汉语拼音辞典
本词典主要收录了常用字基本信息,多音字,汉字基本解释,常用词汇、常用成语读音。
缘起
中华传统文化,源远流长,博大精深!从古至今,上下五千年,在这历史的长河中先辈们创造出了无数的历史奇迹。 在中国两千多年的漫长帝制社会里,汉字一直是我们中华民族文化传承的重要工具。 从甲骨文到秦始皇统一文字,再到近代简化字,汉字一直在经历演变过程。 汉字总数超过8万,但常用字仅2500个,次常用字1000多个,共3500个。
根据《通用规范汉字表》中收录的8105个汉字,汉字分为三级:一级字为常用字集3500个,主要满足基础教育和文化普及的基本用字需要。 二级字收录3000个,使用度仅次于一级字。一、二级字共6500个,主要满足出版印刷、辞书编纂和信息处理等方面的一般用字需要。 三级字收录 1605 个,是姓氏人名、地名、科学技术术语和中小学语文教材文言文用字中未进入一、二级字表的较通用字,主要满足信息化时代与大众生活密切相关的专门领域的用字需要。
汉语拼音词典 就属于一个便于用户查询汉字拼音与笔画的电子词典工具。
字库
字库的准确性和完整性对于 辞典 工具来说至关重要。 在校对过程中,关于数据准确性没有做 严格的把控,特别是很多汉字非常罕见,其中大量古文文献资料的引用更是难以考证。 本词典收集了如下字、词库:
|---- chinese-dictionary
|----|---- character
|----|----|---- char_base.json 总收录汉字超 20000 拼音与笔画
|----|----|---- char_detail.json 总收录汉字超 20000 解释
|----|----|---- polyphone.json 多音字 1589
|----|----|---- related.json 相关字 1677 近义、反义、形近字
|----|----|---- common
|----|----|----|---- char_common.json 常用字 3500 仅汉字
|----|----|----|---- char_common_base.json 常用字 3500 拼音与笔画
|----|----|----|---- char_common_detail.json 常用字 3500 解释
|----|---- idiom
|----|----|---- idiom.json 总收录成语 近5万 条
|----|---- word
|----|----|---- word.json 总收录词语 超过32万 条(包含成语)
汉字
为何数据是 JSON 格式?
JSON 格式可以方便快捷地转为各种编程语言内部可使用的结构。
此外某些工具支持将 JSON 文件导入后直接显示出来。
char_base.json 基础汉字
[
{"index": 52, "char": "反", "strokes": 4, "pinyin": ["fǎn"], "radicals": "又", "frequency": 0, "structure": "R2"},
{"index": 18, "char": "干", "strokes": 3, "pinyin": ["gān", "gàn"], "radicals": "干", "frequency": 0, "structure": "D0", "traditional": "乾幹", "variant": "乹亁榦"},
{"index": 372, "char": "面", "traditional": "麵", "strokes": 9, "pinyin": ["miàn"], "radicals": "面", "frequency": 0, "structure": "D0", "variant": "靣"},
{"index": 7467, "char": "砭", "strokes": 9, "pinyin": ["biān"], "radicals": "石", "frequency": 3}
]
index
表示从 1 开始的自然增长序列,唯一不重复,前8000按照《通用规范汉字表》给的顺序。char
表示一个汉字,唯一不重复。strokes
汉字的笔画数。pinyin
汉字的读音列表,数组表示,多音字会有多个读音。radicals
汉字的读音偏旁部首。frequency
表示使用频率,0 为最常用,1 为较常用,2 为次常用,3 为二级字,4 为三级字, 5 为不在《通用规范汉字》的生僻字。structure
汉字结构,结构表示的含义见下表。traditional
表示繁体字写法,可能会有多个。variant
表示异体字,可能会有多个。
常用字(3500) = 最常用字 0(500)+ 较常用字 1(2000)+ 次常用字 2(1000)
通用规范汉字(8105)= 一级字 0/1/2(3500)+ 3 二级字(3000)+ 4 三级字(1605)
汉字结构
《汉字结构表》统计了汉字的八种结构类型:
结 构 方 式 | 例 字 | 间 架 比 例 | 代码 |
---|---|---|---|
独 体 结 构 | 米、不 | 方正 | D0 |
品 字 形 结 构 | 晶、众 | 各部分相同 | A0 |
上 下 结 构 | B0 | ||
- | 录、华 | 上下相等 | B1 |
- | 它、花 | 上小下大 | B2 |
- | 基、想 | 上大下小 | B3 |
上 中 下 结 构 | E0 | ||
- | 意、翼 | 上中下相等 | E1 |
- | 量、裹 | 上中下不等 | E2 |
左 右 结 构 | H0 | ||
- | 羽、联 | 左右相等 | H1 |
- | 伟、搞 | 左窄右宽 | H2 |
- | 刚、郭 | 左宽右窄 | H3 |
左 中 右 结 构 | M0 | ||
- | 街、掰 | 左中右相等 | M1 |
- | 辩、傲 | 左中右不等 | M2 |
全 包 围 结 构 | 圆、国 | 全包围 | Q0 |
半 包 围 结 构 | R0 | ||
- | 匠、区 | 左包右 | R1 |
- | 历、尾 | 左上包右下 | R2 |
- | 勾、句 | 右上包左下 | R3 |
- | 遍、廷 | 左下包右上 | R4 |
- | 冈、闲 | 上包下 | R5 |
- | 函、凶 | 下包上 | R6 |
一般认为上面的分类可以覆盖所有的汉字,但是,还有一些分法更细一些:
在独体结构中分出了镶嵌结构,在上下结构中分出了田字结构:
结 构 方 式 | 例 字 | 间 架 比 例 | 代码 |
---|---|---|---|
独 体 结 构 | D0 | ||
镶嵌结构 | 爽 | 方正 | D1 |
上 下 结 构 | B0 | ||
田字结构 | 叕、茻 | 四部分相同 | B4 |
char_detail.json 汉字解释
[
{
"char": "车",
"pronunciations": [
{
"pinyin": "chē",
"explanations": [
{
"content": "(象形。甲骨文有多种写法。象车形。本义:车子,陆地上有轮子的运输工具)。"
},
{
"content": "同本义。",
"detail": [
{
"text": "車,舆论之总名。夏后时奚仲所造。象形。",
"book": "《说文》。按,横视之肖,或云车少昊时驾牛,奚仲始驾马。"
},
{
"text": "为车。大车、柏车、羊车,皆两辕,驾牛;田车、兵车、乘车,皆一辀,驾马。大车,平地任载车,柏车、山车,羊车、善车也;田车、兵车,乘车,通谓之小车。",
"book": "《考工记·舆人》"
},
{
"text": "车从马。",
"book": "《左传·闵公元年》"
}
],
"words": [
{
"word": "开车;安步当车;杯水车薪;闭门造车;螳臂当车;车两 ",
"text": "古谓车一乘为一两"
},
{
"word": "车盖",
"text": "古代车上的伞形车篷。亦指具有此种车篷的车辆"
}
]
},
{
"content": "特指战车,兵车。",
"detail": [
{
"text": "比至陈,车六七百乘,骑千余,卒数万人。",
"book": "《史记·陈涉世家》"
},
{
"text": "车辚辚,马萧萧,行人弓箭各在腰。",
"book": "唐·杜甫《兵车行》"
}
]
},
{
"content": "乘车。",
"detail": [
{
"text": "济济群英,车的车,步的步,陆续来了。",
"book": "清·心青《女界文明灯弹词》"
}
]
},
{
"content": "姓。"
}
]
},
{
"pinyin": "jū",
"explanations": [
{
"content": "国际象棋中的一种棋子,它可以顺着平行于棋盘边的路随便走多少方格,假如没有其它棋子阻挡的话。"
}
]
}
]
},
{
"char": "這",
"pronunciations": [
{
"pinyin": "zhè",
"explanations": [
{
"content": "代词。指近处的人、事、物等。",
"simplified": "这"
}
]
}
]
}
]
其中包含 2 个部分:
char
表示当前汉字pronunciations
表示汉字在各个读音下的不同含义pinyin
汉字拼音explanations
汉字对应读音的解释content
汉字具体解释speech
汉字属于名词、动词等十二种词性example
对应上述解释的例句detail
对 content 的例证word
汉字该解释下的词组modern
说明当前汉字在古代使用,同现在的某个汉字same
汉字与某个字含义相同,可以混用simplified
表示该汉字是某个汉字的繁体字,含义可以参考简体字variant
表示该汉字是某个汉字的异体字,含义可参考源字refer
为一个词组,表示汉 字含义需要参考某个词组。typo
当前汉字为某个汉字的讹字(错误形式)。unknown
义未详,部分汉字查询不到具体含义,暂时标注为 true。
基本的数据格式如下:
[
{
"char": "一",
"pronunciations": [
{
"pinyin": "yī",
"explanations": [
{
"content": "最小的正整数。",
"speech": "数",
"example": "这里有一个苹果。",
"detail": [{"text": "一也者,万物之本也。", "book": "《淮南子·诠言》"}],
"words": [{"word": "一丝", "text": "一根蚕丝", "example": "要时刻谨记一丝一缕当思来之不易。"}],
"same": "壹",
"modern": "丨",
"refer": "一样",
"simplified": "二",
"typo": "弌"
}
]
}
]
}
]
数据规范
- 整体为列表(数组)
- 每个列表项为一个汉字,不重复
- 每个汉字一定会出现 2 个属性:汉字char、相关解释pronunciations
- 汉字 char 不可省略,不能为空,且长度为 1
- 读音 pronunciations 为列表,如果是多音字会有多个,不能为空,其中每一项包含 pinyin 和 explanations 。
- pinyin 在同一个汉字中数据不会重复,且个数等于该汉字的读音个数。
- explanations 为列表,可能有多个,不可为空。其中每一项包含 content 和 detail ,除非为特殊汉字,否则一定存在 content 字段。
- content 中是字符串,一般表示独立的含义,其个数基本代表该汉字有多少种解释。
- speech 词性分类,选自下面的十二种词性,省略后缀'词'。
- detail 中是字符串列表,一般表示一组有关联的汉字解释,是对 content 的进一步例证。其中 text 是文献内容,book 是文献例证出处。
- words 是一个列表,是当前解释下的词组。其中 word 是词组,text 是词组的简单解释,example 是包含词组的例句。
- same 为单个汉字,表示当前汉字与 same 含义相同,表示 同‘X’,通‘X’,见‘X’。
- modern 为单个汉字,表示当前汉字如今的写法,存在该字段一般说明该汉字已经不使用了。
- refer 为一个词组,表示汉字含义需要参考某个词组。某些汉字单独出现时没有含义,必须和另外的汉字组词。
- simplified 为单个汉字,表示当前汉字是某个汉字的繁体字,含义可以参考简体字。
- typo 为单个汉字,表示当前汉字的讹字。
目前结果集文件中数据不满足上述规范,是因为解析过程中,某些数据有缺失或者格式错乱,在持续改进后,最终会完全满足上述要求。
词性分类
实词:1.名词;2.动词;3.形容词;4.数词;5.量词;6.代词。 虚词:1.副词;2.介词;3.连词;4.助词;5.叹词;6.拟声词。
polyphone.json 多音字
polyphone.json 文件中的多音字包含常用字里多音字的 600 余个和其它非常用字的 900 余个,共 1589 条数据。
[
{"index": 1, "char": "了", "pinyin": ["liǎo", "le"], "frequency": 0, "strokes": 2},
{"index": 506, "char": "咖", "pinyin": ["kā", "gā"], "frequency": 2, "strokes": 8}
]
其中:
index
表示汉字索引值,从 1 开始char
表示该汉字pinyin
为汉字读音的数组frequency
表示使用频率,0 为最常用,1 为较常用,2 为次常用,3 为不常用strokes
表示汉字笔画数
related.json 相关字
[
{"index": 2946, "char": "矮", "synonyms": ["低", "矬"], "antonyms": ["高"], "likeness": ["婑"]}
]
其中:
char
表示该汉字synonyms
表示同义字antonyms
表示反义字likeness
表示形近字
char_common.json 常用字
考虑到某些场景下,只需要关注 3500 常用字,因此特意建了 common 文件,在其中仅包含常用字 3500 的相关数据。
[
{"index": 4, "char": "十", "frequency": 0},
{"index": 278, "char": "乐", "frequency": 1},
{"index": 3405, "char": "瞪", "frequency": 2}
]
id
表示从 1 开始的自然增长序列,默认按照汉字笔画数排序。char
表示一个汉字。frequency
表示使用频率,0 为最常用,1 为较常用,2 为次常用。
char_common_base.json 常用字
文件中数据与 char_base 结构完全一致。
[
{"index": 1, "char": "一", "strokes": 1, "pinyin": ["yī"], "radicals": "一", "frequency": 0},
{"index": 16, "char": "大", "strokes": 3, "pinyin": ["dà", "dài", "tài"], "radicals": "大", "frequency": 0}
]
char_common_detail.json 常用字
文件中数据与 char_detail 结构完全一致。
词语
idiom.json 成语
[
{
"word": "一帆风顺",
"abbr": "yffs",
"pinyin": "yī fán fēng shùn",
"source": {"text": "定知一日帆,使得千里风。", "book": "唐·孟郊《送崔爽之湖南》"},
"quote": {"text": "栉霜沐露多劳顿,喜借得~。", "book": "清·李渔《怜香伴·蹴居》"},
"explanation": "船上的帆挂起来顺着风行驶。比喻事情非常顺利,没有任何阻碍。",
"story": ["从前有个....", "后来在田野中..."],
"example": "①朋友,在分别之际,我祝你一帆风顺,事业有成。②小明一家要到海南旅游,祝他们一帆风顺,旅途平安。",
"similar": ["万事亨通", "无往不利"],
"opposite": ["寸步难行", "一波三折"],
"usage": "常用来祝愿他人旅途顺利。作祝词时,前面常有“祝你”“祝你们”“祝大家”等词语。多用于褒义。",
"notice": "“一帆风顺”和“无往不利”都含有非常顺利的意思。区别在于:①“一帆风顺”指做事毫无挫折 ,着眼于顺利的程度;“无往不利”指事事顺利,着眼于顺利的范围。②“一帆风顺”用作祝词;“无往不利”无此用法。",
"spelling": {"right": "锱铢必较", "wrong": "锱珠必较", "text": "锱、铢:都是古代很小的重量单位。"}
}
]
- 整体为列表(数组),每个列表项为一个词语,不重复
其中:
word
表示该成语,唯一且不为空,长度大于等于 3pinyin
为成语读音,不为空abbr
拼音的简写,一般在搜索时使用到,不为空explanation
表示该成语解释。不为空source
表示该成语出处。不必须quote
表示哪些出名的著作中使用到了该成语。不必须story
表示该成语故事,格式为数组,因为一般内容较长,便于分段。不必须similar
表示该成语近义词。不必须opposite
表示该成语反义词。不必须example
表示该成语的例句。不必须usage
表示该成语的用法。不必须structure
词语结构,结构表示的含义见下表。不必须,仅特殊结构包含该字段notice
表示该成语使用时应该注意的地方。不必须spelling
容易出现错误写法的成语,会在right
中体现正确的,wrong
中体现错误的,text
是补充说明。不必须
词语结构
结 构 方 式 | 例 字 | 代码 |
---|---|---|
ABB | 懒洋洋 | ABB |
AAB | 偷偷地 | AAB |
ABAB | 乐呵乐呵 | ABAB |
AABB | 堂堂正正 | AABB |
ABAC | 一心一意 | ABAC |
AABC | 振振有词 | AABC |
ABCC | 千里迢迢 | ABCC |
word.json 词语
[
{
"word": "动脉",
"pinyin": "dòng mài",
"abbr": "dm",
"explanation": "把心脏中压出来的血液输送到全身各部分的血管; 比喻重要的交通干线。"
}
]
word
表示该词语,唯一且不为空,长度大于等于 2pinyin
为词语读音,不为空abbr
拼音的简写,不为空explanation
表示该词语解释,超过 99% 的词语含有释义
词语和成语的所有属性完全相同,且词语库包含成语库。
所有的成语数据 idiom.json 都包含在 word.json 文件中。
线上应用
目前 汉语拼音词典 已经在多端上线小程序。
微信小程序:汉语拼音词典
图片显示不出来的话,可以点击这里
百度小程序:码谱汉语拼音词典
抖音、字节跳动小程序:汉语拼音辞典
参考资料
字库的基础数据大都来自 Github 及其他开源组织,本项目字库参考但不限于如下资源:
- [Github] funNLP
- [Github] pinyin-data
- [Github] chinese-xinhua
- [Github] phrase-pinyin-data
- [开源] CC-CEDICT
- [官方] 中国语言文字网
- [商用] 汉典
- [商用] 字海,叶典网
参考商用数据是为了人工校对数据的准确性,并没有对其数据进行爬取。
版权
该项目是为了支持 汉语拼音辞典 的线上数据。在使用小程序的过程中,发现有些汉字读音有误,如果人工校对将是一个庞大的工程,于是对现有的开源语料库进行了多维分析。如果不确定的读音,还参考了部分商业应用如汉典网的数据进行人工比对。
本项目汇总得到的数据结果采用 MIT License 开源。
因为某些收集来的数据,无法确认数据的最初来源,使用它们可能存在风险。