年前换了 am5 平台，把 Windows 7 搞坏了（B650m 主板没有 PS/2，amd 又没有 Win7 下的 USB 驱动），只能在 openSUSE 处理一些工作上的事情。我面临的问题是：输入一些奇奇怪怪的国内公司名字的时候，搜狗输入法NG版本（基于 CPIS），记忆比较快，但是它有几个硬伤解决不了，比如候选词面板上的数字上屏，有时候会跳，输入3上的是第5个字; 比如使用输入法切换到英文输入模式就切换不回来了;比如一些基本的汉字打不出来，比如覆盖的覆字。而 fcitx5 呢，记忆又太慢，我不得不一次次的去敲比如“鑫永俪”。于是我想到了一个办法，就是把我常用的公司名字制作成拼音词库。

fcitx5 的 libime 提供了 libime-pinyindict 工具用来把文本转为词库，要求的文本格式是这样的：

鑫永俪	xin'yong'li	0

于是我需要的就是把 excel 格式的客户名单分词，再标注拼音就可以了（词频默认是 0）。我的客户名单是这样的：

91110000MA0UXXXXXX 北京市鑫永俪金融服务有限责任公司 李华梅 13800138000

所以先需要一段 python 脚本去处理 excel

#!/usr/bin/env python3

import xlrd
import jieba
import sys

''' 输出 Excel 中的中文公司名和法人名 '''
def get_chinese_words_from_excel(f):
	book = xlrd.open_workbook(f)
	sheet = book.sheet_by_index(0)
	res = []
	
	for i in range(sheet.nrows):
	    # 9 开头的是公司
		if not sheet.cell_value(i, 0).startswith('9'):
			continue
			
		for j in range(sheet.ncols):
			if j not in (1, 2):
				continue
			if len(sheet.cell_value(i, j).strip()) > 0:
			    print(sheet.cell_value(i, j).strip())
				seg_list = jieba.cut(sheet.cell_value(i, j).strip())
				for s in seg_list:
					if s not in res:
					    print(s)
						res.append(s)
						
   return res
   
if len(sys.argv) > 1:
	get_chinese_words_from_excel(sys.argv[1])

这样就得到了：

北京市鑫永俪金融服务有限责任公司
北京
北京市
鑫
永
俪
金融
服务
金融服务
有限
责任
公司
有限责任
有限责任公司
李华梅
李
华梅

这里有一个问题，它发现组不了词的（往往是我要的），会返回单字。

于是进一步处理，把长度小于 2 的，与上一行拼接，同时生成拼音：

#!/usr/bin/env python3

from pypinyin import lazy_pinyin

arr = []
with open('text.txt', 'r') as f:
    last_line = ''
	for line in f.readlines():
		if len(line.strip()) > 2:
			last_line = line.strip()
		else:
		    line = last_line + line.strip()
		    last_line = line
		if line.strip() not in arr:
		    arr.append(line.strip())
		    
str = ''
for a in arr:
	str += a + '\t\' + "'".join(lazy_pinyin(a)) + '\t0\n'

f1 = open('dict.txt', 'w')
f1.write(str)
f1.close()

然后再使用：

/usr/bin/libime_pinyindict dict.txt company.dict
mkdir -p ~/.local/share/fcitx5/pinyin/dictionaries
cp -r company.dict ~/.local/share/fcitx5/pinyin/dictionaries

重启 fcitx5 生效。

总结一下，openSUSE 下面制作 fcitx5 词库还是比较简单的，第一步分词，第二步添加拼音和词频。我第二步的脚本是可以通用的，只需要把那个 text.txt 处理好就可以。而我的 text.txt 的处理方式比较特殊，因为我是从 excel 文件来的。后续我做行业词库的时候还改脚本把 word 文档喂给了它。如果想要自制词库，需要处理好语料的获取。分词方面，我用的是 jieba, 准确率不算很高，你也可以试试 pkuseg, 这两个包在 openSUSE 下面都是有的。