feat:生文

This commit is contained in:
R524809
2026-01-30 16:04:10 +08:00
parent d4fc8f44ee
commit e7b4a948ac
63 changed files with 981954 additions and 1124 deletions
+239 -99
View File
@@ -22,76 +22,85 @@
- 优势:文档型数据库,灵活性强
- 劣势:关联查询复杂,不适合强关联关系场景
## 2. 数据设计
## 2. 数据库分离设计
### 2.1 核心设计思路
**是否分离英语和汉字?**
**字和词分离为两个独立的数据库**
**建议:统一表设计,通过类型字段区分**
**设计原则:**
1.**汉字数据库**:专门存储汉字相关数据,包含汉字的特有属性(笔画、结构、部首等)
2.**词语数据库**:专门存储词语相关数据,包含词语的组成和关联关系
3.**数据隔离**:字和词的数据结构差异较大,分离后更便于管理和优化
4.**扩展性好**:后续如需支持英语单词,可单独设计英语数据库
**理由**
1.**数据结构相似**:汉字、词语、英语单词、字母的基础字段基本相同
2.**关联关系统一**:都需要关联图片、句子、关联字词等
3.**查询便利**:统一表结构便于统一查询和筛选
4.**维护简单**:减少表数量,降低维护成本
5.**扩展性好**:后续如需新增类型,只需扩展类型枚举
**注意**
- 英语展示不考虑和汉字放在一个库
- 当前版本先完成汉字数据库的设计和实现
- 词语数据库表暂时设计,后续实现
**如果数据量特别大,可以考虑:**
- 按类型分表(水平分表)
- 使用数据库分区功能
## 3. 汉字数据库设计
## 3. 数据表详细设计
### 3.1 汉字主表 (chars)
### 3.1 字词主表 (words)
存储所有字词的基础信息。
存储汉字的基础信息。
```sql
CREATE TABLE words (
CREATE TABLE chars (
id BIGSERIAL PRIMARY KEY,
content VARCHAR(50) NOT NULL COMMENT '字词内容',
type VARCHAR(20) NOT NULL COMMENT '类型: chinese_char(汉字), chinese_word(词语), english_word(英语单词), english_letter(英语字母)',
grade INT COMMENT '年级: 1-9NULL表示未设置',
pinyins TEXT[] COMMENT '拼音数组,支持多音字',
pronunciations TEXT[] COMMENT '读音数组,存储音频文件路径或读音标注',
svg_data JSONB COMMENT 'SVG笔画数据,JSON格式',
char VARCHAR(10) NOT NULL UNIQUE COMMENT '汉字内容,如"中"',
strokes INT NOT NULL COMMENT '笔画数',
pinyin TEXT[] NOT NULL COMMENT '拼音数组,支持多音字,如["zhōng", "zhòng"]',
radicals VARCHAR(10) COMMENT '偏旁部首',
frequency INT COMMENT '使用频率: 0(最常用), 1(较常用), 2(次常用), 3(二级字), 4(三级字), 5(生僻字)',
structure VARCHAR(10) COMMENT '汉字结构代码,如"D0"(独体结构), "H2"(左窄右宽)等',
traditional VARCHAR(50) COMMENT '繁体字写法,可能有多个,用逗号分隔',
stroke_data JSONB COMMENT '笔画数据,JSON格式,存储笔画顺序和路径信息',
grade INT COMMENT '年级: 0-9NULL表示未设置',
audios TEXT[] COMMENT '音频文件路径数组',
description TEXT COMMENT '描述信息',
status VARCHAR(20) DEFAULT 'active' COMMENT '状态: active(启用), inactive(禁用)',
created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
updated_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
created_by BIGINT COMMENT '创建人ID',
updated_by BIGINT COMMENT '更新人ID',
-- 索引
INDEX idx_content (content),
INDEX idx_type (type),
INDEX idx_char (char),
INDEX idx_strokes (strokes),
INDEX idx_pinyin (pinyin),
INDEX idx_radicals (radicals),
INDEX idx_frequency (frequency),
INDEX idx_structure (structure),
INDEX idx_grade (grade),
INDEX idx_status (status),
INDEX idx_created_at (created_at)
INDEX idx_status (status)
);
-- 全文搜索索引
CREATE INDEX idx_content_fulltext ON words USING GIN (to_tsvector('simple', content));
CREATE INDEX idx_char_fulltext ON chars USING GIN (to_tsvector('simple', char));
```
**字段说明:**
- `content`: 字内容,如"中"、"中国"、"hello"
- `type`: 类型枚举,便于后续扩展
- `grade`: 年级,1-9年级,NULL 表示未设置
- `pinyins`: PostgreSQL 数组类型,存储多个拼音
- `pronunciations`: 读音数组,可以是音频文件路径或文本标注
- `svg_data`: JSONB 类型,存储 SVG 配置数据
- `char`: 字内容,唯一不重复,如"中"
- `strokes`: 笔画数,整数类型
- `pinyin`: PostgreSQL 数组类型,存储多个拼音,支持多音字
- `radicals`: 偏旁部首,如"中"的部首是"丨"
- `frequency`: 使用频率,0为最常用,1为较常用,2为次常用,3为二级字,4为三级字,5为不在《通用规范汉字》的生僻字
- `structure`: 汉字结构代码,参考结构代码表(见 `structure_codes.json`),如"D0"(独体结构)、"H2"(左窄右宽)等
- `traditional`: 繁体字写法,可能有多个,用逗号分隔,如"乾幹"
- `stroke_data`: JSONB 类型,存储笔画数据,包含笔画顺序和路径信息(原 svg_data 字段)
- `grade`: 年级,0-9年级,NULL 表示未设置
- `audios`: 音频文件路径数组,存储音频文件路径
- `status`: 启用/禁用状态,支持软删除
### 3.2 图片表 (word_images)
**结构代码说明:**
- 结构代码定义见 `structure_codes.json` 文件
- 常见结构代码:D0(独体结构)、D1(镶嵌结构)、B1-B4(上下结构)、H1-H3(左右结构)、R1-R6(半包围结构)等
存储字词关联的图片信息。
### 3.2 汉字图片表 (char_images)
存储汉字关联的图片信息。
```sql
CREATE TABLE word_images (
CREATE TABLE char_images (
id BIGSERIAL PRIMARY KEY,
word_id BIGINT NOT NULL COMMENT '关联的字ID',
char_id BIGINT NOT NULL COMMENT '关联的字ID',
image_type VARCHAR(20) NOT NULL COMMENT '图片类型: original(原图), standard(标准图)',
file_path VARCHAR(500) NOT NULL COMMENT '图片文件路径',
file_name VARCHAR(200) NOT NULL COMMENT '原始文件名',
@@ -101,50 +110,47 @@ CREATE TABLE word_images (
mime_type VARCHAR(50) COMMENT 'MIME类型',
is_primary BOOLEAN DEFAULT FALSE COMMENT '是否为主图',
sort_order INT DEFAULT 0 COMMENT '排序顺序',
created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
updated_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
FOREIGN KEY (word_id) REFERENCES words(id) ON DELETE CASCADE,
INDEX idx_word_id (word_id),
FOREIGN KEY (char_id) REFERENCES chars(id) ON DELETE CASCADE,
INDEX idx_char_id (char_id),
INDEX idx_image_type (image_type),
INDEX idx_is_primary (is_primary)
);
```
**字段说明:**
- `word_id`: 关联的字ID
- `char_id`: 关联的字ID
- `image_type`: 区分原图和标准图
- `file_path`: 图片存储路径
- `is_primary`: 标记主图,用于列表展示
- `sort_order`: 排序字段,支持多图排序
### 3.3 字关联表 (word_relations)
### 3.3 字关联表 (char_relations)
存储字之间的关联关系。
存储字之间的关联关系(如形近字、同音字等)
```sql
CREATE TABLE word_relations (
CREATE TABLE char_relations (
id BIGSERIAL PRIMARY KEY,
source_word_id BIGINT NOT NULL COMMENT '源字ID',
target_word_id BIGINT NOT NULL COMMENT '目标字ID',
relation_type VARCHAR(20) NOT NULL COMMENT '关联类型: word_to_char(词包含字), char_to_word(字的组词), synonym(同义词), antonym(反义词)',
source_char_id BIGINT NOT NULL COMMENT '字ID',
target_char_id BIGINT NOT NULL COMMENT '目标字ID',
relation_type VARCHAR(20) NOT NULL COMMENT '关联类型: similar_shape(形近字), same_pinyin(同音字), same_radical(同部首), similar_structure(同结构)',
sort_order INT DEFAULT 0 COMMENT '排序顺序',
created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
FOREIGN KEY (source_word_id) REFERENCES words(id) ON DELETE CASCADE,
FOREIGN KEY (target_word_id) REFERENCES words(id) ON DELETE CASCADE,
UNIQUE (source_word_id, target_word_id, relation_type),
INDEX idx_source_word (source_word_id),
INDEX idx_target_word (target_word_id),
FOREIGN KEY (source_char_id) REFERENCES chars(id) ON DELETE CASCADE,
FOREIGN KEY (target_char_id) REFERENCES chars(id) ON DELETE CASCADE,
UNIQUE (source_char_id, target_char_id, relation_type),
INDEX idx_source_char (source_char_id),
INDEX idx_target_char (target_char_id),
INDEX idx_relation_type (relation_type)
);
```
**关联类型说明:**
- `word_to_char`: 词包含字,如"中国"关联"中"和""
- `char_to_word`: 字的组词,如"中"关联"中国"、"中间"等
- `synonym`: 同义词(后续扩展)
- `antonym`: 反义词(后续扩展)
- `similar_shape`: 形近字,如""和""
- `same_pinyin`: 同音字,如"中"和"钟"
- `same_radical`: 同部首,如"中"和"串"
- `similar_structure`: 同结构,如都是左右结构
### 3.4 句子表 (sentences)
@@ -164,22 +170,21 @@ CREATE TABLE sentences (
);
```
### 3.5 字-句子关联表 (word_sentences)
### 3.5 字-句子关联表 (char_sentences)
存储字和句子的关联关系。
存储字和句子的关联关系。
```sql
CREATE TABLE word_sentences (
CREATE TABLE char_sentences (
id BIGSERIAL PRIMARY KEY,
word_id BIGINT NOT NULL COMMENT 'ID',
char_id BIGINT NOT NULL COMMENT '字ID',
sentence_id BIGINT NOT NULL COMMENT '句子ID',
sort_order INT DEFAULT 0 COMMENT '排序顺序',
created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
FOREIGN KEY (word_id) REFERENCES words(id) ON DELETE CASCADE,
FOREIGN KEY (char_id) REFERENCES chars(id) ON DELETE CASCADE,
FOREIGN KEY (sentence_id) REFERENCES sentences(id) ON DELETE CASCADE,
UNIQUE (word_id, sentence_id),
INDEX idx_word_id (word_id),
UNIQUE (char_id, sentence_id),
INDEX idx_char_id (char_id),
INDEX idx_sentence_id (sentence_id)
);
```
@@ -234,65 +239,200 @@ CREATE TABLE operation_logs (
);
```
## 4. 数据库关系图
## 4. 词语数据库设计(暂时设计)
### 4.1 词语主表 (chinese_words)
存储词语的基础信息。
```sql
CREATE TABLE chinese_words (
id BIGSERIAL PRIMARY KEY,
word VARCHAR(100) NOT NULL UNIQUE COMMENT '词语内容,如"中国"',
pinyin TEXT[] COMMENT '拼音数组,如["zhōng", "guó"]',
grade INT COMMENT '年级: 0-9NULL表示未设置',
description TEXT COMMENT '词语解释',
audios TEXT[] COMMENT '音频文件路径数组',
status VARCHAR(20) DEFAULT 'active' COMMENT '状态: active(启用), inactive(禁用)',
-- 索引
INDEX idx_word (word),
INDEX idx_grade (grade),
INDEX idx_status (status)
);
-- 全文搜索索引
CREATE INDEX idx_word_fulltext ON chinese_words USING GIN (to_tsvector('simple', word));
```
### 4.2 词语-汉字关联表 (word_characters)
存储词语和组成汉字的关联关系。
```sql
CREATE TABLE word_characters (
id BIGSERIAL PRIMARY KEY,
word_id BIGINT NOT NULL COMMENT '词语ID',
char_id BIGINT NOT NULL COMMENT '汉字ID(关联到汉字数据库)',
position INT NOT NULL COMMENT '汉字在词语中的位置,从1开始',
FOREIGN KEY (word_id) REFERENCES chinese_words(id) ON DELETE CASCADE,
INDEX idx_word_id (word_id),
INDEX idx_char_id (char_id),
INDEX idx_position (position)
);
```
**注意:** 词语数据库和汉字数据库是分离的,`char_id` 字段存储的是汉字数据库中的汉字ID,需要通过跨库查询或应用层关联。
### 4.3 词语图片表 (word_images)
存储词语关联的图片信息。
```sql
CREATE TABLE word_images (
id BIGSERIAL PRIMARY KEY,
word_id BIGINT NOT NULL COMMENT '关联的词语ID',
image_type VARCHAR(20) NOT NULL COMMENT '图片类型: original(原图), standard(标准图)',
file_path VARCHAR(500) NOT NULL COMMENT '图片文件路径',
file_name VARCHAR(200) NOT NULL COMMENT '原始文件名',
file_size BIGINT COMMENT '文件大小(字节)',
width INT COMMENT '图片宽度',
height INT COMMENT '图片高度',
mime_type VARCHAR(50) COMMENT 'MIME类型',
is_primary BOOLEAN DEFAULT FALSE COMMENT '是否为主图',
sort_order INT DEFAULT 0 COMMENT '排序顺序',
FOREIGN KEY (word_id) REFERENCES chinese_words(id) ON DELETE CASCADE,
INDEX idx_word_id (word_id),
INDEX idx_image_type (image_type),
INDEX idx_is_primary (is_primary)
);
```
### 4.4 词语-句子关联表 (word_sentences)
存储词语和句子的关联关系。
```sql
CREATE TABLE word_sentences (
id BIGSERIAL PRIMARY KEY,
word_id BIGINT NOT NULL COMMENT '词语ID',
sentence_id BIGINT NOT NULL COMMENT '句子ID',
sort_order INT DEFAULT 0 COMMENT '排序顺序',
FOREIGN KEY (word_id) REFERENCES chinese_words(id) ON DELETE CASCADE,
FOREIGN KEY (sentence_id) REFERENCES sentences(id) ON DELETE CASCADE,
UNIQUE (word_id, sentence_id),
INDEX idx_word_id (word_id),
INDEX idx_sentence_id (sentence_id)
);
```
## 5. 数据库关系图
### 5.1 汉字数据库关系图
```
words (字主表)
├── word_images (图片表) - 一对多
├── word_relations (字关联) - 自关联(多对多)
├── word_sentences (字-句子关联) - 多对多
chars (字主表)
├── char_images (图片表) - 一对多
├── char_relations (字关联) - 自关联(多对多)
├── char_sentences (字-句子关联) - 多对多
└── operation_logs (操作日志) - 关联资源
sentences (句子表)
└── word_sentences (字-句子关联) - 多对多
users (用户表)
└── operation_logs (操作日志) - 一对多
└── char_sentences (字-句子关联) - 多对多
```
## 5. 索引优化建议
### 5.2 词语数据库关系图
### 5.1 查询优化索引
- 字词内容索引:支持快速查找
- 类型+年级组合索引:支持类型和年级筛选
```
chinese_words (词语主表)
├── word_characters (词语-汉字关联) - 多对多(跨库关联)
├── word_images (图片表) - 一对多
├── word_sentences (词语-句子关联) - 多对多
└── operation_logs (操作日志) - 关联资源
sentences (句子表)
└── word_sentences (词语-句子关联) - 多对多
```
### 5.3 公共表
```
users (用户表)
└── operation_logs (操作日志) - 一对多
sentences (句子表)
├── character_sentences (汉字-句子关联) - 多对多
└── word_sentences (词语-句子关联) - 多对多
```
## 6. 索引优化建议
### 6.1 汉字数据库查询优化索引
- 汉字内容索引:支持快速查找
- 笔画数索引:支持按笔画数筛选
- 拼音索引:支持按拼音查找
- 部首索引:支持按部首查找
- 结构代码索引:支持按结构筛选
- 频率索引:支持按使用频率筛选
- 全文搜索索引:支持模糊搜索
### 5.2 关联查询优化
### 6.2 词语数据库查询优化索引
- 词语内容索引:支持快速查找
- 年级索引:支持按年级筛选
- 全文搜索索引:支持模糊搜索
### 6.3 关联查询优化
- 外键索引:所有外键字段建立索引
- 关联表索引:word_relations、word_sentences 的关联字段索引
- 关联表索引:character_relations、character_sentences、word_characters、word_sentences 的关联字段索引
## 6. 数据迁移策略
## 7. 数据迁移策略
### 6.1 初始化数据
### 7.1 初始化数据
- 创建默认超级管理员账户
- 初始化年级数据字典(可选)
- 导入汉字结构代码数据(structure_codes.json
### 6.2 数据导入
- 支持批量导入字词数据
### 7.2 数据导入
- 支持批量导入汉字数据(参考 char_common_base.json 格式)
- 支持批量导入词语数据
- 支持 CSV/Excel 格式导入
## 7. 数据备份策略
### 7.3 数据迁移注意事项
- 从旧的 words 表迁移到 chinese_characters 表时,需要:
-`content` 字段映射到 `char` 字段
-`svg_data` 字段重命名为 `stroke_data`
- 补充 `strokes``pinyin``radicals``frequency``structure``traditional` 字段
- 过滤出 `type = 'chinese_char'` 的数据
### 7.1 备份方案
## 8. 数据备份策略
### 8.1 备份方案
- 每日全量备份
- 实时增量备份(可选)
- 汉字数据库和词语数据库分别备份
### 7.2 恢复方案
### 8.2 恢复方案
- 支持时间点恢复
- 定期恢复演练
## 8. 性能优化建议
## 9. 性能优化建议
### 8.1 查询优化
### 9.1 查询优化
- 使用连接池管理数据库连接
- 复杂查询使用视图或物化视图
- 合理使用缓存(Redis
- 跨库查询(词语-汉字关联)建议在应用层实现,避免跨库JOIN
### 8.2 数据量预估
-数据:预计 10,000+ 条
### 9.2 数据量预估
- 字数据:预计 8,000+ 条(通用规范汉字表)
- 词语数据:预计 10,000+ 条
- 图片数据:预计 50,000+ 条
- 关联关系:预计 100,000+ 条
### 8.3 分表策略(如需要)
-words 表数据量超过 100 万时,考虑按类型分表
### 9.3 分表策略(如需要)
-chinese_characters 表数据量超过 100 万时,考虑按频率分表
- 当 chinese_words 表数据量超过 100 万时,考虑按年级分表
- 使用 PostgreSQL 分区功能