Unihan（统汉字）常用字段介绍

最新推荐文章于 2024-02-13 23:08:07 发布
最新推荐文章于 2024-02-13 23:08:07 发布
阅读量875 收藏
点赞数 2
文章标签： python
原文链接：http://www.cnblogs.com/Comero/p/8995261.html
版权
本文介绍了Unicode的Unihan数据库，包括Unihan_IRGSources.txt、Unihan_DictionaryIndices.txt、Unihan_DictionaryLikeData.txt、Unihan_OtherMappings.txt、Unihan_RadicalStrokeCounts.txt、Unihan_Readings.txt和Unihan_Variants.txt等文件的内容，涵盖了汉字的发音、变体、部首、字典索引和编码映射等信息。
摘要由CSDN通过智能技术生成

0 背景

统汉字数据库是Unicode标准包含的中日韩统一表意文字集体知识的存储库。它包含映射数据来实现与其他编码字符集相互转换，和附加信息来帮助实现对使用汉字表意文字的各种语言的支持。简单来讲就是我们见得Unicode中的CJK部分。

在此介绍的是 Unihan Database 中的一些字段内容。
Unihan.zip : ftp://ftp.unicode.org/Public/UNIDATA/Unihan

最低0.47元/天 解锁文章
anmo9499
关注
Unicode 12 数据库分析之Unihan_Readings
iCloudEnd的博客
08-16 523
Unicode 12 数据库分析之Unihan_Readings col_list={} bz_list={} #----------------------------------------- # Unihan_Readings #----------------------------------------- col_list["Unihan_R...
Unihan.txt 排序版
09-19
Unihan.txt 每行屏蔽第一项（U+XXXX）后对剩余字符串的排序版本，可用于拼音排序等多种用途。
从 Unicode 标准提取拼音数据
最新发布
穷人小水滴的博客
02-13 1093
对于一个拼音输入法来说, 最重要也最基础的数据, 就是拼音和汉字的对应关系, 或者说拼音和汉字的对照表. 获取拼音数据有多种方法, 本文介绍其中的一种: 从 Unicode 标准 (Unihan 数据库) 获取拼音数据.
Unihan Readings 汉字读音数据库(MySQL)
05-29
《Unihan Readings汉字读音数据库(MySQL)详解》 Unihan Readings数据库是一个极其重要的资源，它专门针对汉字的多种读音进行了详尽的收录和整理。这个数据库的建立，为研究汉字语言学、计算机处理汉字以及跨语言...
统汉字数据库
03-29
统汉字数据库，通常被称为Unihan数据库，是Unicode联盟提供的一项重要的资源，用于存储关于Unicode汉字的各种信息。这个数据库以SQLite格式存储，便于开发者和研究人员高效地检索和处理汉字的多种属性。Unihan数据库...
unihan2db:将Unihan文本数据转换为sqlite数据库
05-13
unihan2db Python 3脚本将unihan文本数据文件转换为sqlite3 db表，以便于查询 运行./init以获取Unihan数据存档 运行python unihan2db.py将在data/derived创建一个sqlite数据库 为了方便起见，源和输出数据文件都...
Python库 | unihan-etl-0.9.0.tar.gz
03-11
Unihan是Unicode联盟提供的一份庞大数据库，包含了Unicode中所有Han字符的相关信息，如汉字、日文平假名、片假名、韩文等。这些信息包括字符的读音、笔画数、字形描述、词源解释等。而unihan-etl库则为开发者提供了...
Unihan.zip
05-31
unicode汉字数据库的字典文件Unihan.txt
汉语拼音数据集以及工具
10-17
汉语拼音数据集以及工具，可以当成数据源使用，也可以直接使用 获取汉字的拼音
最全中文汉字数据库OCR
05-27
最全中文汉字数据库OCR，包含20000+汉字，可以用于制作中文输入法，OCR训练数据集等，欢迎下载。
Unicode中关于中文和其他特殊字符的编码范围
小莫
02-13 7782
编程中有时候需要用到匹配中文的正则，一般用 [ \u4e00-\u9fa5]+ 即可搞定。不过这正则对一般的火星文鸟语就不太适用了，甚至全角的标点符号都不包含在内。例如游戏里面的玩家名，普通青年一般都是汉字，文艺青年会加几个特殊字符，2B青年火星文鸟语都会用上；这时候你就需要更强大的正则了。         其实，游戏内大部分的玩家名都取自：中日韩统一表意文字（CJK Unified Ideog
UNICODE汉字数据库
热门推荐
06-06 1万+
      UNICODE汉字数据库 版本5.0.0作者John Jenkins（井作恆）、Richard Cook（曲理查）发布日期2006-07-10当前版本http://www.unicode.org/Public/5.0.0/ucd/U
【转】刨根究底字符编码之五——简体汉字编码方案(GB2312、GBK等)以及全角、半角、CJK
sinolover的专栏
11-05 1239
一、概述 1. 英文字母再加一些其他标点字符之类的也不会超过256个，用一个字节来表示一个字符就足够了(2^8 = 256)。但其他一些文字不止这么多字符，比如中文中的汉字就多达10多万个，一个字节只能表示256个字符，肯定是不够的，因此只能使用多个字节来表示一个字符。 于是当计算机被引入到中国后，相关部门设计了GB系列编码(“GB”为“国标”的汉语拼音首字母缩写，即“国家标准”之意)。 按照GB系列编码方案，在一段文本中，如果一个字节是0～127，那么这个字节的含义与ASCII编码相同，否则，这个
Tesseract训练新字体
baoolong的博客
12-30 1555
最近工作需要，要对特定字体准确识别，用官方下载的eng识别库，错误率比较高，不能满足要求，所以就踏上了训练字库的征程，我说下我寻找的几种训练方法 注意： Tesseract-OCR 和 Tesseract 不是同一个东西 1. Tesseract-OCR手动训练，需要自己生成或收集样本图片，然后用jTessBoxEditor手动纠正识别错误的地方，然后敲命令生成各种文件，总体来说太慢太麻烦，容易出错，效果不佳 2. 仍然是Tesseract-OCR训练，这次智能化一点了，采用LSTM技术，可以自动训练
Unicode研究之Python将Unihan_Readings.txt转化为SQLite数据库
iCloudEnd的博客
01-02 396
实战需求 Python将Unihan_Readings.txt转化为SQLite数据库 Unihan_Readings介绍 从Unihan提取的汉字读音数据库。包含汉语拼音及频率、粤语读法、韩语读法、日语训/音读法等。 kDefinition, 英文解释 kHanyuPinlu, 读音及其使用频率 – 汉字才有 kMandarin, 普通话发音 kCantonese, 广东话发音 kJapaneseKun, 日语发音，训读(训読み/くんよみ) kJapaneseOn, 日语中的汉字发音，音读(音読み/お
3.5 unicodedata--Unicode数据库
大坡3D软件开发
10-24 7470
本库主要提供访问UCD相关内容的库。UCD是Unicode字符数据库（Unicode Character DataBase）的缩写。UCD由一些描述Unicode字符属性和内部关系的纯文本或html文件组成。UCD中的文本文件大都是适合于程序分析的Unicode相关数据。其中的html文件解释了数据库的组织，数据的格式和含义。UCD中最庞大的文件无疑就是描述汉字属性的文件Unihan.txt。在U
"Unicode汉字数据库分析与使用指南
这些信息对于汉字处理、文本分析、中文搜索等应用来说是非常重要的。 Unicode字符数据库中还包含了其他文件，如Properties.txt、Radical-stroke.txt等，这些文件提供了更多与Unicode字符属性、部首、笔画等相关的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值