380个本地词库与离线打字练习:qwerty-learner 快速上手指南 📅 发布时间:2026/9/5 18:27:43 👁 浏览次数: 380个本地词库与离线打字练习qwerty-learner 快速上手指南【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你选了一个 GRE 词库页面转了半分钟才蹦出第一个单词——那不是卡是词库还在慢慢加载。qwerty-learner 把 380 个本地词库和你的每一次打字练习都记在浏览器里断网照样能练。很多人练单词靠 App记录都在云端一断网就瘫这里反过来词库加载要快练习记录不能丢。 你的练习数据存在哪浏览器里自带的迷你数据库每次敲完一批单词成绩去哪了答案藏在浏览器自带的一个迷你数据库里。你可以把 IndexedDB 想成浏览器随身携带的一个 Excel每一行是一条记录数据全在你本地不往任何服务器上传。qwerty-learner 用 Dexie 这个库把它包了一层Dexie 就是 IndexedDB 的一个轻量封装在src/utils/db/index.ts里一次声明了三张表分别存单词记录、章节记录和复习进度。你可能会问浏览器不是还有 localStorage 这种更简单的存法吗那玩意儿容量小、只能存字符串塞不下你成千上万条带时间戳的练习记录。IndexedDB 能存结构化数据容量大几个数量级还自带事务天然适合记这种流水账。最吃重的是单词记录这张表。一条数据除了单词本身还记着它错了几次、每个字母花了多久、第几位打成了别的键。这张表同时建了多份索引——按单词、按时间、按词库、按章节、按错词次数。索引就像书末的目录同一堆内容做了好几份不同排序的目录你想按哪一维查就翻哪一份速度差很多。其中还有一枚把词库和章节绑在一起查的组合索引等你想只看我在 CET4 第三章的记录时一条命令就定位到不用把整张表扫一遍。一条单词记录长这样// 一条单词练习记录 { word: explosive, wrongCount: 2, timing: [310, 280], // 每个字母耗时 mistakes: { 2: [s] } } // 第3位错打成 s 词库怎么按需加载你的错误记录又去哪了词库是怎么按需加载的一个 GRE 词库文件 500 多 KB整包塞进页面当然慢。它把词库当厚词典按每章 20 个单词切成薄册子你翻到哪册才取哪册。所有词库文件统一放在public/dicts/目录下共 380 个覆盖四六级、雅思、GRE、日语 N1 等场景。切章节时只是在内存里做切片并不会重新下载。而且这份册子列表被 SWR 按地址缓存了同一个词库来回切章节第二次几乎是瞬时的。你的错误记录去哪了打错一个字系统不会忘它像个自动更新的错题本。只要某次练习 wrongCount 大于 0这个单词就会被抓出来累计它总共错了几次、哪个字母位置最常错、最近一次出错在什么时候。下次你进错题本页面这些统计直接摆在你面前不用自己翻。️ 三步上手从克隆到加自己的词库想自己跑起来链路很短克隆仓库git clone https://gitcode.com/GitHub_Trending/qw/qwerty-learner进目录装依赖yarn install启动yarn dev浏览器打开本地地址挑一个词库开练想导出记录点数据设置里的导出会得到一个 .gz 备份文件想加自己的词库就在public/dicts/里放一个 JSON按统一结构写好单词、释义和音标。词库目录是启动时自动扫描这个文件夹生成的所以丢进去就能被列表读到不用改任何配置{ name: cancel, trans: [取消撤销删去], usphone: kænsl, ukphone: kænsl } 进阶技巧数据怎么备份清缓存会不会丢换个电脑你的进度还在吗默认不在因为记录存在当前这个浏览器的 IndexedDB 里。好在内置了导出把整个数据库压成一个 .gz 文件存到本地再在新设备导入即可相当于给数据库打个压缩包随身带。导入时它会先清空旧表再写入等于整库覆盖别拿错设备导。要留意一个坑——清浏览器缓存或换浏览器记录就没了建议隔一阵导出一次。如果你想要一个不用注册、离线能练、记录随手可导出的本地打字练习工具qwerty-learner 值得先跑起来。下一步挑一个你正在背的词库敲满 20 个单词看看你的第一份错题本长什么样。【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