Conversaciones
Desarrollador publica una herramienta para extraer el diccionario integrado del método de entrada de WeChat y afirma que tiene unas diez mil entradas
Un usuario de V2EX publicó que el paquete de instalación del método de entrada de WeChat incorpora un diccionario de palabras sensibles: las entradas que coinciden con él no pueden formar palabras, aparecer como sugerencias, almacenarse en memoria ni entrar en las candidatas, y el diccionario no se obtiene en tiempo real a través de internet. Con ayuda de IA, el desarrollador creó una herramienta de extracción que obtiene los datos del archivo cell_dict.ssrc.zh del directorio de instalación de la versión para Windows, afirma que hay algo más de diez mil entradas y descubrió otro diccionario con kind=440.
El autor de la publicación afirmó que el método de entrada de WeChat tiene un diccionario sensible integrado y que las entradas que coinciden con él no pueden formar palabras, aparecer como sugerencias asociadas, almacenarse en memoria ni figurar entre las palabras candidatas. La publicación considera que el diccionario no se obtiene en tiempo real mediante conexión a internet, sino que está integrado directamente en el paquete de instalación del método de entrada.
Por interés, el autor de la publicación escribió con ayuda de IA un “extractor de palabras sensibles del método de entrada de WeChat”. La herramienta extrae los datos del archivo BuildIn\cell_dict.ssrc.zh en el directorio de instalación de la última versión para Windows del método de entrada de WeChat; el autor afirma que la prueba se completó con éxito en la última versión y que actualmente el diccionario tiene algo más de diez mil entradas.
La publicación también afirma haber descubierto otro diccionario con kind=440 que es “menos sensible”. Las palabras de ese diccionario pueden formar palabras, pero en la implementación del método de entrada están clasificadas por separado; en cuanto a si existe algún tratamiento especial, como su registro, el autor afirmó no haber realizado más análisis.
Es importante señalar que todo lo anterior corresponde a pruebas y valoraciones personales del autor de una publicación comunitaria; el material no aporta resultados de verificación independiente ni explica las reglas de generación del diccionario o si estas coinciden entre distintas versiones.