用Python写了个根据基本码表生成词组码表的工具

『快码』码表生成工具

建立一个基本的单字码表文件，使用UTF8格式保存为文本文件，中间用空格间隔，如base.txt：

中 zlh
华 hkgs
人 rk
民 mbg
共 gtk
和 hfl
国 glah

再建立一个要编码的词库文件，同样使用UTF8格式保存为文本文件，中间用空格间隔，如source.txt：

中国
共和国
中华人民
中华人民共和国

然后运行这个程序。程序为python3所写，大家简单安装个python环境运行即可。

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

#-------------------------------------------------------------------------------
# Name:        mbtool
# Purpose:     生成『快码』码表
#
# Author:      Garfield
#
# Created:     09-29-2022
# Copyright:   (c) Garfield 2022
# Licence:     <your licence>
#-------------------------------------------------------------------------------

# base_file = "base.txt"
# source_file = "source.txt"
des_file = "mb.txt"

base_dic = {}
source_dic = []
des_dic = {}

# 读入单字码表
def init_base_dic(base_file):
    
    with open(base_file,'r', encoding='UTF-8') as fr:
        while True:
            lines = fr.readline()
            if not lines:
                break
            wd = lines.split()
            base_dic[wd[0]] = wd[1]

    fr.close()
   
# 读入待处理的词组
def init_source_dic(source_file):
    
    with open(source_file,'r', encoding='UTF-8') as fr:
        while True:
            lines = fr.readline()
            if not lines:
                break
            source_dic.append(lines.rstrip()) # rstrip()是为了却去除后面的换行

    fr.close()    

# 获取单字的指定长度的编码
def get_mb_one_word(w,count):
    try:
        v = base_dic[w]
        return v[0:count]
    except Exception as e:
        return "ERROR"

# 获取词组的编码
def gen_mb(word):
    # 双字，规则[12][12]，即取第一个的第1和第2个编码，再取第二个字的第1和第2个编码
    if len(word) == 2:  
       return get_mb_one_word(word[0],2) + get_mb_one_word(word[1],2)  
    # 三个字，规则[1][1][12]，即取第一个的第1个编码，再取第二个字的第1个编码，再取第三个字的第1和第2个编码
    elif len(word) == 3:  
       return get_mb_one_word(word[0],1) + get_mb_one_word(word[1],1) + get_mb_one_word(word[2],2)  
    # 四个字以上，规则[1][1][1]...[1]，即取前三个的第1个编码，再取最后一个字的第1个编码
    elif len(word) >= 4:  
       return get_mb_one_word(word[0],1) + get_mb_one_word(word[1],1) + get_mb_one_word(word[2],1) + get_mb_one_word(word[len(word)-1],1)
    else:
       return "ERROR" 
    
def main():
    init_base_dic("base.txt")
    init_source_dic("source.txt")
    
    # 要写入的码表文件
    fw = open(des_file,'w', encoding='UTF-8')
    
    # 错误处理
    fe = open("error.txt",'w', encoding='UTF-8')
    for w in source_dic:
        # 将编码写入文件，如果编码方案获取编码失败，则编码置为ERROR
        mb = gen_mb(w)
        # 如果编码时发生错误，则写到错误文件中
        if "ERROR" in mb:
            fe.writelines(w + '\n')
        else:
            fw.writelines(w + ' ' + mb + '\n')
        # print(gen_mb(w))
    fw.close()
    fe.close()
    
    print("成功生成码表文件！")

if __name__ == '__main__':
    main()

这样程序会生成一个mb.txt文件，UTF8格式保存为文本文件，中间用空格间隔：

中国 zlgl
共和国 ghgl
中华人民 zhrm
中华人民共和国 zhrg

如果有无法编码的词组，会保存到error.txt文件中。（略）

生成规则是这样（代码中有注释）

双字，规则[12][12]，即取第一个的第1和第2个编码，再取第二个字的第1和第2个编码
三个字，规则[1][1][12]，即取第一个的第1个编码，再取第二个字的第1个编码，再取第三个字的第1和第2个编码
四个字以上，规则[1][1][1]...[1]，即取前三个的第1个编码，再取最后一个字的第1个编码

大家可以根据自己需要改写，生成的码表格式也可以自行调整，这里抛砖引玉，给大家个思路 😃