feat: 英汉词典与规范音标、多词典并存 (#40) #41

2026-09-16T13:17:51+08:00

ila commented

2026-09-16 13:17:51 +08:00

工单 #40 的实现与证据见 #40 。

资源：scripts/dict_prepare.py 从三个 sha256 pin 的源（ECDICT StarDict / CMUdict / WordNet 词表）
显式准备英汉资源：82,721 条中文释义，3,003,208 字节，条目数在 pin 容差内、音标字符集校验为 0 才产出；
产物不入库，仓库只保存 pin 文件与两份许可证（ECDICT MIT、CMUdict BSD-2）。
音标：优先 CMUdict ARPAbet→IPA 固定映射（35,799 条，如 curiosity /kjˌʊɹiˈɑːsəti/），
否则保留 ECDICT 记法仅做字符级规范化并标注来源（30,580 条），两者都不可靠就不显示（16,342 条）；
含 ^ 等丢失首音的记法整条丢弃，不做语义猜测（1,038 条）。
schema v12：放开 lexgo_dictionaries 单行 CHECK 并增加 provider 列，两步都带条件守卫，
可重放、可回退；既有词典行通过默认值仍是 WordNet 槽位。
查词合并：中文释义在前、英英释义随后，音标取自词目且不复制到经 lemma 解析的屈折形；
两本词典可分别启停，缺失或损坏时降级为只用另一本，都不可用时维持 resource_missing。
测试：Go 96 项（新增 4 项：解析与查找、未审资源拒绝、合并顺序、两词典真实导入与启停）；
学习端 159 单测、26 e2e（含 390×844 触摸视口下面板不溢出的既有检查）；管理端 32 项 + lint；
真实 API 28 项检查（导入、字节一致、合并显示、屈折形、分别启停、降级与恢复）。
未验证：真机触摸与音频体验缺口沿用 #14/#21/#37 记录；grok 这类两个来源都不可靠的词不显示音标。

不合并既有 PR，基准分支为已验收的 main。

工单 #40 的实现与证据见 https://git.ilapage.cn/OPC/lexgo/issues/40 。 - **资源**：`scripts/dict_prepare.py` 从三个 sha256 pin 的源（ECDICT StarDict / CMUdict / WordNet 词表）显式准备英汉资源：82,721 条中文释义，3,003,208 字节，条目数在 pin 容差内、音标字符集校验为 0 才产出；产物不入库，仓库只保存 pin 文件与两份许可证（ECDICT MIT、CMUdict BSD-2）。 - **音标**：优先 CMUdict ARPAbet→IPA 固定映射（35,799 条，如 curiosity `/kjˌʊɹiˈɑːsəti/`），否则保留 ECDICT 记法仅做字符级规范化并标注来源（30,580 条），两者都不可靠就不显示（16,342 条）；含 `^` 等丢失首音的记法整条丢弃，不做语义猜测（1,038 条）。 - **schema v12**：放开 `lexgo_dictionaries` 单行 CHECK 并增加 `provider` 列，两步都带条件守卫，可重放、可回退；既有词典行通过默认值仍是 WordNet 槽位。 - **查词合并**：中文释义在前、英英释义随后，音标取自词目且不复制到经 lemma 解析的屈折形；两本词典可分别启停，缺失或损坏时降级为只用另一本，都不可用时维持 `resource_missing`。 - **测试**：Go 96 项（新增 4 项：解析与查找、未审资源拒绝、合并顺序、两词典真实导入与启停）；学习端 159 单测、26 e2e（含 390×844 触摸视口下面板不溢出的既有检查）；管理端 32 项 + lint；真实 API 28 项检查（导入、字节一致、合并显示、屈折形、分别启停、降级与恢复）。 - **未验证**：真机触摸与音频体验缺口沿用 #14/#21/#37 记录；`grok` 这类两个来源都不可靠的词不显示音标。不合并既有 PR，基准分支为已验收的 main。

ila added 1 commit 2026-09-16 13:17:51 +08:00

feat: 英汉词典与规范音标、多词典并存 (#40 ) b1b2e6c6fe

- ECDICT 常用子集（82,721 条，含中文释义）与 CMUdict ARPAbet→IPA 转写音标，
  由 scripts/dict_prepare.py 从 sha256 pin 的源显式准备，运行时不联网。
- schema v12：放开 lexgo_dictionaries 单行约束并增加 provider 列，英英与英汉词典
  可分别启用；查词合并时中文释义在前、英英释义随后。
- 音标只取可验证来源：优先 CMUdict 转写，否则保留 ECDICT 记法并标注来源，
  两者都不可靠时不显示；含 ^ 等丢失首音的记法整条丢弃。
- 屈折形经 WordNet lemma 解析后回查中文词典，但不把词目音标复制到屈折形上。
- 管理端可区分两种词典并分别启停；学习端查词面板显示音标与中文释义。

ila added 1 commit 2026-09-16 13:27:20 +08:00

docs: 记录英汉词典与规范音标的架构、规则与验证 (#40 ) a412e000c0

ila referenced this pull request

2026-09-16 13:27:37 +08:00

英汉词典与规范音标：ECDICT 常用子集 + IPA 规范化 + 多词典并存 (schema v12) #40

ila referenced this pull request

2026-09-16 13:27:53 +08:00

英汉词典与规范音标：ECDICT 常用子集 + IPA 规范化 + 多词典并存 (schema v12) #40

ila merged commit a412e000c0 into main

2026-09-16 21:42:15 +08:00

ila referenced this issue from a commit

2026-09-16 21:51:56 +08:00