# sougo-dict

**Repository Path**: phpsetor/sougo-dict

## Basic Information

- **Project Name**: sougo-dict
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-10-26
- **Last Updated**: 2026-10-26

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 搜狗输入法词库与 ibus-libpinyin 词库

本仓库保存从搜狗输入法词库站点下载的公开分类词库，并将其汇聚为
`ibus-libpinyin` 使用的 SQLite 词库文件。

## 目的

方便在 Linux 的 ibus-libpinyin 中使用搜狗词库中的专业词汇、城市信息、
自然科学、社会科学、工程技术等词条，并保留原始 `.scel` 文件，便于检查、
重新处理或按需要筛选。

## 内容

- `raw/`：6,786 个原始搜狗 `.scel` 词库文件。
- `raw/manifest.json`：每个词库的搜狗词库 ID、名称、下载地址和文件大小。
- `table.db`：已经汇聚、去重并转换后的 ibus-libpinyin SQLite 词库。
- `sogou_import.py`：下载、解析和生成数据库的 Python 脚本。

本次抓取覆盖搜狗词库页面顶部的全部 12 个大分类，包括计算机、自然科学、
社会科学、城市信息和工程技术等；同一个词库出现在多个分类时只保留一份。

## 数据格式

`table.db` 使用 ibus-libpinyin 的词库结构：

```sql
CREATE TABLE phrases (
    id INTEGER PRIMARY KEY NOT NULL,
    tabkeys TEXT NOT NULL,
    phrase TEXT NOT NULL,
    freq INTEGER NOT NULL DEFAULT (10)
);
```

本次结果包含约 978,783 条有效去重词条。数据库已通过 SQLite
`PRAGMA integrity_check` 检查。

## 复现下载和处理

需要 Python 3 和网络连接。脚本会访问：

`https://pinyin.sogou.com/dict/`

执行：

```bash
python3 sogou_import.py /path/to/raw-downloads /path/to/table.db
```

脚本会抓取全部顶部分类的分页，下载 `.scel` 文件，并生成 SQLite 数据库。
如果目标目录中已经存在保存的 `page-*.html` 页面，脚本会复用这些页面，
避免重复抓取分类页面；已经存在的 `.scel` 文件也会复用。

## 安装到 ibus-libpinyin

先备份系统原词库：

```bash
sudo cp /usr/share/ibus-libpinyin/db/table.db \
  /usr/share/ibus-libpinyin/db/table.db.bak
```

然后安装本仓库的词库：

```bash
sudo cp table.db /usr/share/ibus-libpinyin/db/table.db
ibus restart
```

这会替换 ibus-libpinyin 默认词库。如果需要恢复：

```bash
sudo cp /usr/share/ibus-libpinyin/db/table.db.bak \
  /usr/share/ibus-libpinyin/db/table.db
ibus restart
```

## 说明和许可

词库内容及其名称、条目由搜狗词库上传者提供，本仓库只进行下载、格式转换
和汇聚，不对原始词条内容主张权利。使用和再分发时请遵守搜狗网站条款、
各词库上传者的许可和适用法律。词库可能包含重复、过时或不准确的条目，
请在实际使用前自行检查。