笔画表
随包笔画码表的源数据：字\t序列，序列按大陆笔顺，1 横 / 2 竖 / 3 撇 / 5 折 / n 点与捺
（CNS 的 4 同时涵盖点与捺，按设计文档「点捺合并为 n」写成 n；提在 CNS 里多数已记 1，氵的第三笔记 4，由覆盖表改回 1）。
单字取码「前 4 笔 + 末笔」、词组每字首笔，见 docs/design/aux-code.md 的「原生表：只带笔画」。
数据来源
| 用途 | 来源 | 许可 | 是否入库 |
|---|---|---|---|
| 字形来源（笔顺序列） | CNS11643 中文標準交換碼全字庫「筆順資料」CNS_strokes_sequence.txt |
政府資料開放授權條款第 1 版 或 OFL-1.1（二选一，可再分发含商用，需署名） | 原始 zip 不入库（data/cns/，gitignore），只留生成产物 |
| CNS→Unicode 映射 | 同一数据集的 MapingTables.zip（CNS2UNICODE_Unicode*.txt 4 个平面） |
同上 | 不入库（data/cns/） |
| 自洽过滤 | 同一数据集的 CNS_stroke.txt（筆畫數） |
同上 | 不入库（data/cns/） |
| 笔画数对照（开发期） | Make Me a Hanzi / hanzi-writer-data 每字 medians 条数（PRC 字形） |
Arphic Public License，与仓库 GPL-3.0 不兼容；不进仓库、不随包，只作开发期对照 | data/mmh/prc-counts-l1.tsv（mmh-reference 生成） |
| 首笔对照（开发期） | 同上，首笔 medians 的几何方向分类 |
同上 | data/mmh/prc-first-strokes-l1.tsv（mmh-reference 生成） |
| 首笔修正的规范依据 | 《通用规范汉字笔顺规范》（GF 0023—2020） | 国家标准，只引笔顺事实、不复制文本 | prc-rules.tsv 的修正行（来源注明该标准） |
数据集页 https://data.gov.tw/dataset/5961，下载 https://www.cns11643.gov.tw/opendata/Properties.zip 与
https://www.cns11643.gov.tw/opendata/MapingTables.zip（解到 data/cns/）；对照源 hanzi-writer-data-2.0.1.tgz（npm registry）解到 data/mmh/。
对照表再生成：cargo run -p qingjian-dict-convert -- mmh-reference（读 data/mmh/package/ 与字表，写上面两张对照表；data/ 已 gitignore，表不进仓库）。选型与许可依据见 docs/design/aux-code.md「原生表：只带笔画」与 wayfinder 的
t07（数据源查证）/ t09（归一化决议）两张票：CNS 作字形来源 + 大陆序覆盖表，MMH 只在开发期做对照。
文件
| 文件 | 内容 |
|---|---|
prc-rules.tsv |
大陆序覆盖表：rule（部件重写）/ skip（例外字）/ char（整字补录）三类行，格式见文件头 |
data/mmh/prc-counts-l1.tsv |
一级字大陆笔画数对照表（开发期对照用；mmh-reference 生成，不进仓库） |
data/mmh/prc-first-strokes-l1.tsv |
一级字大陆首笔几何对照表（同上；类别是几何近似，不是规范口径） |
residual-whitelist.tsv |
笔画数残留差异白名单：抽样里已知且接受的差异，白名单之外一处不符即验收失败 |
residual-first-strokes.tsv |
首笔残留差异白名单：首笔对照里已知且接受的差异（规范裁定后保留的 CNS 结构性差异与对照源分笔假阳性） |
生成与验收
# 生成（缺省写 data/generated/codes/stroke.tsv）
cargo run --release -p qingjian-dict-convert -- stroke --cns-count data/cns/CNS_stroke.txt --verify
--verify 两路对照（对照表由 mmh-reference 生成，找不到哪张就跳过哪张并提示）：笔画数按「一级字表每 12 字取 1」（291 字）抽样比对；首笔按一级字表 3,500 字全量比对几何类别。几何类别分不清近竖的撇与点，但两岸笔顺的差异也落在这几类里，所以不按类别放行：不符的字逐字裁定后进首笔白名单。白名单之外一处不符即退出码非 0。对照源把撇也归成竖的字（册、删）对照不出来，靠人工抽查。
随包时再算成码表（缺省读 data/generated/codes/stroke.tsv 与 data/generated/dict.qj，写 data/generated/codes/stroke.qj）：
cargo run --release -p qingjian-dict-convert -- pack codes
按设计文档的取码规则算码（单字「前 4 笔 + 末笔」、词组每字首笔，缺字的词跳过并计入统计）；元数据缺省写明
名称「笔画」、许可 OFL-1.1、署名「CNS11643 全字庫筆順資料（數位發展部）」与数据集页来源，
可用 --name / --license / --attribution / --source / --data-version 覆盖（数据版本缺省取笔画表日期）。
产物随包只带生成结果，原始 zip 与对照源都不入库。
验收记录（2026-09-21，首笔第二轮）
已读大陆序覆盖表 rules=12 overrides=79
已生成笔画表 entries=7991 dropped_no_sequence=111 dropped_inconsistent=3
笔画数对照完成 sampled=291 reference_entries=3500 whitelisted=7 unmatched=0
首笔对照完成 compared=3092 absent=0 whitelisted=408 unmatched=0
- 去掉首笔对照的三类近似放行后重新裁定：师、归（CNS 记点，应为竖）、非字头 / 非字旁（记撇，应为竖）、册 / 删（记竖，应为撇）、所（被「戶→户」规则误伤）改对；其余 343 字本表首笔是对的，进白名单。
- 顺带按规范改了两处非首笔的笔顺：忄（点、点、竖）与 必（点、卧钩、点、撇、点）。
- 一级字之外没有对照数据，只靠部件规则覆盖。
验收记录（2026-09-20，首笔修正后）
已读大陆序覆盖表 rules=10 overrides=66
已生成笔画表 out=data/generated/codes/stroke.tsv entries=7991 dropped_no_sequence=111
dropped_inconsistent=3 average_strokes=10.92 size_kb=127
笔画数对照完成 sampled=291 reference_entries=3500 whitelisted=7 unmatched=0
首笔对照完成 compared=3435 absent=0 whitelisted=65 unmatched=0
- 首笔：一级字 3,500 全对（GF 0023—2020）；诞（一级字）原被 CNS 自洽过滤丢字，整字覆盖补录后重新入表（7,991 字）。
- 笔画数：抽样（每 12 字取 1）白名单之外 0 条；全量对账 107 → 102，残留是 CNS 与大陆规范的结构性差异（评审已认可留待以后补）。阝 第二笔随规范改为竖后，其家族计数不变。
- 端到端：
pack codes产stroke.qj（91,773 词有码，诞 的词恢复 17 条），CLI--aux-table可查。
验收记录（2026-09-15）
已读大陆序覆盖表 rules=8 overrides=1
已读 CNS→Unicode 对照表 entries=104680
已读筆順資料 entries=94919
已读筆畫數 entries=97361
已读字表白名单 chars=8105
已生成笔画表 out=data/generated/codes/stroke.tsv entries=7990 dropped_no_sequence=111
dropped_inconsistent=4 average_strokes=10.92 size_kb=127 elapsed_ms=579
抽样对照完成 sampled=291 reference_entries=3500 whitelisted=7 unmatched=0
- 抽样对照：291 字里 7 字不符，全部在白名单内，白名单之外 0 条（
cargo test -p qingjian-dict-convert的stroke::tests另外覆盖规则解析、锚点语义与对照/抽样逻辑）。 - 产物：7,990 行 / 127,283 字节（平均 10.9 画）。设计文档估的 40–80 KB 偏小：那是按「前 4 笔 + 末笔」的 5 码估的，
本表是全笔顺序列（
字\t[1-5n]+）。 - 覆盖面：通用规范字表 8,105 字里 7,990 字有码。CNS 对照表里没有的 112 字里，
闹由char行人工补录， 其余 111 字绝大多数是三级字表里的扩展 B 区字（𬉼 这类），另有 鿍 / 鿎 / 鿏（U+9FCD–9FCF）； 另有 4 字（诞 铼 煺 藓）笔顺序列与 CNS 筆畫數差超过 1，被自洽过滤丢掉。 - 已知范围（诊断，不入白名单口径）：全量 6,861 个有对照的字里 241 字（3.5%）笔画数与大陆规范不符，
是 CNS 台湾标准与大陆规范在整字形 / 部件层面的结构性差异（例：瓦 5/4、卸 8/9、修 10/9、粤 13/12）。
设计文档「差异集中在艹 / 辶 / 阝」只对了一部分：覆盖表把不符从 926 处压到 241 处（修掉 685 处成片差异），
剩下的（及 / 巨 / 之 / 与 / 母 / 书 / 我 的字形与笔顺归类差异）不能由模式替换从 CNS 序列推出，
要逐字人工核；抽样白名单只登记落在抽样里的 7 个（
--stride越小抽样越密，白名单要同步增补）。 - 已知范围之二：首笔不保证对（2026-09-16 补测，诊断口径）。上一节的抽样只比笔画数，比不出「笔数对、
顺序不同」的偏差。用开发期对照源（
data/mmh/，hanzi-writer-data 的 medians）对全表首笔方向做了一次粗筛： 6,862 个可比字里 58 处（0.8%）方向与我们的首笔类型对不上，其中一部分是提 / 竖提 / 折这类「末端转向」被误判， 但 丰 / 耒 / 皮 一族的首笔确实可疑（丰 我们的序列311：首笔记成撇，大陆规范是横），而首笔错了， 含这个字的每个词的码都跟着错。示例：发535nn（首笔记成折，对照源的几何方向接近横）。 复现：node .scratch/first-stroke-audit.js（仓库外工具，脚本未入库）；修法是把这类成片的字形差异补进prc-rules.tsv（或加一张「首笔覆盖表」），再重跑stroke+pack codes。
随包时的许可合规
- 数据目录与「关于」页署名：資料來源「CNS11643 中文標準交換碼全字庫」（數位發展部），并声明本表为派生 （筆順資料表格 → 笔画码表）与修改内容（大陆序覆盖表）；
- 随包数据目录放
LICENSE-CNS11643.txt（本目录，OFL-1.1 全文，与码表元数据的许可一致；数据集允许与政府資料開放授權條款第 1 版二选一），Windows 与码表一起装在data\generated\codes\。
来源：wayfinder 票 t17（stroke 工具与笔画表生成）与 spec 卷 I 第 8 章的 stroke 契约（在仓库外的 .wayfinder 工作区）。