HuaRenCa
Back to Forum
Community

WeChat-Eingabemethode: Extraktor für sensible Wörter

醉听松风
醉听松风

2 weeks ago

Nachdem ich diesen Beitrag gesehen habe – es liegt also nicht an meiner Ungeschicklichkeit, sondern daran, dass Cook ständig im Hintergrund mit mir Tauziehen veranstaltet! – #13, von xjx, inspiriert,

Tatsächlich gibt es auch in der WeChat-Eingabemethode sensible Wörter, und zwar ziemlich lustige.

Spoiler

Für diejenigen ohne v2ex-Konto habe ich sie hier herausgeschrieben.

Aus Interesse habe ich mit KI-Unterstützung diesen Extraktor für sensible Wörter der WeChat-Eingabemethode geschrieben.

Derzeit umfasst dieser Wortschatz etwas über 10.000 Einträge. Vorschau des Extraktionsergebnisses:

(Weil der Inhalt zu brisant ist, lasse ich die Ergebnisse hier weg.)

Dieses Tool extrahiert aus der Datei .\BuildIn\cell_dict.ssrc.zh im Installationsverzeichnis der WeChat-Eingabemethode und wurde mit der neuesten Windows-Version erfolgreich getestet.

Konkrete Verwendung:

python export_sensitive_single.py -f <cell_dict.ssrc.zh> -o <out.txt>

Darüber hinaus gibt es noch einige interessante Entdeckungen: Die WeChat-Eingabemethode enthält zusätzlich eine weniger sensible „Sensible-Wörter“-Datenbank (kind=440).

Diese zusätzliche Wortdatenbank kann zwar Wörter bilden, wird in der Implementierung der Eingabemethode jedoch separat kategorisiert.

Ob es eine besondere Behandlung gibt (zum Beispiel Protokollierung), habe ich nicht weiter analysiert.

Download-Adresse des Tools: https://pastebin.com/emEXbrCh (Extraktionscode: x7E56zQ4uZ)

Wer nicht herunterladen möchte: Die vollständige Wortdatenbank wird bereitgestellt.

WeChat-Eingabemethode: Extraktor für sensible Wörter

6
1.7K

Comments (6)

Your avatar
Sign in to comment
荒野丛林
荒野丛林2 weeks ago

Unter macOS sind die Pfade vermutlich anders – am besten prüfen Sie zuerst das System, bevor Sie loslegen.

易济
易济2 weeks ago

Ich wollte kurz fragen, wie lange es ungefähr dauert, mehr als zehntausend Einträge zu extrahieren, und ob ich die Eingabemethode vorher vollständig beenden sollte? Und denkst du daran, den Teil mit kind=440 auch mit zu exportieren, oder bearbeitest du nur das Hauptwörterbuch?

飘移不过弯
飘移不过弯2 weeks ago

Du hast kind=440 als eigene Kategorie eingeordnet – ich frage mich, ob das vielleicht nur von der Eingabemethode für die Wortgruppen-Vervollständigung genutzt wird und nichts mit der Abfanglogik zu tun hat. Könntest du das anhand der Dateistruktur noch einmal bestätigen?

adas67890
adas678901 week ago

Überprüfen Sie zuerst den Hash und führen Sie das Skript nicht einfach per Doppelklick aus.

猫科斯塔灬
猫科斯塔灬1 week ago

Bei der Nutzung solcher Tools auf gemeinsam genutzten Rechnern ist Vorsicht geboten: Exportierte TXT-Dateien können von Sync- oder Backup-Software mitgenommen werden. Außerdem ändert sich das Installationsverzeichnis je nach Version, sodass Dateipfade nach einem Upgrade ungültig werden können. Am besten führt man das Tool in einer virtuellen Maschine oder einer isolierten Umgebung aus und gibt die Ergebnisse nicht einfach weiter.

平安江南咏
平安江南咏1 week ago

Der Kern des Problems ist, dass Wortschatzquelle und Version nicht übereinstimmen und es dadurch zu Verfälschungen kommt. Es empfiehlt sich, die Versionsnummer der Eingabemethode zum Zeitpunkt der Extraktion anzugeben, um spätere Vergleiche und Aktualisierungen zu erleichtern.