之前一直利用閑暇時間做深藍詞庫轉換，對各大輸入法的分類詞庫有了一些大概的了解，下面來比較下各個詞庫格式的特點：
1.搜狗細胞詞庫scel格式
scel格式是采用Unicode編碼了漢字、拼音。整個scel格式的內容是：頭信息、詞庫簡介、拼音組合列表、詞條列表。scel格式的詞條的數據結構設計的還是比較好的，它使用了拼音指針來避免在詞條中出現重復的拼音來占據內容，也會把同音詞合並在一起，節省空間。基本結構如下：
該拼音對應的詞條數、拼音指針、詞條列表。
2.QQ分類詞庫qpyd格式
qpyd格式是我一直很頭疼的格式，原來是采用了zip壓縮詞條列表。qpyd格式的內容是：頭信息、詞庫簡介、壓縮的詞條列表。qpyd格式由於采用了zip壓縮，所以在同樣詞條數的情況下，整個文件會顯得比其他格式的詞庫小。但是與搜狗的scel格式不同的是，qpyd格式中，每個詞條都對應了其拼音，詞語是使用UTF8編碼，但是拼音是使用Unicode編碼，真是很奇怪。
3.百度分類詞庫bdict格式
百度的bdict格式算是比較簡單的，它其實和搜狗的scel格式很相似，主要不同是使用了默認的聲母和韻母列表，而不是寫在詞庫文件中。整個bdict格式的內容是：頭信息、詞庫簡介、詞條列表，詞條中的漢字是使用Unicode編碼。詞條列表的內部格式如下：
拼音長度、（分母序號、韻母序號）列表、詞語
這里的分母序號和韻母的序號是在詞庫中找不到的，需要通過幾個實際的bdict詞庫解析，一個個的歸納出來。
4.紫光分類詞庫uwl格式
uwl格式的詞庫並不是很多，所以我現在還不支持對該詞庫格式的轉換，但是使用了WinHex大概看了下，該格式的詞庫和scel也比較類似，沒有使用壓縮，但是編碼上好像UTF8和Unicode的都有，詞條之間的距離很稀疏，也就是說在文件中，詞條和詞條間有很多0000，實在是浪費空間。
5.觸寶備份詞庫bak格式
觸寶輸入法的備份文件格式是我覺得數據結構上最復雜的，里面使用的是一個樹結構來表示。樹結構中的上一層節點和下一個節點還是雙向指針，我花了很多的時間來解讀，終於能夠實現對該文件的解析，但是有些字節不明白是什么意思，沒辦法根據詞庫生成對應的bak文件。觸寶使用的是Unicode編碼來保存漢字，拼音和bdict做的有點類似，也是用的默認的拼音列表，不同之處是，觸寶沒有將分母和韻母分開，而且把聲韻母的組合作為一個列表。
總結下：
這幾種詞庫格式中，感覺scel是比較清晰的，也比較節約空間，而且容易理解，如果能夠像QQ詞庫那樣壓縮的話，就更節省空間了。qpyd格式把每個詞的每個拼音都記錄在詞后面，實在是浪費空間，還不如scel格式這樣方便，而且拼音和漢字使用了2中編碼，真是沒必要吧。bdict格式把聲母和韻母拆開，以默認列表進行檢索，這樣也比較好，空間利用已經比較充分。紫光的uwl格式就實在不敢恭維，里面充斥着大量的0000，實在太浪費空間了。觸寶詞庫備份文件數據結構太復雜太復雜，一般難以理解。
若要了解具體每種格式的解析辦法，可以參加我的項目代碼，項目地址：http://code.google.com/p/imewlconverter/