语料库中提取，该工具很好用）。近日多位用户提出的去重复问题，其中就 ...

每个工具的基本使用方法、问题回答，单独开帖，我们论坛必定能增加较多人气。

作者: sutulp 时间: 2010-1-14 16:39
支持一下，学习一下。

作者: xfp 时间: 2010-1-14 17:02
不顶不行啊，学习下

作者: 野风 时间: 2010-1-14 17:08
凑凑热闹！

作者: 1003 时间: 2010-1-14 17:22
收下来了！呵呵！~学习学习，嘻嘻，谢谢了。

作者: mmm 时间: 2010-1-14 18:06
收藏备用

作者: kingdick 时间: 2010-1-14 18:12
好～

作者: shhf 时间: 2010-1-14 19:04
看看，是些什么好东东？

作者: shhf 时间: 2010-1-14 19:11
游览了一下，似乎是个浩瀚复杂的鸿篇巨制……

作者: 泡人 时间: 2010-1-14 19:42
好东西，一定要。
没有wltool啊。

[ 本帖最后由泡人于 2010-1-14 20:25 编辑 ]

作者: fengyu29 时间: 2010-1-14 20:35
说实话,很多我都不会用,我怕麻烦.

作者: wqpn 时间: 2010-1-14 20:51
看看，是些什么好东东？

作者: cunqiu 时间: 2010-1-14 20:55
值得珍藏的备用工具，顶一下。

作者: ljdqe 时间: 2010-1-14 22:19
到此一游 ^_^
凑个热闹，留个脚印

作者: wang2lang 时间: 2010-1-15 05:22
我所欲也……

作者: kingwoto 时间: 2010-1-15 08:03
下了看看，好了在顶。哈哈

作者: kingwoto 时间: 2010-1-15 08:04
东西不错，不过应该简单化傻瓜化，对词库的整理进一步的优化。

作者: Nore 时间: 2010-1-15 15:35
看看先，应该还是用得着的

作者: ok123 时间: 2010-1-15 17:28
回复看看

作者: zyfu 时间: 2010-1-15 19:12
看看，不看下载不了啊。。。。。

作者: PreZident 时间: 2010-1-15 20:16
回复为看贴

作者: laoli 时间: 2010-1-15 21:29
收藏！收藏！

作者: 野风 时间: 2010-1-17 16:20
楼上可是潜水高手啊……！！

作者: yyrps 时间: 2010-1-17 22:15
有空也试试看做自己的词库

作者: yyrps 时间: 2010-1-17 22:25
有必要非得具有一定的等级才能下载么？都是为了输入法更好地服务。

作者: 落寞的湖 时间: 2010-1-17 22:57
老友好！
什么好东西还要卖关子，呵呵

作者: 落寞的湖 时间: 2010-1-17 23:10
是好东西，不过我用得多的还是excel2007和tp等，你发的估计速度会快，谢谢！

作者: chengzi 时间: 2010-1-18 12:38
下了看看，好了在顶。哈哈

作者: g111001 时间: 2010-1-18 13:00
赞下载使用

作者: lsjrocker 时间: 2010-1-19 17:13
下下来看看

作者: yiwon 时间: 2010-1-19 17:48
建议四哥给搞成图形界面的，现在的程序在使用上会让很多的人望而却步

作者: sanwsw 时间: 2010-1-19 18:11

原帖由 yiwon 于 2010-1-19 17:48 发表
建议四哥给搞成图形界面的，现在的程序在使用上会让很多的人望而却步

作者: mengxiangdao 时间: 2010-1-22 09:08
en 好工具谢谢

作者: mengxiangdao 时间: 2010-1-22 09:08
还没权限啊不是吧

作者: mengxiangdao 时间: 2010-1-22 09:19
哦耶我终于够权限了

作者: yyrps@163.com 时间: 2010-1-29 11:16
不知道系统词库能否编辑，里面有很多错词呢

作者: 男儿当自强 时间: 2010-1-29 14:34
我来看看。

作者: lcx8888 时间: 2010-1-29 15:39
先顶后看

作者: godroom 时间: 2010-1-30 19:40
谢谢楼主的共享精神。

作者: jxm127 时间: 2010-1-31 23:36
看看什么东西！

作者: jxm127 时间: 2010-1-31 23:38
回复了之后才发现好东西啊！！！太有用处了

作者: PreZident 时间: 2010-2-6 20:57
回复为了下载

作者: nwling 时间: 2010-2-7 14:19
看看~~~~

作者: kork2006 时间: 2010-2-9 21:56
看看是什么东西

作者: 春风化雨 时间: 2010-2-10 14:00
好东西。。我也学习整理去

作者: chaominilove 时间: 2010-2-12 22:41
路过看贴回复是美德

作者: sanwsw 时间: 2010-2-27 11:47
标题: 查找“X了也白X”短语（例：打了也白打）
工具：grep.exe
命令：grep -P "^(.{2})了也白\1\t" F5.TXT >abc.txt
说明：F5.TXT ，5字语料文件；abc.txt，指定导出符合条件短语的文件名。我的搜索结果：

爱了也白爱 14
猜了也白猜 10
采了也白采 7
吃了也白吃 221
打了也白打 25
盗了也白盗 4
封了也白封 5
疯了也白疯 72
服了也白服 107
干了也白干 53
灌了也白灌 224
喝了也白喝 3
加了也白加 5
捡了也白捡 4
讲了也白讲 8
看了也白看 722
来了也白来 16
理了也白理 6
拿了也白拿 9
起了也白起 3
去了也白去 90
省了也白省 11
试了也白试 3
水了也白水 3
睡了也白睡 19
提了也白提 154
跳了也白跳 4
贴了也白贴 5
偷了也白偷 4
玩了也白玩 16
问了也白问 266
想了也白想 70
写了也白写 15
学了也白学 17
要了也白要 11
移了也白移 5
用了也白用 53
找了也白找 4
赚了也白赚 40
撞了也白撞 7
捉了也白捉 3
做了也白做 98

作者: yuxianxiang 时间: 2010-3-2 12:13
这样的好帖不顶怎么行啊？！顶顶！！！！！！

作者: 野风 时间: 2010-3-2 18:35

原帖由 yiwon 于 2010-1-19 17:48 发表
建议四哥给搞成图形界面的，现在的程序在使用上会让很多的人望而却步

是的，建议搞成图形界面！

作者: cy00tb 时间: 2010-3-19 09:33
下载下来试用～～～～～～～～～～～～～～～～～

作者: xiaobb 时间: 2010-5-25 11:51
谢谢楼主，希望能对大家有所帮助

作者: lfmiao 时间: 2010-5-25 15:56
标题: 谢谢分享
这个收下了，有空也试试看做自己的词库

作者: guobin3983 时间: 2010-5-26 10:50
感谢分享，
这个收下了，有空也试试看做自己的词库

作者: lummar 时间: 2010-5-29 18:13
跟风支持一下

作者: 川邊澤野 时间: 2010-5-29 18:24
以下內容回復可見。

作者: 川邊澤野 时间: 2010-5-29 18:31
没有速度，无法下载。

作者: wulishui 时间: 2010-6-1 14:12
顶！我也来瞧瞧！

作者: wulishui 时间: 2010-6-1 14:13
顶！到底让不让人回复！

作者: hlove 时间: 2010-6-2 08:00
收藏了！！！！

作者: waxwax0099 时间: 2010-6-2 09:05
看看

作者: wgq9892008 时间: 2010-6-3 10:59
看看，谢谢提供！

作者: snowb 时间: 2010-6-7 21:27
好东西^_^

作者: zzj_swpi 时间: 2010-6-11 09:26
谢谢分享哦

作者: gis2000 时间: 2010-7-15 21:28
先顶，在看看内容

作者: 霄迪 时间: 2010-7-16 23:36
我一般都是用默认的

作者: cdrwking 时间: 2010-7-17 13:26
收下来了！呵呵！~学习学习，嘻嘻，谢谢了。

作者: hshd 时间: 2010-7-18 01:00
kankan

作者: sanwsw 时间: 2010-7-18 12:03
这位老弟凌晨一点逛紫光，赞一个。

作者: qishanjing 时间: 2010-7-19 16:57
看看怎么样

作者: y450wang 时间: 2010-7-19 23:07
标题: 回复 1楼的帖子
很好收藏

作者: 机械唯物论者 时间: 2010-7-21 21:43
先下后顶^_^

作者: carlzyg 时间: 2010-7-22 11:45
谢谢楼主。收藏了。

作者: kinxz 时间: 2010-7-22 21:24
标题: 我看看有没有用
我看看有没有用

作者: cruze 时间: 2010-8-2 12:14
先顶一下看看

作者: ooxx3530 时间: 2010-9-25 11:48
下来看看~~~~~

作者: kenshin 时间: 2010-9-28 23:35
注册紫光一年终于可以发言了....................

作者: kenshin 时间: 2010-9-28 23:36
结果发现还是不能阅读权限不够

作者: kenshin 时间: 2010-10-3 09:41
还是看不见啊
找了不少帖子在看，有没有再整理下帖子，哪些是最新的版本啊

作者: jqk000jqk 时间: 2010-10-3 18:24
感谢分享，看看去，谢谢了。

作者: vipou 时间: 2010-10-4 08:38
顶贴，下载收藏，备用。

作者: 属猫的耗子 时间: 2010-10-4 20:38
这么好的东西啊……真的是过分，早点放出来呀。o(∩_∩)o...哈哈！！！

作者: vipou 时间: 2010-10-5 09:05
大多不能用，被楼主忽悠了，
也可能是我的系统不干净。

作者: sanwsw 时间: 2010-10-5 19:30

原帖由 vipou 于 2010-10-5 09:05 发表
大多不能用，被楼主忽悠了，
也可能是我的系统不干净。

除极个别不能用，大多能用，几乎每天在用。

作者: ge_xin_yu 时间: 2010-10-6 04:49
好，正需要！！！

作者: jafon 时间: 2010-10-6 09:12
收藏了先。

作者: 唯舞独尊 时间: 2010-10-6 09:53
看看是什么工具

作者: 古陶瓦 时间: 2010-10-6 17:03
看看是什么工具，谢谢。

作者: 古陶瓦 时间: 2010-10-6 17:04
谁能给我一个，我的邮箱是：xzyqz@sohu.com

作者: shuaifuzi 时间: 2010-10-9 10:09
标题: 回复 1楼的帖子
弄得这么神秘

作者: shuaifuzi 时间: 2010-10-9 10:12
标题: 回复 1楼的帖子
我所在的用户组没有权限下载。为什么不说明下载权限呢？

作者: 梦游小飞侠 时间: 2010-10-9 10:19
谢谢！谢谢！

作者: tyc600 时间: 2010-11-21 12:58
支持啊

!!!!!!!!!

作者: 霄迪 时间: 2010-11-21 20:58
这个准备着吧

作者: 野风 时间: 2010-11-21 21:00

欢迎光临华宇拼音输入法论坛 (http://bbs.pinyin.thunisoft.com/)