youpaishidifu
d793d1c992
- 在_is_noise_text中新增混合文字乱码检测 - 检测Latin大写字母被CJK分割成多个不连续块的模式 - 如'HHWH尸端自哪内柙登录槟J!'这类OCR垃圾现在会被过滤 - 修复unicode_radicals.md末尾格式错误(缺少补充字符列) - 从git追踪中移除easyocr_worker_state.json(运行时状态文件)
11 KiB
11 KiB
CJK 偏旁部首 Unicode 库
用于 OCR 碎片修复：检测文本中的 CJK 偏旁字符，若有补充字符则替换为正确汉字，若无则整段丢弃。
维护方式：直接编辑此文件，添加/删除偏旁条目即可。bot 启动时自动读取。
偏旁表
| 偏旁 | Unicode | 名称 | 示例 | 补充字符 |
|---|---|---|---|---|
| 亻 | U+4EBB | 单人旁 | 件→亻牛 | 件 |
| 牛 | - | 牛字旁 | 件→亻牛 | 件 |
| 彳 | U+5F73 | 双人旁 | 行→彳亍 | 行 |
| 亍 | U+4E8D | 亍 | 行→彳亍 | 行 |
| 讠 | U+8BA0 | 言字旁 | 语→讠吾 | 语 |
| 扌 | U+624C | 提手旁 | 打→扌丁 | 打 |
| 氵 | U+6C35 | 三点水 | 河→氵可 | 河 |
| 宀 | U+5B80 | 宝盖头 | 家→宀豕 | 家 |
| 辶 | U+8FB6 | 走之底 | 进→辶井 | 进 |
| 纟 | U+7E9F | 绞丝旁 | 红→纟工 | 红 |
| 艹 | U+8279 | 草字头 | 花→艹化 | 花 |
| 阝 | U+961D | 左耳旁 | 阳→阝日 | 阳 |
| 阝 | U+961D | 右耳旁 | 都→阝者 | 阳 |
| 冫 | U+51AB | 冫 | 冷→冫令 | 冷 |
| 欠 | - | 欠字旁 | 次→欠欠 | 次 |
| 风 | - | 风字旁 | 飘→风票 | 飘 |
| 几 | - | 几字旁 | 机→几木 | 机 |
| 勹 | U+52F9 | 包字头 | 包→勹巳 | 包 |
| 匚 | U+531A | 三框旁 | 医→匚矢 | 医 |
| 卩 | U+5369 | 单耳旁 | 印→卩卩 | 印 |
| 厶 | U+53B6 | 私字头 | 公→厶八 | 公 |
| 又 | - | 又字旁 | 双→又又 | 双 |
| 囗 | U+56D7 | 大口框 | 国→囗玉 | 国 |
| 土 | - | 土字旁 | 地→土也 | 地 |
| 士 | - | 士字旁 | 壮→士丬 | 壮 |
| 夂 | U+5902 | 折文旁 | 冬→夂冫 | 冬 |
| 夊 | U+590A | 夊 | 夏→夊夂 | 夏 |
| 夕 | - | 夕字旁 | 外→夕卜 | 外 |
| 大 | - | 大字头 | 天→大一 | 天 |
| 女 | - | 女字旁 | 妈→女马 | 妈 |
| 子 | - | 子字旁 | 字→子宀 | 字 |
| 宀 | U+5B80 | 宀 | 家→宀豕 | 家 |
| 寸 | - | 寸字旁 | 对→又寸 | 对 |
| 小 | - | 小字头 | 尖→小大 | 尖 |
| 尢 | U+5C22 | 尢 | 尤→尢 | 尤 |
| 尸 | - | 尸字头 | 屋→尸至 | 屋 |
| 屮 | U+5C6E | 屮 | 屯→屮 | 屯 |
| 山 | - | 山字旁 | 岩→山石 | 岩 |
| 巛 | U+5DDB | 三拐旁 | 巡→巛巛 | 巡 |
| 工 | - | 工字旁 | 红→纟工 | 红 |
| 己 | - | 己字头 | 已→己 | 已 |
| 巳 | - | 巳 | 巴→巳 | 巴 |
| 巾 | - | 巾字旁 | 布→巾 | 布 |
| 干 | - | 干 | 平→干 | 平 |
| 幺 | - | 幺 | 幻→幺 | 幻 |
| 廴 | U+5EF4 | 建之底 | 建→廴聿 | 建 |
| 廾 | U+5EFE | 廾 | 弃→廾廾 | 弃 |
| 弋 | U+5F0B | 弋 | 式→弋 | 式 |
| 弓 | - | 弓字旁 | 弹→弓单 | 弹 |
| 彐 | U+5F50 | 彐 | 归→彐彐 | 归 |
| 彡 | U+5F61 | 三撇旁 | 形→彡开 | 形 |
| 彳 | U+5F73 | 彳 | 行→彳亍 | 行 |
| 心 | - | 心字底 | 想→心相 | 想 |
| 忄 | U+5FC4 | 竖心旁 | 忙→忄亡 | 忙 |
| 戈 | - | 戈字旁 | 战→占戈 | 战 |
| 戶 | - | 户字头 | 所→戶斤 | 所 |
| 手 | - | 手字旁 | 拿→合手 | 拿 |
| 扌 | U+624C | 扌 | 打→扌丁 | 打 |
| 支 | - | 支 | 改→支攵 | 改 |
| 攴 | U+6534 | 攴 | 敲→攴高 | 敲 |
| 攵 | U+6535 | 反文旁 | 敏→攵每 | 敏 |
| 文 | - | 文 | 斋→文而 | 斋 |
| 斗 | - | 斗字旁 | 料→米斗 | 料 |
| 斤 | - | 斤字旁 | 新→亲斤 | 新 |
| 方 | - | 方字旁 | 放→方攵 | 放 |
| 无 | - | 无 | 既→无旡 | 既 |
| 旡 | U+65E1 | 既字头 | 既→旡旡 | 既 |
| 日 | - | 日字旁 | 晴→日青 | 晴 |
| 曰 | - | 曰 | 曲→曰 | 曲 |
| 月 | - | 月字旁 | 腿→月退 | 腿 |
| 木 | - | 木字旁 | 林→木木 | 林 |
| 欠 | - | 欠 | 次→欠欠 | 次 |
| 止 | - | 止字旁 | 步→止少 | 步 |
| 歹 | - | 歹字旁 | 死→歹匕 | 死 |
| 殳 | U+6BB3 | 殳 | 段→殳几 | 段 |
| 毋 | - | 毋 | 每→毋母 | 每 |
| 比 | - | 比 | 毕→比十 | 毕 |
| 毛 | - | 毛字旁 | 毡→毛 | 毡 |
| 氏 | - | 氏 | 民→氏 | 民 |
| 气 | - | 气字头 | 氛→气分 | 氛 |
| 水 | - | 水字旁 | 河→水可 | 河 |
| 火 | - | 火字旁 | 灯→火丁 | 灯 |
| 灬 | U+706C | 四点底 | 热→灬执 | 热 |
| 爪 | - | 爪字头 | 爬→爪巴 | 爬 |
| 父 | - | 父字头 | 爸→父巴 | 爸 |
| 爻 | U+723B | 爻 | 爽→爻爻 | 爽 |
| 爿 | U+723F | 爿 | 壮→丬士 | 壮 |
| 片 | - | 片字旁 | 版→片反 | 版 |
| 牙 | - | 牙 | 雅→牙隹 | 雅 |
| 牛 | - | 牛 | 牧→牛攵 | 件 |
| 犬 | - | 犬字旁 | 犯→犭㔾 | 犯 |
| 犭 | U+72AD | 反犬旁 | 犯→犭㔾 | 犯 |
| 玄 | - | 玄 | 率→玄幺 | 率 |
| 玉 | - | 玉字旁 | 理→王里 | 理 |
| 瓜 | - | 瓜 | 瓢→瓜票 | 瓢 |
| 瓦 | - | 瓦字旁 | 瓶→瓦并 | 瓶 |
| 甘 | - | 甘 | 甚→甘匹 | 甚 |
| 生 | - | 生 | 甥→生男 | 甥 |
| 用 | - | 用 | 甭→不用 | 甭 |
| 田 | - | 田字旁 | 略→田各 | 略 |
| 疋 | U+758B | 疋 | 疑→疋走 | 疑 |
| 疒 | U+7592 | 病字头 | 病→疒丙 | 病 |
| 癶 | U+7676 | 癶 | 登→癶豆 | 登 |
| 白 | - | 白字旁 | 百→白一 | 百 |
| 皮 | - | 皮字旁 | 波→皮 | 波 |
| 皿 | - | 皿字底 | 盘→皿舟 | 盘 |
| 目 | - | 目字旁 | 眼→目艮 | 眼 |
| 矛 | - | 矛 | 矜→矛今 | 矜 |
| 矢 | - | 矢字旁 | 知→矢口 | 知 |
| 石 | - | 石字旁 | 矿→石广 | 矿 |
| 礻 | U+793B | 示字旁 | 社→礻土 | 社 |
| 禸 | U+79B8 | 禸 | 禹→禸虫 | 禹 |
| 禾 | - | 禾字旁 | 和→禾口 | 和 |
| 穴 | - | 穴宝盖 | 空→穴工 | 空 |
| 立 | - | 立字旁 | 站→立占 | 站 |
| 竹 | - | 竹字头 | 笔→竹毛 | 笔 |
| 米 | - | 米字旁 | 粉→米分 | 粉 |
| 糸 | U+7CF8 | 糸 | 红→糸工 | 红 |
| 缶 | U+7F36 | 缶字旁 | 缸→缶工 | 缸 |
| 网 | - | 网字头 | 罗→网夕 | 罗 |
| 羊 | - | 羊字头 | 美→羊大 | 美 |
| 羽 | - | 羽字头 | 翅→羽支 | 翅 |
| 老 | - | 老字头 | 考→老丂 | 考 |
| 而 | - | 而 | 耐→而寸 | 耐 |
| 耒 | U+8012 | 耒 | 耕→耒井 | 耕 |
| 耳 | - | 耳字旁 | 聪→耳总 | 聪 |
| 聿 | U+807F | 聿 | 肃→聿 | 肃 |
| 肉 | - | 肉月旁 | 脚→肉却 | 脚 |
| 臣 | - | 臣字旁 | 卧→臣卜 | 卧 |
| 自 | - | 自字头 | 臭→自犬 | 臭 |
| 至 | - | 至字旁 | 致→至攵 | 致 |
| 臼 | - | 臼字旁 | 舅→臼男 | 舅 |
| 舌 | - | 舌字旁 | 活→舌 | 活 |
| 舛 | U+821B | 舛 | 舞→舛 | 舞 |
| 舟 | - | 舟字旁 | 船→舟几 | 船 |
| 艮 | U+826E | 艮 | 良→艮 | 良 |
| 色 | - | 色 | 艳→色 | 艳 |
| 艸 | U+8278 | 艸 | 花→艸化 | 花 |
| 虍 | U+864D | 虎字头 | 虎→虍几 | 虎 |
| 虫 | - | 虫字旁 | 蚊→虫文 | 蚊 |
| 血 | - | 血字旁 | 衅→血半 | 衅 |
| 行 | - | 行字旁 | 街→行圭 | 街 |
| 衣 | - | 衣字旁 | 袋→衣代 | 袋 |
| 襾 | U+897E | 西字头 | 西→襾 | 西 |
| 覀 | U+8980 | 西字头 | 要→覀女 | 要 |
| 西 | - | 西 | 栖→西木 | 栖 |
| 見 | - | 見 | 观→見又 | 观 |
| 角 | - | 角字旁 | 解→角刀 | 解 |
| 言 | - | 言字旁 | 语→言吾 | 语 |
| 谷 | - | 谷字旁 | 俗→谷 | 俗 |
| 豆 | - | 豆字旁 | 豌→豆宛 | 豌 |
| 豕 | U+8C55 | 豕 | 家→宀豕 | 家 |
| 豸 | U+8C78 | 豸字旁 | 豹→豸勺 | 豹 |
| 貝 | - | 贝字旁 | 赌→贝者 | 赌 |
| 赤 | - | 赤字旁 | 赫→赤赤 | 赫 |
| 走 | - | 走字旁 | 起→走己 | 起 |
| 足 | - | 足字旁 | 跑→足包 | 跑 |
| 身 | - | 身字旁 | 射→身寸 | 射 |
| 車 | - | 车字旁 | 轮→车仑 | 轮 |
| 辛 | - | 辛字旁 | 辣→辛束 | 辣 |
| 辰 | - | 辰 | 辱→辰寸 | 辱 |
| 辵 | U+8FB5 | 辵 | 进→辵井 | 进 |
| 邑 | - | 右耳旁 | 都→者邑 | 都 |
| 酉 | - | 酉字旁 | 醉→酉卒 | 醉 |
| 釆 | U+91C6 | 釆 | 释→釆又 | 释 |
| 里 | - | 里字旁 | 野→里予 | 野 |
| 金 | - | 金字旁 | 钱→钅戋 | 钱 |
| 钅 | U+9485 | 钅 | 钱→钅戋 | 钱 |
| 長 | - | 长字旁 | 张→长弓 | 张 |
| 門 | - | 门字框 | 问→門口 | 问 |
| 阜 | - | 左耳旁 | 阳→阜日 | 阳 |
| 隹 | U+96B9 | 隹字旁 | 雀→小隹 | 雀 |
| 雨 | - | 雨字头 | 雪→雨彐 | 雪 |
| 靑 | - | 青字旁 | 清→青 | 清 |
| 非 | - | 非字旁 | 靠→非告 | 靠 |
| 面 | - | 面 | 靥→面厌 | 靥 |
| 革 | - | 革字旁 | 鞋→革圭 | 鞋 |
| 韋 | - | 韦字旁 | 韩→韦干 | 韩 |
| 韭 | - | 韭 | 韮→韭 | 韮 |
| 音 | - | 音字旁 | 韵→音匀 | 韵 |
| 頁 | - | 页字旁 | 顶→丁頁 | 顶 |
| 風 | - | 风字旁 | 飘→風票 | 飘 |
| 飛 | - | 飞字旁 | 翼→飛異 | 翼 |
| 食 | - | 食字旁 | 饭→食反 | 饭 |
| 首 | - | 首字旁 | 馗→首九 | 馗 |
| 香 | - | 香字旁 | 馨→香声 | 馨 |
| 馬 | - | 马字旁 | 骑→馬奇 | 骑 |
| 骨 | - | 骨字旁 | 髋→骨宽 | 髋 |
| 高 | - | 高字旁 | 髙→高 | 髙 |
| 髟 | U+9ADF | 髟字头 | 髪→髟犮 | 髪 |
| 鬥 | - | 鬥 | 闹→鬥市 | 闹 |
| 鬲 | U+9B32 | 鬲 | 融→鬲虫 | 融 |
| 鬼 | - | 鬼字旁 | 魂→鬼云 | 魂 |
| 魚 | - | 鱼字旁 | 鲜→魚羊 | 鲜 |
| 鳥 | - | 鸟字旁 | 鸡→鳥又 | 鸡 |
| 黹 | U+9EF9 | 黹 | 黜→黑出 | 黻 |
| 黑 | - | 黑字旁 | 默→黑犬 | 默 |
| 黹 | U+9EF9 | 黹字旁 | 黼→黹 | 黻 |
| 黽 | - | 黽 | 鼋→黽元 | 鼋 |
| 鼎 | - | 鼎 | 鼐→乃鼎 | 鼐 |
| 鼓 | - | 鼓字旁 | 鼙→鼓卑 | 鼙 |
| 鼠 | - | 鼠字旁 | 鼬→鼠由 | 鼬 |
| 鼻 | - | 鼻字旁 | 鼾→鼻干 | 鼾 |
| 齊 | - | 齐字旁 | 剂→齊刂 | 剂 |
| 齒 | - | 齿字旁 | 龄→齒令 | 龄 |
| 龍 | - | 龙字旁 | 聋→龍耳 | 聋 |
| 龜 | - | 龟 | 亀→龜 | 亀 |
| 丿 | U+4E3F | 撇 | 儿→丿 | 儿 |
| 丨 | U+4E28 | 竖 | 中→丨 | 中 |
| 虱 | U+8671 | 虱 | 虱→搁 | 虱 |
| 凵 | U+51F5 | 凵 | 凵→儿 | 凵 |
| 乍 | U+4E4D | 作 | 乍→作 | 乍 |
使用说明
- 人机共用本文件：人用肉眼看「偏旁」列，bot 只看「Unicode」列（U+XXXX 码点）
- 「Unicode」列规则（重要）：
- 写
U+XXXX→ 该偏旁参与 OCR 碎片过滤（文本中检测到该字符即丢弃整段） - 写
-→ 不参与过滤（仅作偏旁知识记录）。用于两类情况： a) 与常用汉字同形的部首（女/子/日/月/木/水/火/土/金/黑/口/足/山/田/白/石/目/虫/心/手 等）： 这些字在正常聊天中高频出现，若过滤会误杀正常消息（历史坑 #1319） b) 繁体部首（見/貝/車/長/門/頁/風/飛/馬/魚/鳥/齊/齒/龍/龜/戶/靑/韋/鬥/黽 等）： 繁体聊天会出现，误杀繁体用户消息
- 写
- bot 启动时解析「Unicode」列构建码点集合；OCR 文本逐字符比对码点：
- 码点对得上 → 该字符是偏旁碎片，整段丢弃
- 码点对不上 → 正常内容，继续后续流程
- 「Unicode」列必须写偏旁字符的真实码点（如 亻=4EBB、氵=6C35）， 不要写 CJK 部首区段的顺序编号（2E80-2F50 段只是编号，与真实码点不一致， 会导致 bot 比对永远失败、过滤器形同虚设——历史坑 #1389）
- 维护方式：编辑此文件添加/删除偏旁行（改「Unicode」列即生效），重启 bot 即可，无需改代码
- 维护时不要在其他说明文字中写 U+ 开头十六进制（bot 会当作码点解析），只改表格行即可