nieldlr/hanzi

解决的问题

HanziJS 是一个专为中文语言处理设计的 Node.js 模块，旨在帮助中文学习者探索汉字的结构和含义。它提供了一种编程方式来分解汉字、查找定义和分析语音关系。

工作原理

该库提供了一组函数来与中文语言数据交互。它使用多个数据源，包括用于定义的 CC-CEDICT、用于汉字频率的 Junda 语料库，以及用于词汇频率的莱顿大学语料库。

主要功能包括：

• 汉字分解：将汉字分解为部首、基本部件或图形笔画，支持多个深度级别。
• 词典集成：支持简体和繁体汉字的查找，并搜索复合词。
• 语音分析：将拼音音节解析为声母和韵母，以确定“语音规律性”（汉字的发音与其组成部分的匹配程度）。
• 文本处理：使用最长匹配查找将中文短语分割为单个词语。

适用对象

为中文学习者构建教育工具、中文文本的 NLP 应用，或需要字符级分析的语言学研究工具的开发者。

亮点

• 多级分解：支持四种不同类型的分解（一次、部首、图形和基本部件）。
• 语音规律性评分：提供详细的评分量表（0-6），用于识别汉字与其组成部分之间的完全匹配、押韵和近似声母。
• 拼音解析：规范化拼音拼写，以识别实际韵母，不受拼写惯例影响。
• 基于频率的示例：根据语料库数据将词典示例分为高、中、低频率。