下载地址
第一个文件：wiki00.xml.zip(1.4MB)
所有文件：中文维基百科语料库2012年3月版(126.4MB) 。
语料库遵从维基百科的文件共享协议，任何人可以免费自由使用。

语料库的概况
维基百科版本：2012.03.26
总字数：67046114
所用汉字个数（繁体和简体）：12740
所用汉字的出现频率统计可以在这里下载。其中出现次数最多的100个汉字为（汉字后的数字为出现的次数）：
－－－－－－－－－－－
的 2118330
年 857434
在 688045
一 627815
中 564739
是 563451
大 459658
有 415591
人 403260
和 371381
http://boke.9cheng.de/2012/04/%e4%b8%ad%e6%96%87%e7%bb%b4%e5%9f%ba%e7%99%be%e7%a7%91%e8%af%ad%e6%96%99%e5%ba%93/feed/ 1 http://boke.9cheng.de/2012/03/%e4%b8%ad%e6%96%87%e7%bd%97%e9%a9%ac%e5%8c%96/?utm_source=rss&utm_medium=rss&utm_campaign=%25e4%25b8%25ad%25e6%2596%2587%25e7%25bd%2597%25e9%25a9%25ac%25e5%258c%2596 http://boke.9cheng.de/2012/03/%e4%b8%ad%e6%96%87%e7%bd%97%e9%a9%ac%e5%8c%96/#comments Sun, 18 Mar 2012 09:51:59 +0000 Cheng http://boke.9cheng.de/?p=10784 拉丁语系的人只要学会认读写二三十个字母，再加上一段时间的练习就可以读写了。他们学习读写所画的时间精力的投入只是学中文的零头。这后面的蝴蝶效应是这样的：他们6，7岁即可读写，我们9岁10岁才能独立读写；这就意味着在有限的社会教育资源下，他们可以实现更好的国民教育；较大比例的受过教育的人是科技文化的产生兴旺的基础，我猜这也是欧洲首先产生科技的重要原因之一。

没错，中文有它特有的魅力，而且学中文也能训练人的一些素质，例如想象力，毅力等。但是绝大多数人仅仅把语言作为信息载体，是信息传播的工具。在选择工具时我们应该把性价比放在第一位。从这个意义上讲我支持简体字，更支持中文罗马化。而且，中文罗马化有利于中文在国际上的推广，是中文成为世界语言的必要条件。

中文罗马化的一个很大障碍是中文里同音字太多。这大概是上世纪上半叶导致我们最终放弃罗马化的原因之一。这个需要探索解决，一个最容易想到的办法是把词而不是字作为单位，例如”今天”不是写作＂jin tian＂而是写作”jintian”. 例如：

jintian de tianqi zhenhaoa! chuntian zhongyu laidaole!
（今天的天气真好啊！春天终于来到了！）

毫无疑问，罗马化的中文一开始看起来很累。但是正如做任何事情一样，开始总是最难的。近期我会在自己的微博里做个试验，探索罗马化的可行性和方案。

胜利在望了！现在在你的电脑上安装客户端程序，它能自动负责你的电脑与你的VPN服务器之间的通信。

首先找到你在上一步下载的钥匙，解压这个文件夹。这些是你的配置文件，包括服务器地址用户名，密匙等信息，不要外传。

点击这里下载并安装openvpn官方客户端。如果打不开可以用我博客里的这个链接。（下载速度可能比较慢）

安装后启动客户端。点击Access ->Connection Profiles +
这时会出现选择profile文件窗口，找到刚才解压的钥匙文件夹，并选择其中的profile文件。选择后OpenVPN Client中会生成一个大方框按钮。

4. 点击这个按钮就可以自动连接openvpn服务器。这样你的电脑就相当于位于国外，你可以访问所有在美国被视为合法的网站了。另外在使用VPN时请关闭p2p下载和网络视频软件，例如迅雷，flashget, 电驴, bt, pplive, qq视频等，防止浪费流量。

从现在起，享受你的自由吧！

当你登入到自己的VPS后在终端中逐次输入一下三行命令（可以拷贝复制过去）来安装VPN服务器。


wget http://boke.9cheng.de/wp-content/uploads/2012/03/openvpninstall.tar.gz



tar zxvf openvpninstall.tar.gz

./openvpninstall.sh


在安装过程中你会被问一些问题：

第一个问题是问你是否安装系统升级软件，这一步是确保安全性和兼容性的所以输入：y

第二个问题问是否安装openvpn，也就是VPN的服务器，所以当然也是yes, 输入：y

下面是你会遇到的第三个问题：
################################################

Select on option:

1) Set up new OpenVPN server AND create one client
2) Create additional clients

################################################
第一次安装选择1

然后会问你客户的名字，你可以输入自己的名字（当然也可以是昵称）。

下面会询问服务器信息大概10个问题你可以一路回车越过。遇到yes还是no的问题就输入y , 例如你马上会看到这个
Sign the certificate? [y/n]:
输入y [...]]]> http://boke.9cheng.de/2012/03/%e5%a6%82%e4%bd%95%e7%bf%bb%e5%a2%99%e8%ae%bf%e9%97%aefacebook%e5%92%8cyoutube%e4%b9%8b%e4%b8%89%ef%bc%9a%e5%ae%89%e8%a3%85vpn%e6%9c%8d%e5%8a%a1%e5%99%a8/feed/ 0 http://boke.9cheng.de/2012/03/%e5%a6%82%e4%bd%95%e7%bf%bb%e5%a2%99%e8%ae%bf%e9%97%aefacebook%e5%92%8cyoutube%e4%b9%8b%e4%ba%8c%ef%bc%9a%e4%b8%8b%e8%bd%bd%e5%ae%89%e8%a3%85%e8%bf%9c%e7%a8%8b%e7%99%bb%e9%99%86%e8%bd%af%e4%bb%b6/?utm_source=rss&utm_medium=rss&utm_campaign=%25e5%25a6%2582%25e4%25bd%2595%25e7%25bf%25bb%25e5%25a2%2599%25e8%25ae%25bf%25e9%2597%25aefacebook%25e5%2592%258cyoutube%25e4%25b9%258b%25e4%25ba%258c%25ef%25bc%259a%25e4%25b8%258b%25e8%25bd%25bd%25e5%25ae%2589%25e8%25a3%2585%25e8%25bf%259c%25e7%25a8%258b%25e7%2599%25bb%25e9%2599%2586%25e8%25bd%25af%25e4%25bb%25b6 http://boke.9cheng.de/2012/03/%e5%a6%82%e4%bd%95%e7%bf%bb%e5%a2%99%e8%ae%bf%e9%97%aefacebook%e5%92%8cyoutube%e4%b9%8b%e4%ba%8c%ef%bc%9a%e4%b8%8b%e8%bd%bd%e5%ae%89%e8%a3%85%e8%bf%9c%e7%a8%8b%e7%99%bb%e9%99%86%e8%bd%af%e4%bb%b6/#comments Thu, 08 Mar 2012 23:48:33 +0000 Cheng http://boke.9cheng.de/?p=10726 （本文是”如何翻墙访问Facebook和Youtube“系列文章的步骤之一。）

如果你已经使用Linux, 自然不用我解释。 这里是针对windows用户的。

第一步：在官方网站下载免费的Putty远程登陆客户端。

第二步：在burst.net给你发的帐户信息邮件里找到下面两行
VPS IP Address:
SSH Root Password:
这里是你的VPS的IP地址和密码。你的用户名是：root

第三步：按照这里的说明登陆你的VPS.

作为第一步你要选择一个合适的国外VPS。最重要的指标是带宽（Bandwidth）或者每月流量（Monthly Traffic）也就是上传下载到你要买的这个服务器的每个月的数据流量。当然是越大越好！VPN对于cpu，内存和硬盘要求都很低这些指标基本可以忽视。

我大致比较了几家然后在网上搜索了对他们的评价，发现似乎每家都是有人夸的有人骂。我最后挑选了Burst.net，因为这家是大公司，并且价格很低（5.95$每月）。使用了一段时间还是很满意的。当然如果你有更好更便宜的选择也请留言告诉我。

下面的说明是以burst.net为例，其他的VPS提供商应该也类似。如果你英文忘的差不多了，可以使用Google翻译。整个过程如果没有问题的话30分钟就能完成。

废话少说，
第一步，点击这里购买VPS, 选者企鹅标志的Linux, 不用担心你不会用Linux。VPS方案有很多，点击”Buy Now”.

第二步，在Categories里面选择
Virtual Private Server – (VPS) – LINUX – (LOS ANGELES, CA)。
然后下面出现的各种方案中选择第一个 VPS #1。 这个方案价格最便宜每月5.95美元，流量1000GB。 LOS ANGELES（洛杉矶）是你要买的VPS所处的地理位置，洛杉矶在美国西海岸，距离中国较近网速比较快。点击下面的“Click to continue” 继续到下一步

第三步，初始设置
OS Template:选择Ubuntu 10.10 -32-BIT
这个是操作系统。下面的hostname随便写一个就行，例如zhangsan.com. 这个大致相当于你的网名不过不会用到。
其他基本能用默认的选择就可以了。

第四步，支付。
剩下的支付只要按照网站说明填好信息就行了。

下面是一篇傻瓜式指南教你如何自己DIY一个VPN。这样每个月1000GB的流量不到6美元，也就是40元。你可以和朋友合伙买，或者你自己买了供家人朋友一起用，还是相当超值的！（当然你也可以卖了，不过建议地下交易：－）最常见的VPN协议有三种PPTP,L2TP/IPSec 和这篇博客将要讲的openVPN. 相对前两种协议openVPN是安全性最高，链接最稳定的。而且openVPN只在比较便宜的openVZ的VPS就可以使用。openVPN的缺点是只能在翻墙的iphone和具有root权限的android智能手机上才能使用。所以这里主要针对使用电脑翻墙的用户。

要能顺利的使用这个指南你需要具备：

1. 信用卡或者paypal帐户。
2. 知道如何在自己的电脑上安装软件。
3. 英语达到高中水平。
4. 两个小时的时间。

如果以上你都能做到，请继续往下看。

整个过程需要的步骤和所花费时间如下：

1. 申请国外的VPS  30分钟
VPS也就是一台处于国外的电脑, 虽然和”VPN”只差一个字母，却是不同的东西。我们要做的是用这个处于国外的VPS电脑来运行我们的自己的VPN服务器（有点绕口。。。）。这样，当我们访问比如facebook时，你的VPN服务器变成了架设在facebook网站和你电脑之间的桥。而且信息在这个桥上传输的过程都是加密的，所以才不会被方校长看到。

2. 下载安装远程登陆软件并登陆VPS。 5分钟
通过这个软件，你可以远程的控制你购买的处在国外的电脑。

3. 在VPS上安装VPN服务器  5分钟
这一步本来是最最复杂同时需要你具备Linux的操作知识的。但是因为有一个神奇脚本的存在，这个过程变成了只需要复制粘贴5分钟就可以完成的工作。

4. 在自己的电脑上安装配置客户端软件 10分钟
这个客户端软件自动的负责你的电脑和服务器之间的通信和加密解密工作。

好了这就是大致的情况。如果你把个步骤所用时间加起来只有50分钟，我说需要两个小时是加上了你阅读本指南的时间和下载软件的时间的保守估计。

以上功能2和3要借助zotero的一个叫做Zotfile的很赞的插件。具体操作步骤可以参考Zotfile的说明。

最后如果你要在不同电脑之间同步你的pdf文件的话。Zotero提供了100MB的免费空间。似乎一般研究生看的文章的数目都要超过这个容量。收费空间的价格虽然并不是很贵，但也不是每一个中国研究生能轻松承受的。还好，Zotero提供WebDav同步pdf文件的备选方案。WebDav是一种被广泛支持的网络硬盘（云储存）协议。Box.com可以免费实现WebDav的功能, 具体方法参考这里。另外如果你有php空间的话可以安装phpZoteroWebDAV来实现WebDav功能。你要是并不缺钱，建议考虑使用zotero的付费空间，既方便快捷，又支持了zotero这个好软件！

－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－

那么那些留在大陆的学人们，等待他们最后的结局是什么呢？限于文章篇幅，这里只摘录部份留在大陆知识份子的结局。

一代大师陈寅恪，他学贯中西，通晓十余种语言，甚至包括梵文、西夏文和突厥文，被称为“中国最博学之人”；文革开始后，他家被大字报覆蓋，远望如白色棺 材；红卫兵还把几个高音喇叭放于其床头，使双目失明且患心脏病的他彻底崩溃。去世前一天下午，气脉已竭的他还要“口头交代”，他说“我如在死囚牢中”，留 下了“涕泣对牛衣”的诗句。

曾昭抡，曾国藩侄重孙，与妻子俞大絪，都是民国知名学者，1949年两人滞留于香港，蒋介石欲抢救二人去台湾，两人断然拒绝，归来报国。文革时红卫兵将俞 大絪教授上衣剥除，用皮带死命抽打，俞教授悲愤难抑，是夜仰药自尽。4个月后曾昭抡也被含冤折磨死，兴盛百年的曾氏传承，至此香断。

胡思杜，胡适幼子。北京沦陷前夕，蒋介石派专机接胡适，胡思杜不愿随行，说：“我又没有做什么有害他们的事，他们不会把我怎么样。”1950年，胡思杜发 表《对我的父亲胡适的批判》，骂胡适是“帝国主义走狗及人民公敌”。1957年，胡思杜被划为右派，“畏罪上吊自杀”。胡适直到1962年病逝也不知其子 已先他而去。

在一次批判大会上，已经72岁的大师吴宓被勒令下跪，跪了两个多小时。批斗会结束后，有人偷偷问他身体可吃得消，他说“跪着比站着好些”。到批林批孔时，吴宓不肯批判孔子，说“没有孔子，中国仍在混沌之中”，并说“宁愿杀头也不批孔”，被打成“现行反革命”。

刘盼遂，北师大中文系教授，著名古典文学专家、古典文献学家、语言学家。1925年，清华国学研究院第一届招生，以一甲名次考入，师从王国维、梁启超、陈 寅恪。1928年毕业后执教于北京女师、清华大学、燕京、辅仁大学。46年起任北师大教授。1966年8月被红卫兵打死。

潜艇专家、船舶工程专家王荣璸，第一代潜艇研发核心，曾在英德美三国学习，1949年积极参加“反搬运反疏散反破坏”斗争，留住了许多本想前往台湾的技术 人员，1969年被打为走资派、反动学术权威、美苏双重特务，关入牛棚，遭残酷批斗和抄家。1938年冒生命危险从德国带回国的潜艇资料底片也被抄走遗 失。

1975年9月15日，漫画大师丰子恺含冤去世。他在文革中被诬为“反动学术权威”、“反革命黑画家”，遭严重迫害。如《昨日豆花棚下过，忽然迎面好风 吹》一画，被认为是欢迎蒋反攻大陆。“好风”者，好消息也。《炮弹作花瓶，人世无战争》本倡导和平，结果被认为是迎合日本帝国主义和国民党反动派的需要。

萧光琰，化学家。建国后最早从事石油化学研究的科学家。他1920年就移居美国，读了博士并工作。1949年，他花几千美元购买翻印器材，花一年时间蒐 集、翻印和整理他认为祖国需要的资料，然后几经波折回到国内，在文革中被关押，遭遇日以即夜的残酷殴打和侮辱，后自杀身亡。三天后，其妻子和15岁的女儿 自杀。

董铁宝，力学家、计算数学家，中国计算机研制和断裂力学研究的先驱之一。抗日时曾冒着日军轰炸参加抢修滇缅公路桥梁，1945年赴美获博士学位，后参与第 一代电子计算机eniac的设计编程。1956年放弃一切，绕道欧洲，花费三个月辗转回国，任教北大，在1968年清阶运动中被指控为特务，隔离审查，上 吊身亡。

周寿宪，1951年26岁时在美国获博士学位，并留美从事研究工作，1955年冲破阻挠回国，任职于清华，参与筹建计算机专业，是中国计算机科学的创建人 之一。文革中被送到江西鲤鱼洲清华五七干校，被长期摧残后患上精神病，但军宣队员说他是装的，常拳打脚踢谩骂侮辱，后因病情严重送回北京，1976 年跳楼自杀

虞光裕，中国航空科学元勋，曾在美国和英国飞机工厂从事设计工作。1949年拒绝赴台，辗转香港和南朝鲜，历时三个月艰难回国。1956年成功主持研制中 国第一台喷气发动机，并主持建设中国第一个航空发动机试验基地。文革遭迫害，在车间劳改，拆卸旧锅炉时被跌落的通风管道砸死。

钱晋，1944年毕业于北大，领导研制成功多种高级炸药、塑料粘结炸药，为两弹一星的研制作出巨大贡献。文革时被打为反革命，被逼交代子虚乌有的 “国民党西北派遣军”问题。当时有两个口号：“会英文的就是美国特务，会俄文的就是苏联特务”，钱晋拒不承认自己是特务，结果被活活打死。

詹安泰，古典文学家，书法家，词学造诣最深，有“南詹北夏，一代词宗”称誉，任教于中大。1957年被打为右派，文革遭批斗，多年文稿被烧毁，其子曾每天 偷藏几张手稿带出去埋在地下，保住少数心血。1967年4月淋巴癌复发，医院不肯医治，凄凉离世，家人随后被中大赶至集体宿舍居住，其两室藏书后被贱卖。

董坚毅，哈佛大学博士，52年回国，55年支援大西北。57年被定为右派送夹边沟劳教。60年饥荒袭来，董亦不能幸免。其妻顾晓颖（也为留美生）来探视， 待寻得其遗体时，周身皮肉已被割食一空，仅剩头颅挂在骨架之上。夹边沟劳教人员2800多人，饿死2100多人，死难者掩埋草率，累累白骨外露绵延两公 里。