# 数据说明与授权

本目录的数据由四个脚本生成：`scripts/import-tw-readings.mjs`（台湾读音、繁体单字读音，2026-11-21）、`scripts/import-open-data.mjs`（开源数据，2026-11-20 第一次导入）、`scripts/import-hant.mjs`（繁体：台湾笔顺、注音、简繁对照）和 `scripts/import-from-island.mjs`（汉字小岛审校过的拼音、常用词、词频）。原始下载文件不放进仓库。

| 文件 | 来源 | 授权 | 改了什么 |
| --- | --- | --- | --- |
| `strokes/*.json`、`medians/*.json` | [hanzi-writer-data](https://github.com/chanind/hanzi-writer-data) 2.0.1（源自 Make Me a Hanzi 与 Arphic Technology 字形数据），9,574 个字 | [Arphic Public License](licenses/Arphic-Public-License.txt) | **只转格式，笔画内容未修改**：2026-11-20 把每字一个文件按“码点 >> 7”合并成分桶文件（文件名是桶号的十六进制）；笔画轮廓 `strokes` 放 `strokes/`（字帖只下载这个），笔画中线 `medians` 放 `medians/`（以后做笔顺动画用）；去掉了 `radStrokes`（部首笔画编号）字段 |
| `dict/*.json` | [Make Me a Hanzi](https://github.com/skishore/makemeahanzi) `dictionary.txt`（源自 Unihan、CJKlib） | LGPL v3 或更新版本，见 [COPYING](licenses/MakeMeAHanzi-COPYING.txt) | 作为独立数据文件使用；只取有笔顺数据的字，每个字只留 `pinyin`（p）、`radical`（r）、`decomposition`（d）三项，按码点分桶 |
| `phrases.json` | [phrase-pinyin-data](https://github.com/mozillazg/phrase-pinyin-data) 0.20.0 的主文件 `pinyin.txt` | [MIT](licenses/phrase-pinyin-data-MIT.txt) | 只留 2–4 个字、每个字都有笔顺数据的词语；没用 `large_pinyin.txt`（其中来自汉典的部分授权不清） |
| `poems.json` | [chinese-poetry](https://github.com/chinese-poetry/chinese-poetry) 的千家诗、唐诗三百首（繁体）和水墨唐诗（简体） | [MIT](licenses/chinese-poetry-MIT.txt) | 千家诗、唐诗三百首用 [OpenCC](https://github.com/BYVoid/OpenCC) 的 `TSCharacters.txt`（[Apache-2.0](licenses/OpenCC-Apache-2.0.txt)）逐字转成简体，一字多义时取第一个；两本书里全部一字对多字的例子逐条看过，改了两处：正文的“沈”都改成“沉”（作者沈佺期不改），“乾坤”保留“乾”；水墨唐诗本来是简体，同一首诗优先用它；按正文去重；作者去掉朝代前缀，朝代另记；另加 17 首孩子常背的诗（公有领域，本项目逐字整理，标为“常背”）；`ok` 表示每个字都有笔顺数据 |
| `pinyin.json` | 汉字小岛审校过的字表读音（1,800 字，每字一个读音） | 汉字小岛自有内容 | 只取“字 → 拼音”两项。单字拼音优先用它，没有的再用 Make Me a Hanzi 的第一个读音 |
| `island-words.json` | 汉字小岛字表里每个字配的常用词（`word`、`other`） | 汉字小岛自有内容 | 只取 2–4 个字、含这个字的词；“组词”最先用它们 |
| `island-word-freq.json` | 统计：`phrases.json` 里的词在小岛例句、短文（82 篇）、小书（60 本）里出现几次 | 统计结果 | 只记出现过的词；“组词”只用出现两次以上的，次数多的在前（出现一次的多半是句子里截出来的半截，如“地上人”里的“上人”） |
| `strokes-hant/*.json`、`medians-hant/*.json` | [animCJK](https://github.com/parsimonhi/animCJK) 的 `graphicsZhHant.txt`：台湾笔顺（依台湾教育部常用字笔顺，例如“馬”前两笔和大陆相反，“艹”写 4 笔），1,839 个字 | [Arphic Public License](licenses/Arphic-Public-License.txt)，见 [animCJK COPYING](licenses/animCJK-COPYING.txt) | **只转格式，笔画内容未修改**：2026-11-20 按“码点 >> 7”分桶，轮廓和中线分开存 |
| `dict-hant.json` | animCJK 的 `dictionaryZhHant.txt`（台湾字的部首、结构） | [LGPL v3](licenses/LGPL-3.0.txt) | 只取有台湾笔顺的字，每个字只留部首（r）和拆分（d） |
| `zhuyin.json` | animCJK `svgsZhHansZoo` 里 37 个注音符号（ㄅ–ㄩ）的笔画 | [LGPL v3](licenses/LGPL-3.0.txt)（注音符号不是从 Arphic 字体来的） | 2026-11-20：取出笔画轮廓，坐标从“y 向下”换成和笔顺数据一样的“y 向上、基线 900”，再按外框缩放到同样大小、放在正中（原图里大小位置不一，如“ㄩ”偏右出框）。声调符号（ˊ ˇ ˋ ˙）不在里面，由 `src/core/phonetic.js` 自己画 |
| `s2t.json`、`t2s.json` | [OpenCC](https://github.com/BYVoid/OpenCC) 的 `STCharacters.txt`、`STPhrases.txt`、`TWVariants.txt`、`TSCharacters.txt` | [Apache-2.0](licenses/OpenCC-Apache-2.0.txt) | 简转繁：单字取第一个候选，再按台湾用字表转成台湾写法（牀→床、爲→為、裏→裡、着→著）；词语只留“逐字转会转错”且长度不变的 9,007 个（处理“头发→頭髮”“后来→後來”“皇后”这类一对多）。繁转简：单字取第一个候选 |
| `tw-pinyin.json` | **台湾读音**（c 单字、w 词）：[CC-CEDICT](https://www.mdbg.net/chinese/dictionary?page=cc-cedict)（2026-11-21 版）里单独写着 “Taiwan pr.” 的条目，430 条；**繁体单字读音**（t）：Unicode [Unihan](https://www.unicode.org/reports/tr38/) 18.0.0 的 kMandarin，41 个字 | c、w：**[CC BY-SA 4.0](licenses/CC-CEDICT-CC-BY-SA-4.0.txt)，这个文件同样按 CC BY-SA 4.0 公开**；t：[Unicode License v3](licenses/Unicode-License-v3.txt) | 由 `scripts/import-tw-readings.mjs` 生成，**读音内容未修改**：只转格式（数字声调→带调号）。只取整条都适用的台湾读音（某一个意思后面括号里写的不取，例如“和 (and) han4”）；选“注音”时才用。t 只取“几个繁体字合成一个简体字、读音又不同”的字（乾/干、隻/只、髮/发），取第一个读音；选繁体时都用 |
| `licenses/hanzi-writer-MIT.txt` | Hanzi Writer 的授权声明，留作以后加笔顺动画用 | MIT | — |

**注意**：繁转简是逐字转换，个别一字多义的字可能转得不对；古诗和词语的拼音是自动标注的，页面上提示家长核对。
