HuaRenCa
返回论坛
日常交流

微信输入法敏感词提取器

醉听松风
醉听松风

2周前

看到这个帖子 原来不是我手残,是库克天天在后台跟我拔河! - #13,来自 xjx 有感,

其实微信输入法也有敏感词 而且非常搞笑

剧透

没有v2ex号的 我给你们发出来了

出于兴趣,在 AI 的辅助下,我编写了本微信输入法敏感词提取器

目前该词库的词条数量在 1 万出头,提取效果预览:

(由于内容过于劲爆,这里不放结果了)

本工具从微信输入法安装目录的.\BuildIn\cell_dict.ssrc.zh 文件提取,在 Windows 最新版测试通过

具体用法:

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

此外还有一些有趣的发现,微信输入法还另内置一个不那么敏感的“敏感词”库( kind=440 )

该额外的词库虽然可以组词,但是在输入法实现中被单独归类,

至于是否有特殊处理(比如记录),本人没有进一步分析

工具下载地址: https://pastebin.com/emEXbrCh (提取码:x7E56zQ4uZ )

不想下载的 提供完整版词库

微信输入法敏感词提取器

6
1.7K

评论 (6)

Your avatar
点击登录后即可评论
荒野丛林
荒野丛林2周前

macOS 上路径估计不一样,先确认系统再动手比较稳妥。

易济
易济2周前

想问下提取一万多条大概要跑多久,是否需要先把输入法完全退出?还有 kind=440 那部分你打算也一起导出吗,还是只处理主词库?

飘移不过弯
飘移不过弯1周前

你说的 kind=440 单独归类,我在想会不会只是输入法用来做词组联想,跟拦截逻辑没有关系;这点能不能从文件结构上再确认一下?

adas67890
adas678901周前

先核对一下哈希,别直接双击运行脚本。

猫科斯塔灬
猫科斯塔灬1周前

这类工具在共享电脑上用要留意,导出的 txt 可能被同步盘或备份软件带走;另外安装目录随版本变化,升级后文件路径可能失效,最好在虚拟机或隔离环境里跑,结果也别随手外传。

平安江南咏
平安江南咏1周前

核心还是词库来源和版本对不上就会失真,建议标注提取时的输入法版本号,方便后续比对更新。