搜狗词库（scel）转化成txt

该工具是一个python程序，你只需要运行python 输入搜狗词库源安装包路劲就可以把scel安装包转化成txt

#!/usr/bin/python  
# -*- coding: utf-8 -*-  
import struct  
import sys  
import binascii   
import pdb  
import os
import codecs

#作者：scarecrow
#来源：核心代码来源于 哥本草根微博 本人仅是加工包装核心代码方便他人使用

#搜狗的scel词库就是保存的文本的unicode编码，每两个字节一个字符（中文汉字或者英文字母）  
#找出其每部分的偏移位置即可  
#主要两部分  
#1.全局拼音表，貌似是所有的拼音组合，字典序  
#       格式为（indexlenpinyin）的列表  
#       index: 两个字节的整数 代表这个拼音的索引  
#       len: 两个字节的整数 拼音的字节长度  
#       pinyin: 当前的拼音，每个字符两个字节，总长len  
#         
#2.汉语词组表  
#       格式为（samepy_table_lenpy_table{word_lenwordext_lenext}）的一个列表  
#       same: 两个字节 整数 同音词数量  
#       py_table_len:  两个字节 整数  
#       py_table: 整数列表，每个整数两个字节每个整数代表一个拼音的索引  
#  
#       word_len:两个字节 整数 代表中文词组字节数长度  
#       word: 中文词组每个中文汉字两个字节，总长度word_len  
#       ext_len: 两个字节 整数 代表扩展信息的长度，好像都是10  
#       ext: 扩展信息 前两个字节是一个整数（不知道是不是词频） 后八个字节全是0  
#  
#      {word_lenwordext_lenext} 一共重复same次 同音词 相同拼音表  
  
#拼音表偏移，  
startPy = 0x1540;  
  
  
#汉语词组表偏移  
startChinese = 0x2628;  
  
#全局拼音表  
  
GPy_Table ={}  
  
#解析结果  
#元组（词频拼音中文词组）的列表  
GTable = []  
  
def byte2str（data）:  
    ‘‘‘‘‘将原始字节码转为字符串‘‘‘  
    i = 0;  
    length = len（data）  
    ret = u‘‘  
    while i < length:  
        x = data[i] + data[i+1]  
        t = unichr（struct.unpack（‘H‘x）[0]）  
        if t == u‘\r‘:  
            ret += u‘\n‘  
        elif t != u‘ ‘:  
            ret += t  
        i += 2  
    return ret  
#获取拼音表  
def getPyTable（data）:  
  
    if data[0:4] != “\x9D\x01\x00\x00“:  
        return None  
    data = data[4:]  
    pos = 0  
    length = len（data）  
    while pos < length:  
        index = struct.unpack（‘H‘data[pos]+data[pos+1]）[0]  
        #print index  
        pos += 2  
        l = struct.unpack（‘H‘data[pos]+data[pos+1]）[0]  
        #print l  
        pos += 2  
        py = byte2str（data[pos:pos+l]）  
        #print py  
        GPy_Table[index]=py  
        pos += l  
  
#获取一个词组的拼音  
def getWordPy（data）:  
    pos = 0  
    length = len（data）  
    ret = u‘‘  
    while pos < length:  
          
        index = struct.unpack（‘H‘data[pos]+data[pos+1]）[0]  
        ret += GPy_Table[index]  
        pos += 2      
    return ret  
  
#获取一个词组  
def getWord（data）:  
    pos = 0  
    length = len（data）  
    ret = u‘‘  
    while pos < length:  
          
        index = struct.unpack（‘H‘data[pos]+data[pos+1]）[0]  
        ret += GPy_Table[index]  
        pos += 2      
    return ret  
  
#读取中文表      
def getChinese（data）:  
    #import pdb  
    #pdb.set_trace（）  
      
    pos = 0  
    length = len（data）  
    while pos < length:  
        #同音词数量  
        same = struct.unpack（‘H‘data[pos]+data[pos+1]）[0]  
        #print ‘[same]:‘same  
          
        #拼音索引表长度  
        pos += 2  
        py_table_len = struct.unpack（‘H‘data[pos]+data[pos+1]）[0]  
        #拼音索引表  
        pos += 2  
        py = getWordPy（data[pos: pos+py_table_len]）  
  
        #中文词组  
        pos += py_table_len  
        for i in xrange（same）:  
            #中文词组长度  
            c_len = s

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        6486  2016-10-12 02:33  scelToTxt.py