380 个词库全部存在本地：Qwerty Learner 如何完成词库加载与学习数据索引

380 个词库全部存在本地：Qwerty Learner 如何完成词库加载与学习数据索引

【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 是一款面向键盘工作者的单词记忆与打字肌肉记忆训练工具，380 个本地词库和全部学习记录都保存在浏览器中，不依赖服务器。本文按数据流动的路径讲清词库文件从哪加载、如何按 20 词一章切分、IndexedDB 本地数据库里记了什么、索引查询如何加速统计，读完你可以照格式添加自己的词库。

📁 词库文件在哪，怎么被加载

词库本体是public/dicts/目录下的 380 个 JSON 文件，覆盖四级、考研、雅思、GRE，以及日语、德语等语言词库。每个文件是统一结构的数组：单词名、释义数组、英美音标，部分词库（如编程语言词汇）只含释义不含音标。

词库不是散落的文件列表，而是在 src/resources/dictionary.ts 中逐条登记：id、name、category、url、length。加载时由wordListFetcher对这个url执行fetch并解析 JSON，结果经 SWR 按词库地址做键缓存，同一词库切回时不再重复解析。

[ { "name": "cancel", "trans": ["取消， 撤销； 删去"], "usphone": "'kænsl", "ukphone": "'kænsl" }, { "name": "explosive", "trans": ["爆炸的； 极易引起争论的", "炸药"], "usphone": "ɪk'splosɪv", "ukphone": "ɪk'spləusɪv" } ]

词库选择界面，本地词库按类别分组展示

380 个词库会一次全部加载吗

不会。加载粒度是词库，渲染粒度是章节。src/constants/index.ts里CHAPTER_LENGTH = 20，useWordList拿到整份 JSON 后只做切片：slice(chapter * 20, (chapter + 1) * 20)，界面任何时刻只渲染当前章节的 20 个单词。机制带来的效果是：章节切换即时完成，长词库（如 2607 词的四级词库，约 131 章）不会拖慢首屏。

🗃️ 学习记录存在哪

练习数据不进文件系统，而是写入浏览器内的 IndexedDB 本地数据库，数据库名RecordDB，通过 Dexie 封装，声明见 src/utils/db/。其中三张核心表：

• wordRecords：每打完一个词写一条，字段包括word、timeStamp、dict、chapter、timing（每个字母的输入耗时差数组）、wrongCount（错误次数）、mistakes（每个字母位置被误按成了哪些键）。
• chapterRecords：每章结束写一条，记录用时（秒）、正确/错误按键数、correctWordIndexes（一次打对的单词下标），并由此算出wpm（每分钟词数）、按键准确率与单词准确率。
• reviewRecords：复习任务，保存复习词表、进度index与完成标记。

写入由 Hook 触发：useSaveWordRecord在单词完成时落库，useSaveChapterRecord在章节结束后落库。

索引查询如何加速查找

加速不靠额外服务，靠索引声明。Dexie 在版本配置里为每张表声明了多个索引：

wordRecords: '++id,word,timeStamp,dict,chapter,wrongCount,[dict+chapter]' chapterRecords: '++id,timeStamp,dict,chapter,time,[dict+chapter]' reviewRecords: '++id,dict,createTime,isFinished'

每条声明对应一类典型查询：timeStamp是范围索引，分析页的useWordStats直接用它做区间扫描，把时间段内的单词记录一次性取出，再汇总出打字速度、准确率和热力图数据；[dict+chapter]复合索引让错题本可以按「词库 + 章节」精确定位；word索引则支撑按词删除记录。查询命中索引而非全表遍历，是数据量大后统计页仍然流畅的原因。

📶 断网能用吗

可以，前提区分两类数据：

1. 学习记录。全部在 IndexedDB 本地数据库读写，从写入到查询都不经过网络，离线场景下离线背单词、查错词、看统计完全可用。
2. 词库文件。作为静态资源与页面同源分发，首次加载后进入浏览器 HTTP 缓存；缓存命中后重新请求 JSON 无需网络。Dockerfile与docker-compose.yaml也说明项目支持自部署到内网，配合本地数据实现全程无外网。

相关资源目录：public/dicts/（词库静态文件）、Dockerfile（自部署镜像定义）。

如何添加自己的词库

流程写明了两件事：文件格式与登记位置。文件格式是一个 JSON 数组，元素至少含name与trans两个字段，可选音标；文件放到public/dicts/下后，再在src/resources/dictionary.ts中登记id、url、length等元信息，词库即出现在选择界面中对应分类下。完整步骤与示例见 docs/toBuildDict.md，社区也接受以「Dictionary Request」开头的词典需求。

【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