Qwerty Learner 自定义词库完全指南:3 招把专属单词库接进打字练习
2026/9/20 10:14:07 网站建设 项目流程

Qwerty Learner 自定义词库完全指南:3 招把专属单词库接进打字练习

【免费下载链接】qwerty-learner为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workers项目地址: https://gitcode.com/GitHub_Trending/qw/qwerty-learner

Qwerty Learner 把打字练习和单词记忆做在了一起,默认词库从小学课本到雅思、GRE 基本都覆盖,但你自己的备考高频词、工作里的专业术语,它不一定收。这篇指南带你走通"自定义词库 JSON 文件 → 注册配置 → 在应用里练起来"的完整链路,顺带把常见的坑一次排掉。

主界面:左侧选词库和章节,右侧跟着打字,词库扩展后新词库会出现在这里

📁 备考高频词怎么加:攒好词表,转成 JSON 放进 public/dicts/

先说清楚文件格式,能省掉后面一半的排查时间。所有词库都是public/dicts/目录下的 JSON 文件,外层是一个数组,每个单词长这样:

[ { "name": "example", "trans": ["例子,实例"], "usphone": "ɪɡˈzæmpl", "ukphone": "ɪɡˈzɑːmpl" } ]

几个容易踩的点:trans是数组,一个词多个释义就放多条;usphoneukphone不确定就留空字符串,别省字段;文件名建议用英文加下划线,比如my_vocabulary.json,避免中文路径在某些系统上出问题。

动手前先git clone https://gitcode.com/GitHub_Trending/qw/qwerty-learner把项目拉到本地,后面所有改动都在你自己的副本里做,仓库保持原样。把词表从 Excel、CSV 导出后按上面的结构改好,存进本地副本的public/dicts/就行——应用只认这个目录,路径放对,后面全靠它被识别。

新词库接进来后,默写等练习模式同样适用,适合高频词滚动复习

专业术语表怎么组织:在 dictionary.ts 里登记元数据

光有 JSON 文件还不够,应用靠一份资源清单知道词库的名字、分类和语言。打开src/resources/dictionary.ts,找到对应分类的数组(比如chinaExam),照着现有条目抄一份、改字段:

{ id: 'my-vocab', name: '我的备考高频词', description: '自定义词库示例', category: '我的词库', tags: ['自定义'], url: '/dicts/my_vocabulary.json', length: 120, language: 'en', languageCategory: 'en', },

id必须全局唯一,和现有词库重了就可能互相覆盖,建议带上自己的前缀;category决定它在词库目录页归到哪一栏,自建分类填新名字也能显示;language决定发音和练习模式走哪套规则,不填对的话读音和拼写判定都会怪怪的。

词库目录页:自定义词库会按你填的 category 归入对应分类

加完不显示?按这个顺序排查三处

配置完重启本地应用,如果新词库没出现,别急着怀疑代码,按顺序看:

  1. url和真实文件是否完全一致:相对路径、大小写、.json后缀,差一个字符就是 404
  2. JSON 外层是不是数组:写成{"words": [...]}这种对象形式,解析会直接失败
  3. length填没填:不填词库也能出现,但目录页词数会显示 0。嫌手动数麻烦,项目自带 词库尺寸统计脚本,跑一遍就能把所有词库的 length 刷新成真实值

都对了还不行,打开浏览器控制台看 fetch 有没有报错,基本就锁定在文件路径这一层了。

进阶玩法:统计词量、滚动更新、分享给社区

  • 按章节练:词库按每 20 个词自动切一章,词多自然分多章,不用手动拆
  • 滚动维护:词汇是活的,建议定期把新遇到的词补进 JSON,比一次性堆满更有效
  • 分享词库:如果你整理的词库对别人也有用,可以按 贡献指南 的流程提 PR,让社区一起用

选中新注册的词库直接开练,学习进度和统计会自动记录

✅ 去本地副本的public/dicts/建你的第一份自定义词库 JSON,十分钟就能把专属词汇接进打字练习。

【免费下载链接】qwerty-learner为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workers项目地址: https://gitcode.com/GitHub_Trending/qw/qwerty-learner

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

需要专业的网站建设服务?

联系我们获取免费的网站建设咨询和方案报价,让我们帮助您实现业务目标

立即咨询