首先，介绍一下背景：
之前多次说过，我正在做一个开源的笔顺输入法，现在单字码表已经完成，准备做词汇码表。
也得到一些开源程序员的劝诫，说不能盗用别人的码表，需要得到别人的同意或者原创的才能纳入开源库。
词库码表少则几万个词汇，多则几百万个词汇，
我想挑出一些最常用的词汇写个程序脚本加上我的笔顺编码，作为基础词库，其它的则以分类词库供人选用。
所以，我就想看看，其它的输入法的“常用词汇”一般都有哪些？

于是，网上搜索找到了一个——搜狗核心词库.7z
解压缩后，得到两个txt格式的词库（不带拼音，一个是7.7版，另一个是8.0版），每个版本都是4万6千个字词。
但仔细一挑选就发现，这个安装后的不联网的默认词库，从开源爱好者的角度来看，简直是没法用啊！
虽然它也许包括有搜狗根据数据统计得到的“使用频率最高”的一些词汇，但也掺进了许多垃圾，体现了搜狗三个方面的思想：

一是懒。
只要是用户敲得多的，不加辨识，一律纳入，不论错误断句、错别字词、谐音别字（拼音输入常见）统统收纳。
而且字词扩展的语句太多，挤占了其它词汇应当存在的空间。当然联网有云词库就不怕，但如果不连上网络就麻烦了。
例如：“你要”开头的有133条，“你还”开头的有152条，“我就”开头的有247条，像“你为什”这样半截词有很多。

二是贪。
著名的、知名的、有名的企业、产品、网站，录入一些常见的，也情有可原。
但是你搜索以“……网”为结尾的词看看，有几个？哦不，应该说“有几百个？”——几百个不算多是吧？
那么连带这些网站的分类导航也收录进去了，而且这些网站是某个不知道属于那个省的小城市的不出名的小网站，不奇怪吗？
房产、汽车的品牌名称更是一个都能不少，全国人民整天都在聊这些名称？输入这些品牌名称的频率能超过许多字词？
——这些词汇是更应该放入“云词库”才对的啊，为什么把它们放入了软件自带的默认字库？不用联网也能做广告了，是吧？
不知道“百度输入法、QQ输入法”有没有这样的情况？（“呵呵”二字我在这里能不能节省下来？）

三是脏。
这是第一点的延伸——懒人自然是没有公德心的，不会去主动做“净化环境”的事情的，懒得做嘛。其结果就是脏：
充满了各种污秽的粗口话、网络自造的新词歪词恶搞词、甚至还有一眼看上去就知道是色情网站名称等单词。
——你是想方便孩子们输入这些词？或者你是想孩子们在打其它词的时，提示栏里也冒出这些词汇？

不是说要用输入法来“完全屏蔽不良词汇，完全无法输入”，但你也不能让这些恶劣的词汇能“更方便地输入”啊。
例如一句侮辱别人母亲的骂人话，你只要不把它纳入输入法词汇中，让想骂人的人一个字一个字慢慢打，这样世界就可以安静许多了嘛。
——我也不怕大家转发这篇文章出去，最好让张朝阳看到，醒醒脑，改良改良。
（注意：不是要你改良核心词库的加密方法，相反，而是应该改良自带的默认词库并公开给大家看看！不就4万6千个单词嘛。）
——借用他参与的一个广告里说的台词：“不就一个破企业嘛。”最近电视台经常播放的。




--------------------- 2017-04-14 补充：为什么我讨厌360和百度 --------------------------

小学老师布置作业：“我们明天要学的课文里，提到一个典故‘烽火戏诸侯’，大家回家后预习预习，‘烽火戏诸侯’讲的是什么故事？不懂的可以上网百度一下，”小朋友很听话地回家上网百度了，然后笑话就来了——搜索到那么多个结果，哪个结果才是啊？问问各大搜索引擎的掌门人，你们希望自己的孩子搜索到这个结果吗？

用事实说话，国内可以访问到的各大搜索引擎（时间2017年04月14日）搜索“烽火戏诸侯”得到结果的对比截图。

360搜索到的首页没有解释这个典故的文字结果，第1项放的是自己的360百科，但却是在介绍一个网络作家，第2项是相关新闻讨论，第5项有相关图片，彻底体现了360的历史价值观（对历史根本不屑一顾）。

百度搜索到的首页第4项才是解释这个典故的文字结果，第1项放的是自己的百度百科，但却是在介绍一个网络作家，下面有个小字“历史典故”，完全体现了百度的历史价值观（历史必须排在网络名人之后）。

必应搜索到的首页解释这个典故虽然排在第3项，但前2项目用不同颜色背景表明那些是广告，观众可以不费力跳过，直接看到“实际”的第一位置是互动百科的解释，而且第3项收录的百度百科也没弄混，把典故放前，那个同名网络作家放后，算个良心商家（广告可以有，但要划分清楚界线）。

搜狗搜索到的首页解释这个典故排在第1项，是来自互动百科的解释，第4项是取自360个人图书馆（为什么360自己不搜索自己？），其它的依然大部分是那个同名网络作家的链接。

国搜搜索到的首页解释这个典故也排在第1项，放的是自己的国搜百科，后面的搜索结果才是相关游戏新闻，是所有搜索引擎中出现那个同名网络作家最少的（也许是因为这个搜索引擎刚诞生不久比较新？）。




--------------------- 2017-04-14 补充：为什么我讨厌腾讯 --------------------------

当然windows下的QQ是一个很好的网络聊天软件，但如同搜狗输入法一样，“好用”并不代表“我喜欢”。
经常使用Linux系统的人绝大部分都讨厌腾讯吧？原因自然不用多说，如果再翻看“如何在Linux上用QQ”的发展历史，就不只是讨厌，而更是气愤了。

现在只能幻想：未来某日，中美发生战争，主席一声令下：“禁止使用windows软件！”，然后主席在视察“国产Linux操作系统”时问一句：“我的孩子想在这个系统上用QQ和同学聊天，怎么办？”——也许这时候，腾讯才会屁颠屁颠地去加班加点开发真正可用的Linux版QQ吧？（当然，也有可能很有骨气，打死也不开发Linux版的QQ！）

个人感觉fcitx拼音无压力
平常都养成了"训练"拼音输入法的习惯
如果输入法组词错误,我就会让故意多打几遍
感觉不是很大的压力
当然,要注意合理分词,不能自己随便乱拆,乱拆开打别说机器,就是人也会读不懂

搜狗有个优点可以同步用户词库，这样优先显示自己的词库

有一段时间，我们统一使用搜狗/fcitx，不过因为碰到一些稳定度的问题，决定不再“无事惹尘埃“（我们的学员们在技术及中文方面都是菜鸟），全盘转到ibus-pinyin。一年多来，还没有碰到任何问题。（Knock on Wood!）

当然啦，输入法是一个相当personal的事，我也不敢奢望论坛的大牛们能够对我们提供支持，放一点时间到ibus-pinyin上。

有一位朋友跟我提到，搜狗因为搜集（cache）用户输进去的词库，在隐私甚至安全方面可能要注意一下。事实如何，不了解，也没有兴趣去了解。不过我倒是看过搜狗的一个专利，让用户对自己的cache加密（encryption）。

小小输入法也能加密。甚至个人的部分隐私数据，都可加密。
智能输入法，词库大是理所当然的，想小就自己编，使用带码的输入法。
小小输入法也能同步，手机，电脑等都能同步。如果会点脚本，自己搞个码表，使用是非常爽的事情。

我有一些徒弟跟我发誓，他们使用像“同花顺”之类的玩股软件时，输入的资料一定被网站cache过去了。因为每次好不容易找到一个珍藏不露的好股票，正想进场就会被炒起来了。在这个“大资料库”的时代，cache的收集者不见得会直接使用我们的资料，但会被拿去拍卖（clearing house）。把cache资料跟IP地址连在一起也是很容易的事。

今天遇到一些事，于是有感而发，编辑补充：为什么我讨厌百度360腾讯。