四步把自己词表加进 Qwerty Learner自定义词典配置与验证指南【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内置词库覆盖 CET-4、托福这些大项但你亲手整理的那份词表没法练借助 Qwerty Learner 的自定义词典能力自己的词表也能排进打字练习界面。照做一遍词库列表里就会出现它。词典靠两处文件生效Qwerty Learner 把词典拆成「数据」和「注册」两层。数据层是放在public/dicts/目录下的 JSON 文件每个词条至少要有name单词和trans释义数组[ { name: file, trans: [n. 档案, 文件] } ]注册层写在 src/resources/dictionary.ts 里声明词典归哪个分类、有多少词、文件在哪。核心字段长这样{ id: mydict, name: 我的词表, category: 中国考试, url: /dicts/mydict.json, length: 1200, language: en, languageCategory: en, }两层齐了词典才会出现在首页词库列表里缺哪层都找不到它。四步把词典推进词库列表装好 Node.js 和 Yarngit clone https://gitcode.com/GitHub_Trending/qw/qwerty-learner拉到本地后面全在这份克隆里操作。整理并放置词典文件。把源词表转成上面的格式存进public/dicts/文件名用英文如mydict.json自动统计脚本才认得它[ { name: command, trans: [n. 命令, 指挥] }, { name: use, trans: [n. 使用, 用法] } ]源文件是 Excel 或长文本没关系截一段发给 AI 描述目标结构让它批量转换再抽查前几条即可。注册信息里加一条。打开src/resources/dictionary.ts找到对应分类的数组如chinaExam仿照现有条目补全字段id全项目唯一category决定它挂在哪个标签下{ id: mydict, name: 我的词表, description: 自己整理的高频词, category: 中国考试, tags: [日常], url: /dicts/mydict.json, length: 1200, language: en, languageCategory: en, }此时条目就位length先填个大概下一步自动校准。自动校准词量。跑一条命令脚本扫描public/dicts/下所有 JSON把真实词条数写回注册文件的length字段省得手动数词node scripts/update-dict-size.js启动并确认成功。装依赖、起 dev 服务yarn install yarn dev打开 http://localhost:5173在词库列表里点进「我的词表」开始打字练习看到自己整理的词出现配置就算跑通了 导入后值得玩的三个变体词条里补上usphone、ukphone字段练习界面就能直接显示这个词的音标背词顺带记读音。language和languageCategory改成code词典会挂到 Code 标签页适合速记常用 API 和关键字。超过五千词的大词库拆成 10003000 词的几册分别注册章节短了练习节奏更舒服。排错速查词典不在列表里 → 只放了文件没注册补上src/resources/dictionary.ts条目后重启yarn dev。词量显示不对 →length还是手填值重跑一次node scripts/update-dict-size.js。打开页面报 JSON 解析错误 → 文件没存成 UTF-8 或数组末尾多了逗号重新保存并把内容丢进任意 JSON 校验工具定位。更多字段说明和转换思路见 docs/toBuildDict.md。【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
