readme

README.md

@@ -28,7 +28,9 @@
       > ![兀](https://user-images.githubusercontent.com/32130780/175266740-caad17d0-39c8-4d5d-a02a-ec04a16ddab5.png)
     - 私用码段字符（PUA）
     - 非汉、又非ASCII的不常用字符（对中文&编程用户）
-
+
+
+
 ## 截图预览
 
 ![Screenshot](https://repository-images.githubusercontent.com/395479775/5b0eff04-c615-4b80-bc87-091443360351)
@@ -59,6 +61,8 @@ UI对字符类型的示意：
   - 浅红色：	是日本新字体（即，仅日文使用的简化字）
   - 蓝色：	是组合字符（无宽度无间距，用于给前一字符加声调等）
 
+
+
 
 ## 用字和编码问题的背景知识链接
 
@@ -106,6 +110,7 @@ UI对字符类型的示意：
 </details>
 
 
+
 ## 进阶用户
 
 web支持GET参数：`https://garywill.github.io/cc-visualize/?s=%s`
@@ -114,19 +119,8 @@ CLI用法为`node cli.js`（不需要再安装其他npm包）。可自行简单
 
 在web中，每次检查完成后，在web控制台也会输出与cli类似的检查结果统计
 
-<details>
-<summary>其他（一般不用看）</summary>
 
-文件名以`pre`开头的为预处理脚本。用于将原始数据生成`.js`包装的数据文件（文件内容类似`xxxx.xxx = { ..很多行... }`），以便于web使用。预处理应按以下顺序运行：
-1. unicode （陆表、港表数据也是取自于此）
-1. cns （台表数据取自于此）
-1. edu 
-1. opencc （需要edu数据）
-1. summary （总数据，最后处理）
 
-我把整合了汉字关联、汉字属性的数据文件以“map”命名。具体一点，`map`仅繁简关联，`map2`是供正常使用的，`map3`是把“不必要的关联”也关联进来了的
-
-</details>
 
 ## 字符编码数据来源及处理说明
 
@@ -139,7 +133,7 @@ CLI用法为`node cli.js`（不需要再安装其他npm包）。可自行简单
 <details>
 <summary>展开详细数据来源及处理说明</summary>
 
-### Unicode Character Database (UCD)
+### 数据来源 之 Unicode Character Database (UCD)
 
 当前UCD版本：15.1
 
@@ -196,7 +190,7 @@ UCD提供txt（文件数量多）和[xml](https://www.unicode.org/Public/15.1.0/
 13	2020年3月		14	2021年9月		15	2022年9月		15.1	2023年9月
 ```
 
-### 中华地区官方中文教育制定的常用字表（地区代号：CN+HK+TW)
+### 数据来源 之 中华地区官方中文教育制定的常用字表（地区代号：CN+HK+TW)
 
 参看[汉字规范#現代規範 - wikipedia](https://zh.wikipedia.org/wiki/%E6%B1%89%E5%AD%97%E8%A7%84%E8%8C%83#%E7%8F%BE%E4%BB%A3%E8%A6%8F%E7%AF%84)
 
@@ -242,21 +236,21 @@ UCD提供txt（文件数量多）和[xml](https://www.unicode.org/Public/15.1.0/
 "牀":{"rel":["床"],"isEdu_HK":true},
 ```
 
-### CNS 11643 的字源数据
+### 数据来源 之 CNS 11643 的字源数据
 
 来自台湾的编码「中文標準交換碼」 （CNS 11643） 的[官方网站](https://www.cns11643.gov.tw/pageView.jsp?ID=59)上，可链接到[对应的数据下载页面](https://data.gov.tw/dataset/5961)（目前约10万字）。数据中包含有以上甲～丙表、以及其他教育汉字字表的字符编码信息，以及它们由CNS 11643到Unicode的转换表
 
 《國中小教科書常用字》 来自下载数据包内，有500多字（此名称在其他地方找不到说明）。它 + CNS11643数据包内的《次常用國字標準字體表》 ≈ 真正的《次常用國字標準字體表》
 
 
-### CCCII （尚未）
+### 数据来源 之 CCCII （尚未）
 
 来自台湾的编码[「中文資訊交換碼」（CCCII，以前又叫EACC）](https://en.wikipedia.org/wiki/Chinese_Character_Code_for_Information_Interchange)将正、简、异、日几种字形的汉字字符分开区域编排，且收录异体数量多。并且，在这种编码下，只要在编码上平移特定的量，就能找到所关联的汉字，不一定要专门的关联表（也因此同一字有时需要多个编码，因为繁简关系不只有一个对应）
 
 据说1987年版本收录5.3万字符。1989的稿收录7.5万字符（4.4万独立字和3.1万变体），这种编码采用的系统少，资料少
 
 
-### OpenCC
+### 数据来源 之 OpenCC
 
 OpenCC含有中文繁简关系、日本用字与中文汉字关系
 
@@ -291,8 +285,23 @@ OpenCC含有中文繁简关系、日本用字与中文汉字关系
 > - 已在\[港表 ∪ 台表甲\]中，且不在\[陆表一 ∪ 陆表二\]中的字，若有简体属性，取消此属性
 > - 已在\[陆表一 ∪ 陆表二\]中，且不在\[港表 ∪ 台表甲 ∪ 台表乙\]中的字，若有繁体属性，取消此属性
 
+#### 数据预处理的方法
+
+文件名以`pre`开头的为预处理脚本（要先cd进入`pre_xxxx`所在目录再运行）。用于将原始数据生成`.js`包装的数据文件（文件内容类似`xxxx.xxx = { ..很多行... }`），以便于web使用。预处理应按以下顺序运行，且只要其中一个更新过，其排序之后的也必须更新：
+1. unicode （陆表、港表数据也是取自于此）（每年需要人工下载跟进）
+1. cns （台表数据取自于此）（每年需要人工下载跟进）
+1. edu 
+1. opencc （需要edu数据）
+1. summary （总数据，最终应使用的）
+
+我把整合了汉字关联、汉字属性的数据文件以“xxxx-data-map”命名。具体一点，`map`仅繁简关联，`map2`是供正常使用的，`map3`是把“不必要的关联”也关联进来了的
+
 </details>
 
+
+
+
+
 ## 方向及限制
 
 1. 因不同地区、文化圈、系统，不同的历史流行输入法、字体，机构所沿用的信息系统的原因，所谓汉字“规范”、“通行”、“正常”字符到底该依照哪个（统一字、部首字符、兼容字，还是暂用私用码，甚至不用万国码而用另一套编码？），本项目（至少目前）无法收录和处理完整的这类信息。