萌典詞條拼音搜尋

作者：   發佈於：  

幾周前，著手替萌典加上了「拼音詞條搜尋」的功能，跟做輸入法很類似，因此 想稍微作文說明一下。

目前的萌典網站程式碼共處 理了四部詞典，依照源碼中的 README.md 的說明，就可以在本機建好開發環境， 這部份很容易完成。而萌典網站最大的特性，便是其搜尋詞條的功能全是在瀏覽 器中完成，而在使用者點選了特定詞條之後，才會下載該項目的內容。

既然現有的詞條搜尋是在瀏覽器中完成，那麼拼音搜尋也應該以此為前題，把搜 尋引擎的邏輯全做在瀏覽器中。但建立索引的步驟可以事先完成，不必在瀏覽器 中進行。

這麼決定後，主要的工作內容就是寫一支建立索引的程式 build-pinyin-lookup.pl ，再讓 javascript 去先查索引後合併的 pinyin_lookup 函式。

為了避免輸入時界面卡住，單一索引檔不宜太大，下載大檔耗時，解析大檔也耗 時。最後決定以「音」為單位，將單一一個無調拼音建成為一個小索引檔。

例如，「meng」這個索引檔內容，則條列出含有「ㄇㄥ」音所有聲調之字詞條： 

# https://www.moedict.tw/lookup/pinyin/a/HanYu/meng.json
["幪","鄳","盟","鸏","懵","矇","鄸","瞢","甿","礞","氋","莔","氓","濛","儚","尨","蜢","霿","錳","雺"....

查訊時若輸入 meng fa 二音，則瀏覽器只需下載兩個檔： 

# https://www.moedict.tw/lookup/pinyin/a/HanYu/meng.json
["幪","鄳","盟","鸏","懵","矇","鄸","瞢","甿","礞","氋","莔","氓","濛","儚","尨","蜢","霿","錳","雺"....

# https://www.moedict.tw/lookup/pinyin/a/HanYu/fa.json
["法","伐","茷","琺","發","砝","筏","閥","乏","罰","垡","瞂","鍅","髮","發發","茷茷"...

在瀏覽器中，只要將同時存在於 meng.json 和 fa.json 的詞條取出便可。 也就是取兩部的交集。

如此做法，從「國語辭典」中拆出 744 個不重複的拼音，最大的索引檔案前三名為：

（看似 "shi" （ㄕ） 音對應最多詞量，也難怪有「施氏食獅史」這篇文章了。）

於是以同樣的做法，用萌典本身的拼音資料，替所有辭典都加上了無調拼音詞條 搜尋功能。雖然每部辭典用的拼音系統略有不同，但可以用一樣的原理進行拼音 搜尋。

感謝 @au ，萌典的拼音搜尋也就這麼正式上線了。使 用起來和輸入法很是相像，輸入兩個音時，會列出長度在二以上的詞條。

附帶一提，國語辭典這 744 個音乃是含有兒化音的，例如 "tian" (天) 及 "tianr" (天兒) 。雖在資料來源中是視為不同的音，但「天兒」在詞條中多半 也是指「天」，因此似乎可以把兒化音去掉，把 "tianr" 換為 "tian er"。如 果結尾為 r 的兒化音去掉，可將音的總數量減為 408 個。