汉字典籍关系库

  上一篇 整理了汉字字形 SVG 库:每字一个文件,建立起了字形。

  这一篇建立一套以汉字为索引、贯穿多部典籍的关系库。查一个汉字,就能看到各个典籍对它的解释、注解、部首、字形、异体、构件之间的关系。

预览

  预览地址: https://zhouyongh.github.io/hanzi-relations/viewer/index.html

  输入字即可查看,包括同部、异体、同声符的字格,其中正文按来源分块,每块标条数。

  如「和」:康熙 10 条、段注 2 条、許慎原文 2 条。没有收录时,显示「未收此字」,《爾雅》这一列就是这种情形。

有什么

列 字头 陈述 例
《康熙字典》 46,815 138,645 说解 + 条目内引书、注音、义项
段玉裁《說文解字注》 9,343 34,482 逐句注文,回指所注原文
許慎《說文解字》原文 11,037 21,506 释义 + 反切
《爾雅》 997 1,388 「月在甲曰畢」一类训释

  共 57,917 个字头、196,021 条陈述、371,276 条关系。另有 540 部、字形指针 9,746 条。

查询

sql 复制代码
SELECT edition_id, COUNT(*) AS n
FROM statements
WHERE char_id IN (SELECT char_id FROM characters WHERE head = '和')
GROUP BY edition_id ORDER BY n DESC;
-- kangxi_dict 10 / shuowen_xu_shen 2 / shuowen_duan_yucai 2

储存方式

  列储存,可扩展。

  data/ 里是 JSONL,一条陈述一行:原文、出处、许可、定位(卷/部/条号)。按来源分目录,一源一块,需要时可整块移除。

  关系单独一张边表,只存指针:字持有哪些陈述、哪条注在哪条原文上、字属哪部、字与字是否异体。内容与关系分开,改关系不动原文。

  SQLite 与浏览页都是产物,python src/build_sqlite.py、python src/build_viewer.py 重建,不入库。

扩展方式

  加一部典籍,四样东西:

  1. 来源 :data/sources.jsonl 加一条,写许可、地址、能否再分发。
  2. 描述列 :data/columns.jsonl 加一条,这一列是什么书、提供哪几类内容。
  3. 陈述 :data/provenance/<source_id>/ 一个目录,一条一行,带出处。
  4. 关系库 :db/bundle-<name>.db,装这一列的陈述与相关边。

  然后重建 SQLite 与浏览页。装上一个 .db 查一列,删除是整体删。列可以只装一部分------想要段注加《玉篇》对照,可只装两列。

仓库

  https://github.com/zhouyongh/hanzi-relations

结语

  数据带出处与许可,逐条可查。

  逐步搭建中,期望把汉字应用的基础搭好。

相关推荐
jincheng_xie8 小时前
测试全绿,不等于没改坏:AI 拆一个 1572 行函数后,我又做了四件事
开源
wflynn11 小时前
GitHub 日榜趋势速报 | 2026-11-20
开源·github
分布式存储与RustFS11 小时前
桶里的文件想当目录使:用 ZeroFS 把 RustFS 挂成一棵 POSIX 树
运维·云原生·开源·对象存储·分布式存储·s3·性能基准
分布式存储与RustFS12 小时前
向量表别堆本地盘:用 LanceDB 把数据集建在 RustFS 上
运维·云原生·开源·对象存储·分布式存储·s3·性能基准
孟健1 天前
开源AutoClip切直播:1小时48分出19段,整月API只花0.08元
人工智能·开源·aigc
lipku1 天前
LiveTalking 获2026 开源行业解决方案创新赛二等奖
开源
行百里er1 天前
【Spring Insight 技术分享】跨服务调用链路是怎么串起来的?
后端·spring·开源
风云1 天前
两条 Pipe、五个命门:Vane.NET 内核为什么长这样
开源·网络编程·.net·架构设计·vane.net
分布式存储与RustFS1 天前
Zeppelin 笔记本重启就丢:三个环境变量把 .zpln 存进 RustFS 桶
运维·云原生·开源·对象存储·分布式存储·s3·性能基准
guuguo1 天前
【做个开源软件】Mac 上 node 进程莫名吃掉 6G 内存?给 AI / MCP 做了个深度归因和安全回收工具
人工智能·开源·github