导入与导出

清风的数据流转分成两类：文本类（词库、短语）直接导出为可读的 .wdict.yaml；聚合类（方案包、整机备份）打包为自描述的 .zip。这个分层决定了下面每一节的形态——文本类可以手工编辑、可以用 Git 管，聚合类则带清单、带校验、带合并策略。

总览

WindDict 文件格式（.wdict.yaml）

词库与短语的导出格式。一个文件 = YAML 头 + 若干 TSV 数据段，段与段之间用 --- !段名 分隔。

# WindInput 用户数据文件
wind_dict:
  version: 1
  generator: WindInput
  exported_at: 2026-08-03T10:00:00+08:00
  schema_id: wubi86
  engine_type: codetable
  sections:
    words:
      columns: [code, text, weight, count]
    freq:
      columns: [code, text, count, last_used]

--- !words
a	工	9999	42
ggll	五笔字型	500	0

--- !freq
def	有	7	1754186400

头部字段

数据段与列

段标签写作 --- !段名，段内每行一条记录，字段用制表符分隔。文件可以只含其中几段，导入端只处理实际存在的段。

各列语义：

• weight —— 静态排序分；count —— 选词次数（调频热度），导入时取两边较大值合并
• last_used —— 最近使用时间，秒级时间戳
• action —— pin（固定到 position）或 del（隐藏）；del 行的 position / cand_id 列留空
• cand_id —— 动态短语的稳定 ID，用于精准匹配同码同文的短语候选；无则留空
• enabled / 布尔值一律写 1 / 0

转义规则

TSV 字段内若含以下字符，导出时转义、导入时还原：

不含这三者的字段原样输出，所以绝大多数行是纯明文，肉眼可读、可手改。

拼音编码带音节空格

拼音方案的 code 列写成带空格的音节码（ni hao 而非 nihao），与 Rime 源词库同形。落库时拆成扁平键 + 音节边界，列结构不变，因此老的无空格文件天然兼容——只是没有边界信息，消费端降级处理。

单音节词往返会丢失边界标记（ni 写出来还是 ni），这是刻意接受的损失：单音节没有切分歧义，且边界缺失在消费端一律是「放行」而非「拒绝」。

容错

• 文件可带 BOM，不影响解析
• 空行跳过；words / temp_words / freq 段字段数少于 2、shadow 段少于 3、phrases 段少于列数的行计入跳过数
• shadow 段 action 不是 pin/del，或 code/word 为空的行跳过
• 数字列解析失败回退 0，该行仍然收录，不算跳过
• 文件里出现未知段标签直接忽略

导入结果会逐段回报「新增 / 更新 / 未变 / 跳过」的条数。

词库导入导出

在设置 → 词库页选中方案后操作。

导出：勾选数据类型

导出对话框里勾选要导出的数据类型，全部写进同一个 .wdict.yaml（默认文件名 方案ID-时间戳.wdict.yaml）。可选类型随方案引擎类型变化：

导入：三种格式自动识别

导入不要求你选格式，按文件内容判定：

Rime 词库（.dict.yaml） —— 头部到 ... 分隔行为止。列取头部的 columns: 列表，缺声明则用 Rime 默认的 [text, code, weight]。编码列内部空白折叠为单个空格（ni hao → ni hao），空格作为音节真值保留下来。缺 text 或 code 的行跳过；权重支持浮点，截断取整；解析失败回退 0。没有 ... 分隔行则报错。

TSV 文本 —— 每行 编码<TAB>词条[<TAB>权重]，# 开头为注释。以下行跳过：列数少于 2、编码或词条为空、编码含非可打印 ASCII（这一条用来拦「词在前、码在后」的列序颠倒文件与乱码文件）。权重列可省，缺省 0。

跨引擎类型校验

WindDict 文件头带 engine_type 时，导入端会与目标方案比对，不一致直接拒绝：

该文件为「码表」类型词库，与当前「拼音」方案不一致，导入会导致编码错乱，已阻止。

五笔的 ggll 与拼音的 ni hao 属于两套编码域，混进去只会得到一堆永远打不出来的词条。老文件没有这个头部字段时不校验，照常导入。

合并与替换

去重键：用户词库 / 临时词库 / 词频 / 候选调整为「方案 + 编码 + 文本」，短语为「编码 + 文本」。

导入前会先跑一次预览（不落盘），回报文件含哪些段、各段将新增 / 更新 / 未变 / 跳过多少条，确认后才执行。

快捷短语导入导出

在设置 → 词库 → 快捷短语中导入导出，格式同为 WindDict，只含 phrases 一段（默认文件名 phrases.wdict.yaml）。短语独有 position 列（同编码同权重时的先后），导入会保留该列的值。详见自定义短语。

方案包（.zip）

单个方案连同其引用资源打成的分发包。在设置 → 方案页选中方案后用「导出」/「导入」。

包内布局

zip 条目名 = 用户方案目录（schemas/）下的相对路径，没有任何目录前缀，导入时原样落盘、零改写：

package.toml                       可选元信息（导出恒写，导入不强制）
wubi86.schema.toml                 方案文件（根条目）
wubi86/wubi86_ext.dict.yaml        引用的词库
wubi86/HeiTiZiGen.ttf              引用的字根字体
shuangpin/my_layout.toml           引用的自定义双拼布局

零前缀是刻意的：方案文件里对词库、双拼布局、拆字表、字体的引用都是相对路径，保持同样的相对结构，导入端不需要重写任何一条引用。

package.toml

[package]
app_version = "0.114.0"
platform = "windows"
created_at = "2026-08-03T10:00:00+08:00"

[schema]
id = "wubi86"
version = "1.2"

[refs]
system = ["wubi86/wubi86_jidian.dict.yaml"]
missing = []

全部字段可缺省——导入端读不到就显示「未知」。[refs] 记录两类不在包内的引用：

• system —— 指向程序自带数据目录的引用。这类文件人人都有，不打包，只记路径
• missing —— 导出时就已经找不到的引用，供接收方排查

资源收集规则

导出时解析方案文件里的全部引用路径，按三类处理：

词库另有一条约定：引用写的是 x.dict.yaml、但用户目录下只有编译好的 x.wdat 时，打包同名的 .wdat，包内条目名也随之改成 .wdat——否则接收方会得到一个名叫 yaml、内容却是二进制的文件，两头都读不了。

导入判据

• 根目录下有 *.schema.toml → 认为是方案包（没有 package.toml 也能导入，方便手工打包）
• 根目录下没有任何 .schema.toml → 拒绝，提示「不是有效的方案包」
• 含 manifest.toml / manifest.json → 拒绝，提示误选了整机备份包或旧格式归档

导入前预览显示：方案 ID 与版本、创建时间、新增文件 / 已存在 / 系统引用 / 缺失各多少个。随后选择：

• 合并 —— 跳过已存在的同名文件（计入「已存在」数）
• 替换 —— 覆盖同名文件

写盘用「先写临时文件再改名」，中途失败不会留下半个文件。

整机备份（.zip）

设置 → 高级 → 备份与还原。操作流程见备份与还原，这里只讲格式。

manifest.toml

包根目录下的自描述清单，还原前免解压即可读取并显示摘要：

format = "windinput-bundle"
kind = "backup"
spec_version = 1
app_version = "0.114.0"
platform = "windows"
created_at = "2026-08-03T10:00:00+08:00"

[[contents]]
type = "dict"
path = "userdata/user_words/wubi86.wdict"
[contents.meta]
schema = "wubi86"

包内布局

manifest.toml
config/config.toml                     type="config"
userdata/user_words/<方案>.wdict        type="dict"        meta.schema
userdata/temp_words/<方案>.wdict        type="temp"        meta.schema
userdata/freq/<方案>.jsonl              type="freq"        meta.schema
userdata/shadow/<方案>.jsonl            type="shadow"      meta.schema
userdata/phrases.wdict                 type="phrase"
userdata/stats.jsonl                   type="stats"       （勾选「包含统计数据」时）
userdata/stats_meta.json               type="stats_meta"  （同上）
schemas/<用户方案目录整树>               type="schema_file"
themes/<用户主题目录整树>                type="theme_file"
state/state.toml                       type="state"       （勾选「包含界面状态」时）

用户数据逐表导出为文本而非直接搬数据库文件：词库与短语用 WindDict 格式，词频、候选调整、统计用 JSON Lines（每行一个 JSON 对象）。这样跨版本、跨平台都稳，也避开了 Windows 上数据库文件被占用的麻烦。

方案与主题按整目录树原样打包；数据表按方案拆分子目录，归属由 manifest 条目的 meta.schema 标注——因此有数据但已停用的方案也会被备份到。

还原范围与策略

还原时可勾选还原范围，对应清单条目的 type：

策略在文件域与数据域上语义不同：

还原完成后自动重载配置、重建短语与受影响方案的缓存，无需重启。

安全限制

三处导入都对归档条目名做了统一守卫，只放行「普通路径段」：拦截 ..、绝对路径、盘符相对路径（C:foo）、UNC 路径，以及段内含冒号的名称（Windows 的 NTFS 备用数据流）。构造恶意 zip 无法把文件写到用户数据目录之外。

从 HTTPS 链接导入主题时会先交给核心程序校验内容再落盘；导入前对话框会提示确认来源可信。

相关阅读

• 备份与还原 —— 一键备份的操作流程与换机迁移
• 词库与词频 —— 词库管理界面与调频原理
• 自定义短语 —— 短语字段与 position
• 自定义方案 —— 方案文件结构与引用路径
• 配置文件与数据目录 —— 各目录职责与覆盖机制