一种过滤大字集的方式

相关文章：输入法 ¹⁹

Rime 官方教程简体整合版

RIME_JK 指尖上的旋律

一款实用的 Rime 系 lua 日志输出插件

一款形码可用的辅助选重插件

一种 Rime 中添加形码自造词的方式

一种获取五笔大词库的方式

一种过滤大字集的方式

万象拼音的简要使用说明

五笔那些事儿

嗨，虎码

声笔初识

宫保拼音

小鹤双拼及音形

自然码辅助码入门教程

输入法之为什么在打“单”的路上一路狂奔

输入法之大乱斗浅谈

输入法之并击方案

输入法的使用回顾及阶段性总结

输入法那些事儿

2025-08-12 2025-08-12 772 字 2 分钟

输入法

目前在编汉字大概有十几万，拥有读音的约有四万多，国标通规字（共三级）总计 8105 个。其实，我们日常使用的 gb2312 单字有 6763 个左右。

在制作词库的过程中，如果只包含了通规字集，那么当你要输入生僻字的时候就会束手无策（当然，一般情况下，一般人很少有输入生僻字的需求）。如果包含了所有字集，日常输入的时候又会列出生僻字选项（不常用），徒增候选难度。

有没有一种方式可以方便地开启和关闭大字集呢？有的，往下看~

快速使用

下载如下脚本极其依赖的数据表文件：

放在配置 根目录/lua/ 目录下，如 Rime/lua/charset_filter.lua 和 Rime/lua/data/wubi86_code_table.lua 。然后，在方案文件中引用它。

engine:
  filters:
    - lua_filter@*charset_filter
    - ……

# --- 开关 ---
# reset: ← 0 1 →
switches:
  - name: charset_filter
    reset: 0
    states: [ 通规, 扩集 ]

如此，我们就可以在选单中方便地切换大、小字集。

![[assets/Pasted image 20250812153523.png|475]]

当然，日常使用我们绑定了快捷键会更加方便。

# default.custom.yaml 中
patch:
  # --- 键位绑定 ---
  key_binder/+:
    bindings/+:
      - { when: always, accept: Control+apostrophe, toggle: charset_filter }

![[assets/Pasted image 20250812153907.png|100]] ![[assets/Pasted image 20250812153920.png|100]]

这样，我们就可以通过 Ctrl+' 快捷切换字集了。

实现原理

我们通过 Rime 提供的 api 获取到开关状态，进而对候选进行过滤。对于非汉字类字符，按其原有逻辑处理，不进行任何操作。对于汉字候选项，通过遍历判断其是否在通规字字集范围中，决定是否显示。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20


-- ……
        -- 通规字集
        for cand in t_input:iter() do
            local cand_text = cand.text

            -- 对于非汉字字符，直接放行
            if not is_general_char(cand_text) then
                yield(cand)
            end

            -- 遍历候选项，移除包含扩集的字词
            for i, c in utf8.codes(cand_text) do
                -- logger.info(i .. " ➭ " .. c .. " ➭ " .. utf8.char(c))
                -- 这里需要注意 utf8.char(c) 而不是 c
                if general_chars_table[utf8.char(c)] then
                    yield(cand)
                end
            end
        end
-- ……

原理及核心逻辑如上，很简单。

需要注意的是，lua 对于汉字的支持相对于其他编程语言来说显得很另类，比如对于汉字字符串的遍历需要使用 utf8.codes 方法，最最扯的一点是遍历出来的子项也需要使用 utf8.char 方法包裹起来。

当然，lua 对于中文的问题，包括但不限于上述问题（吐槽！！！）。

结语

日常使用过程中，个人是很少有输入生僻字的场景，所以这个功能的产生纯属是“可以不用，不能没有”的心态作祟，属于典型的“伪需求”。