Yomitan项目中的词典频率标签格式解析

Yomitan作为一款日语学习工具，其词典系统中采用了多种格式来表示词汇频率信息。本文将全面解析Yomitan项目中词典元数据(term_meta_bank)文件内频率标签(freq)的各种可能格式，帮助开发者更好地理解和实现对这些格式的支持。

频率标签的基本结构

Yomitan的词典元数据文件中，频率标签的基本结构是一个包含三个元素的数组：

1. 词汇本身(term)
2. 标签类型标识("freq")
3. 频率数据(可能有多种格式)

频率数据的七种格式

1. 简单数值格式

["<词汇>", "freq", <数值>]

这是最基础的格式，直接使用数字表示词汇频率。

2. 字符串格式

["<词汇>", "freq", "<频率字符串>"]

频率信息以字符串形式呈现，可能包含格式化或特殊字符。

3. 对象格式(含显示值)

["<词汇>", "freq", {
    "value": <数值>,
    "displayValue": "<显示字符串>"
}]

这种格式同时包含原始数值和用于显示的格式化字符串。

4. 对象格式(仅数值)

["<词汇>", "freq", {
    "value": <数值>
}]

displayValue字段在此格式中是可选的。

5. 带读法的完整格式

["<词汇>", "freq", {
    "reading": "<读法>",
    "frequency": <数值>
}]

包含词汇读法和频率数值。

6. 带读法的字符串格式

["<词汇>", "freq", {
    "reading": "<读法>",
    "frequency": "<频率字符串>"
}]

读法与字符串格式频率的组合。

7. 带读法的完整对象格式

["<词汇>", "freq", {
    "reading": "<读法>",
    "frequency": {
        "value": <数值>,
        "displayValue": "<显示字符串>"
    }
}]

最完整的格式，包含读法、原始数值和显示字符串。

实现建议

在开发支持Yomitan词典格式的应用时，建议按以下顺序处理频率标签：

1. 首先检查第三元素是否为简单类型(数值或字符串)
2. 如果是对象，检查是否包含reading字段
3. 根据字段存在情况分别处理各种格式
4. 对于嵌套的frequency对象，同样需要支持value和displayValue

实际应用中的考虑

实际词典中可能会混合使用多种格式，因此实现时需要足够灵活。例如，JPDB词典中就使用了包含displayValue的格式，其中显示字符串可能包含特殊符号(如"㋕")。

理解这些格式差异对于开发兼容Yomitan词典的工具至关重要，可以避免在解析不同来源词典时遇到兼容性问题。