输入法词库解析（五）极点码表.mb

详细代码：https://github.com/cxcn/dtool

前言

mb 是极点五笔的码表格式。

解析

偏移量	描述
0x00	版本信息
0x1B	码表介绍
0x11F	所用到的按键数
0x120	所用到的按键，utf-16le
0x154	万能键
0x156	编码截止键
0x176	组词规则
0x176	组词规则
0x194	径直上屏的标点
0x1B4	特殊符号引导符
0x1B8	未知
0x1B620 左右	码表

上图选中部分解析为

五笔点儿词库2022春 QQ群313225526

生成日期:2022-3-17 18:36

所有用到的按键：

组词规则：

特殊符号引导符：

下面的部分就有规律了

每 4 个字节一组，前两个字节表示一个字符，后两个字节从 00 00 ~ 29 00，一共 41 个值（意义不明，可能是某种索引），中间有一些 FF FF FF FF

一直到 0x1B620左右，有的词库可能会相差几个字节。

下面才是词库部分。

	占用字节数	描述
a	1	编码长度
b	1	词字节长度
	1	只有 0x64、0x32、0x10 几个值，意义不明
	a	编码，ascii
	b	词，utf-16le

代码实现（只读 0x1B620 之后的码表）：

func (JidianMb) Parse(filename string) Table {

    data, _ := os.ReadFile(filename)

    r := bytes.NewReader(data)

    ret := make(Table, 0, r.Len()>>8)

    var tmp []byte

    r.Seek(0x1B620, 0) // 从 0x1B620 开始读

    for r.Len() > 3 {

        codeLen, _ := r.ReadByte()

        if codeLen == 0xff {

            r.Seek(1, 1)

            continue

        }

        wordLen, _ := r.ReadByte()

        r.Seek(1, 1)

        // 读编码

        tmp = make([]byte, codeLen)

        r.Read(tmp)

        code := string(tmp)

        // 读词

        tmp = make([]byte, wordLen)

        r.Read(tmp)

        word, _ := util.Decode(tmp, "UTF-16LE")

        ret = append(ret, Entry{word, code, 1})

    }

    return ret

}