2e4dcf8980
新增学习资料生成器模块（learner），从权威库生成多维日语学习资料： - 拼音/假名/汉字/熟字训四类索引，带拼音↔假名↔汉字交叉跳转 - 逐字音训分类（KANJIDIC2 精确查表 + 启发式回退 + 排序键） - 音变标注体系：浊化（連濁）、半浊化、促音变（促音便）、连声（れんじょう） 独立配色 + 合并逻辑 + 音变规律说明 - 显式标注表：rendaku_marks（连用形连浊）、renjou_marks（连声） - 每索引独立例词数配置（jlearn.toml + --config） - HTML 单页应用 + 静态 HTML + PDF（playwright） 清洗工具增强： - 拼音校验器（pinyin_checker）集成到 jclean - 多音字拼音校正、ます形サ変動詞转原型 数据： - 权威库补充连声词（反応/天皇/陰陽/観音/因縁/三位/輪廻/安穏） - KANJIDIC2 音训分类表、拼音校正字典 整理 .gitignore：忽略生成产物（output/study_materials）、词典数据库、 任务运行日志、备份文件
72 lines
3.1 KiB
Markdown
72 lines
3.1 KiB
Markdown
# jlearn — 日语学习资料生成器
|
||
|
||
从权威库（`汉字|分段:假名|分段:拼音|分段` 格式）生成多维学习资料，
|
||
帮助以中文为母语的学习者借助拼音掌握日语汉字读音。
|
||
|
||
## 安装
|
||
|
||
在项目根目录：
|
||
|
||
```bash
|
||
pip install -e .
|
||
```
|
||
|
||
安装后即可使用 `jlearn` 命令；也可用 `python -m pl_japanese.learner.cli` 调用。
|
||
|
||
## 用法
|
||
|
||
```bash
|
||
# 列出所有可生成的资料类型
|
||
jlearn list
|
||
|
||
# 用默认权威库生成全部资料到 ./study_materials
|
||
jlearn generate
|
||
|
||
# 指定权威库和输出目录
|
||
jlearn generate --vocab data/db/vocabulary.txt --output-dir study_materials
|
||
|
||
# 只生成指定类型（逗号分隔）
|
||
jlearn generate --only handbook,anki
|
||
```
|
||
|
||
## 生成的资料
|
||
|
||
| 类型 | 文件 | 说明 |
|
||
|------|------|------|
|
||
| `overview` | `overview.txt` | 数据总览：一字多音分布、高频核心字 |
|
||
| `handbook` | `kanji_handbook.txt` | 汉字读音手册：每个单字按读音分组 + 例词 |
|
||
| `jukujikun` | `jukujikun.txt` | 熟字训词表：整词对应一读音、无法拆字的条目 |
|
||
| `pinyin` | `pinyin_kana_mapping.txt` | 拼音→汉字→假名对照表：从母语拼音出发，按汉字分组 |
|
||
| `pinyin-kana` | `pinyin_kana_kanji_mapping.txt` | 拼音→假名→汉字对照表：按假名分组，**发现读音规律复用**（如 `an→あん` 在 安/暗/案 中都成立） |
|
||
| `rules` | `phonetic_rules.txt` | 音读规律：拼音与假名的对应模式统计 |
|
||
| `anki` | `anki_deck.txt` | Anki 卡片（TSV，正面日文词 / 背面假名+拼音）|
|
||
| `html` | `study_app.html` | **交互式单页应用**：拼音·汉字·假名多维互链查询，可搜索，离线可用 |
|
||
|
||
## 交互式 HTML 应用（推荐）
|
||
|
||
`study_app.html` 是一个自包含的单页应用（约 1.4 MB），双击即可在浏览器打开，无需服务器：
|
||
|
||
- **多维索引** — 拼音、汉字、假名三个入口，互相超链接
|
||
- **点击导航** — 点拼音看对应汉字，点汉字看所有读音，点假名看所有汉字，任意跳转
|
||
- **音训读标注** — 每个读音标注 [音读]/[训读]，蓝色/橙色区分
|
||
- **全文搜索** — 顶部搜索框输入拼音、汉字或假名，直达结果
|
||
- **离线分享** — 单文件，发给别人直接用
|
||
|
||
数据全部内嵌，依赖 Vue 3（从 CDN 加载，首次打开需联网；如需完全离线可自行改为本地 Vue）。
|
||
|
||
## 代码结构
|
||
|
||
- `builder.py` — `StudyDataBuilder`：加载权威库，预建高效索引
|
||
（`(汉字,假名)→拼音` 反查、单字/熟字训区分）
|
||
- `generators.py` — 文本类资料生成器 + `GENERATORS` 注册表 + `_classify_reading`（音训读判断）
|
||
- `html_generator.py` — 交互式 HTML 单页应用生成器
|
||
- `cli.py` — `jlearn` 命令行入口
|
||
|
||
新增一种资料：在 `generators.py` 写 `gen_xxx(builder, out_dir) -> Path`，
|
||
然后加进 `GENERATORS` 字典即可，CLI 会自动识别。
|
||
|
||
## Anki 导入
|
||
|
||
`anki_deck.txt` 为 TAB 分隔的两列（正面/背面），背面用 `<br>` 分隔假名与拼音。
|
||
在 Anki 中「文件 → 导入」，字段分隔选 Tab，允许 HTML 即可。
|