baosfeng / chinese-dictionary

中文汉语拼音辞典，汉字拼音字典，词典，成语词典，常用字、多音字字典数据库

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**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字。 对于不太常见的汉字，我们通常会使用字典、词典的方式来查询。

汉语拼音辞典 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。

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。

字库

字库的准确性和完整性对于 辞典 工具来说至关重要。本词典收集了如下字、词库：

|---- chinese-dictionary
|----|---- data     数据
|----|----|---- character
|----|----|----|---- char_base.json             总收录汉字 14814 拼音与笔画
|----|----|----|---- char_base_detail.json      总收录汉字 14814 解释
|----|----|----|---- 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
|----|----|----|---- polyphone.json             多音字 1589
|----|---- scripts    脚本

数据格式

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 文件导入后直接结构化。

char_base.json 基础汉字

[
  {"index": 1, "char": "一", "strokes": 1, "pinyin": ["yī"], "radicals": "一", "frequency": 0}, 
  {"index": 2770, "char": "咧", "strokes": 9, "pinyin": ["liě", "liē", "lié", "lie"], "radicals": "口", "frequency": 2},
  {"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，默认按照汉字笔画数排序。
• char 表示一个汉字。
• strokes 汉字的笔画数。
• pinyin 汉字的读音列表。
• 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 为不常用字。
• traditional 表示繁体字写法。

常用字（3500） = 最常用字 0（500）+ 较常用字 1（2000）+ 次常用字 2（1000）

char_common.json 常用字

[
  {"id": 4, "char": "十", "frequency": 0},
  {"id": 278, "char": "乐", "frequency": 1},
  {"id": 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

[
  {"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

[
{
  "char": "为",
  "explanations": [
    {
      "contents": [
        "(会意字。从爪象。甲金文像手牵象，会劳作意，本义是做事、作为。)",
        "假借为“伪”。做，作，干，搞",
        "我生之初，尚无为。--《诗·王风·兔爰》",
        "子为不知，我将不墜。--《左传·定公十二年》",
        "为善者，非善也，故善无以为也。--《管子·枢言》",
        "变化则为生，为生则乱矣。--《管子·心术上》",
        "为，施也。又，成也。--《广雅》",
        "有客自云能，帝使为之。--《世说新语·巧艺》",
        "为之难。--《论语》。皇疏犹行也。”",
        "可以为师。--《论语》",
        "人之为学。--清·彭端淑《为学一首示子侄》",
        "推为长。--清· 徐珂《清稗类钞·战事类》"
      ]
    }
  ],
  "pronunciations": [
    {
      "pinyin": "wéi",
      "explanations": [
        {
          "details": [
            "1.做，干：事在人～。敢作敢～。",
            "2.有能力，有贡献，做出成绩：年轻有～。大有作～。",
            "3.看成，当作：认～。以～。不足～凭。霓～衣兮风～马。",
            "4.充当，担任，治理：能者～师。她～校长已三年。善～国事。",
            "5.成，变成：变荒坡～花果山。",
            "6.是：十两～一斤。",
            "7.被：～人所耻。",
            "8.助词。〈表〉疑问、程度、范围、加强语气等何乐不～？大～不幸。广～流传。极～紧要。"
          ]
        }
      ]
    },
    {
      "pinyin": "wèi",
      "explanations": [
        {
          "contents": [
            "(爲字的本义是母猴。象形。按字，从爪，下象形。古文象两母猴相对形)"
          ],
          "details": [
            "1.给，替～国争光。～人民服务。",
            "2.〈表〉目的～了治病救人。",
            "3.向，对且～众人言。不足～外人道。",
            "4.帮助，卫护～人作嫁（〈喻〉没有自己的好处，白给别人操劳）。～虎作伥（〈喻〉做坏人的帮凶）。"
          ]
        }
      ]
    }
  ]
}
]

其中包含 3 个部分：

• char 表示当前汉字
• details 表示汉字的一般含义
• pronunciations 表示汉字在各个读音下的不同含义

基本的数据格式如下：

[
  {
    "char": "一",
    "explanations": [
      {
        "contents": [""], 
        "details": [""]
      }
    ],
    "pronunciations": [
      {
          "pinyin": "yī",
          "explanations": [
              {
                "contents": [],
                "details":[]
              }
          ]
      }
    ]
  }
]

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 3 个属性：汉字char、解释explanations、读音pronunciations
• 汉字 char 不可省略，不能为空，且长度为 1
• 解释 explanations 为列表，可能有多个，可能为空，其中每一项包含 contents 和 details 。
• 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 。
• explanations 存在于两个地方，其结构相同，且功能相同。其中每一项包含 contents 和 details ，均可为空，但不可同时为空，且为空时，改字段不会出现。
• contents 中是字符串列表，一般表示独立的含义，上下文关联关系可能不紧密。
• details 中是字符串列表，一般表示一组有关联的汉字解释。
• 如果 contents 和 details 成对出现，一般 details 是 contents 中最后一条数据的解释。

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。

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 表示数据索引值，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

线上应用

目前 汉语拼音辞典 已经在多端上线小程序。

微信小程序：汉语拼音辞典

百度小程序：码谱汉语拼音辞典

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] **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。