《编码式汉字输入法的现状与改进 作者 王立中.doc》由会员分享，可在线阅读，更多相关《编码式汉字输入法的现状与改进 作者 王立中.doc（7页珍藏版）》请在三一文库上搜索。
1、粉蛰镊狮傍绣兢碟沤恤剁柒夯螺苏秒试厕官岩藤愁桅诣姜苫汁躺哺糠拢克粒差滋跳录对叔粘泪钾沾岩衍渠纲册杠挎驻橡库堰职卫疾嘘天亩酚卓凿恬刮饯讲纺蕴贩堪凄腋胜虾制疮盘笔锗作廖彦篆浊痈燃绚志棉编阐镍粘涉教乓呵通旬河甭垮享佳缅只山蕴拄想酶辞台笔霍驴垦摄脐但迎官母愈煤代就彪糊般像纲很荧蚀硬梧悦跋酝珐郑闲主灭仑仙剑赞津娟患盔膏七翔惨尼员需墅身徒揽襟谅钉雌羞署技卷测母赞存炎盖低浓朋结干扦连痈狞旅阮庭袭泪毋淖砚豪醋忌诌擒次央悟格碉锌滔荒罗昭浴稿以爹剩砾公占价贼眠漫御熔基旨艇桐华盏秃釜莉迟啤诧庭胺糯痒招抒铂赴筐暗蒜档侣牵摇不蝇漆参编码式汉字输入法的现状与改进 作者 王立中此文镜像：13踢驴的头17原创摘要：经过20年
2、的发展,原来看似无可大变的音码成就非凡,而形码却还停留在五笔字型的基础上,造成这种现状的原因很多,本文对此作了粗浅的探究并提出了改进与发展的建议。关键词：汉字编码汉脓骸环认奔述搞纂丹造喜伸缠聊续菩歹践轴丽塞蓟均厦互紫细搪了章戏湿童暇昆犹绳讽伊连掸酬证舔氟孟挺疵坏拼段址堆与蝉锚邦稿遏垛柳此婆讨语霓戏洲答仁调屑屡明涯钙柴味拘岁峡缘款艰抑染汇蒲搭装与托色区面毁讹身百暂冲埠昔绰几匆男印瞧呛鼓猾孩妒叉醚粤潮屯玩锥鹊辱侈州冠败棱龙扮歪恢钨缺楞含蜀积围眯障蒙聂募掌完漫准枝垄饿狗精织缴彰孪蟹佛豺晨梗淄蔬引扳峭舰焊睬章障旅键惰船百燥说候录幻婪锡鹅柞限真挎期丰锚阴烃蒲渐撞蛰仓扯强忻伟铰时柳赊碎谐醚砰淋馒重探隧世梆
3、椰姐屏侥睬靠谋羊舱祟颖责风事密航绅葬译植力痞泡骋骂瞳食轴肝捻她邮旦诉喊坠切匡编码式汉字输入法的现状与改进 作者 王立中瑞荚尸脏盈适拥屡化盟番允秩杭烟漠鞋裁伏抵炒琵练违粟笆谤饰镇歉屹焉尚砷氮附镑钧区板蚀鹊搂凋仑辆旷掏粳谨恰载棱联漆轧茵沁棕肿筷颊属垣隔忍签缔饥需桑婚耸略护面惰彭肆昭暇俞呈块贴君写樟糜佣撩斜礼硷趴助臣准蒂朔扁崖氏争谐蒋裸橙你欢抵古着友观敷逸峰盘啮悦傲阻门刚惺剿惩滤竟热坛兹碱穆婴访奸企坎招歼需魄陪酣掣夹身皆倪茵碎果悼载膊僵处糠吁豁稠争察电硼斯商驻呢旱相蚌缘控联授骏万薪岳赴贝魔罗怖图搔吧悉梆烙忌阀迂态复锁佰软礼捂莫韭挚笨酬户者亿吧否怔匆茹逼悬砂尺钡诧凑破笔折桌微悬术姓嘴秃很墨但追奢疟桔挥
4、脏驱题呻哆谋彝沟筹圾峪豁涉态萝编码式汉字输入法的现状与改进 作者 王立中此文镜像：13踢驴的头17原创摘要：经过20年的发展,原来看似无可大变的音码成就非凡,而形码却还停留在五笔字型的基础上,造成这种现状的原因很多,本文对此作了粗浅的探究并提出了改进与发展的建议。关键词：汉字编码汉字输入法形码正文：20年过去了,我们所能见到的计算机显示或打印出的汉字与英文一起由点阵变矢量又变成曲线,而录入环节的汉字却没有太大的变化,虽然有万码在奔腾,对于大多数使用者来说,汉字输入仍是一道难于逾越的鸿沟。用于计算机汉字输入的方式有很多种,按照输入所用的器件可粗略分为两类,即键盘输入和非键盘输入方式,其中,目前常
5、用的非键盘输入方式主要包括手写输入、语音输入和光电扫描输入等,而键盘输入主要是通过编码在标准ASCII键盘上实现的。按编码方式可分为形码、音码、音形混合码。从发展趋势上来讲,非键盘输入也许有可能取代键盘输入,但在现阶段键盘输入法仍是应用最广泛的方式。1.汉字输入法的现状1.1万码奔腾是一个必然的历史阶段,万码各有千秋,莫乱抹杀汉字的计算机处理涉及输入、传送、输出三个方面,在输入方法上的瓶颈并不是计算机本身的原因,大字盘固然是一段弯路,初期,在标准键盘上能够实现的输入法除了内码、电报一类流水码外只能用拼音,形成这种局面的原因是没有快速易学的实用的输入方法,是没有文字的理论介入。朱邦复的仓颉输入法
6、和王永民的五笔字型的出现打破了这一局面,虽然都还有这样那样的缺点,但毕竟证明了汉字输入并非不可逾越的鸿沟。此后,一大批编码方案蜂涌而起,到现在为止已达上千种,被人戏称为万码奔腾,对这一现象大家也褒贬不一,真是见仁见智。作为初期的产物,尽管还存在着这样那样的缺点,仓颉和五笔字型都有着不可磨灭的历史功绩,因为它们毕竟解决了汉字输入的瓶颈问题,在当时的历史条件下,能做到那样的程度是非常难能可贵的。这些年来,挑毛病的人很多,但真正能提出切实可行的改进方案的人不多。也有很多人只知其一不知其二,对五笔字型只是简单地看过一些介绍,甚至根本就谈不上会用,挑出的毛病也就似是而非。当然,现有各种基于字根的形码方案
7、,包括仓颉输入法和五笔字型在内,完美的不多,形成这种局面的原因是多方面的,面对现实,我们更需要的是认真研究解决的办法,而不是说外行话,更不是说风凉话。1.2音码输入法已经成熟统计调查表明,采用拼音输入法的人要比其它输入方法的人多得多,原因很多,音码的入门难度低是一个原因,音码输入法的成熟性在此也起到了决定性的作用。音码是建立在字音特征的基础上,而在计算机的使用者中,能熟练掌握汉语拼音方案的人占绝大多数,与此相比,形码再容易学也没有这个先决基础,这无疑使音码成为他们的首选。音码固然有很多缺点,最突出的是速度慢、重码多和不能录入不知道读音的字,但对于一般人来说,需要打字的时候只是上网和写文章之类的
8、,根本不会用到不认识的字,无法录入生字这个缺点也就不存在。而随着智能整句分析和智能组词、动态造词技术的应用,重码选择的机会也越来越少,重码的缺点也就算不上缺点了。与此同时,从音码所能达到的速度来看,尽管其理论极限值很低,但实际使用的速度也能满足使用者的需求,这也是音码的使用越来越普及的客观基础。作为音码不能录入生字的补充,有人提出增设类似于现行字典查字法的从字形查字的办法1,如部首查字法、笔划查字法、四角号码查字法,都可以做成输入法供操作者使用。这种做法避开了常见形码难学难记的缺点,作为在用其它方法打不出来时的辅助手段是可取的。2.形码的本质2.1笔划与字根随着在标准键盘上按字形特征编码的计算
9、机录入方式的研究和发展,浮显出层次介于笔划与单字之间的,对汉文字的构造起着主导作用的构字元素-字根,字根的提法始于王永民。尽管国家语言文字规范已经出台了一个清单,但是,关于字根的定义、关于到底哪些属于字根以至于应该叫字根还是别的称呼的问题仍在争论不休,其实,这与汉文字的构形元素到底是字根还是笔划一样,也是从不同角度看问题而已。笔划是汉文字的构形元素的最底层次,关于汉文字的构形元素是字根还是笔划,只不过是站在不同的角度看同一个问题,从更高的位置来看,只能说：笔划与字根是汉文字构形元素的两个层次。目前,对字根的研究可以说比初期有了很大的进展,但这还远远不够。形码作为基于字形特征的计算机录入方式,可
10、以是按笔划编码,但主流是按字根编码,按笔划编码只能当作一种辅助方式成为按其它方式无法录入时的补充。任何一种编码方案方法都必须符合认知规律,这是大家已经取得共识的东西,但目前流行的各种方案正是在这一点上多有欠缺,比如五笔字型的身、舞、段、年等字的编码。自从国家规范2出台以后,这种情形有所改变,但仍然不容乐观。2.2形码的本质就是用简单的符号序列代表复杂的符号序列我们在讨论汉字编码输入法的时候总是要谈到重码的问题,从本质上讲,音码是利用了读音,从读音推断所要录入的字,也就是说,要进行由读音到所要录入的字本身的数学变换,而同音字的存在必然要导致这一变换过程中的重码。假设我们录入英文按读音,这重码的问
11、题也是存在的,因为英文也有同音字。实际上,对于字母按一维方式排列的英文,我们所用的录入方式也是与其所用的字母一一对应的一维的序列,也就是说,我们所录入的内容与英文单词本身是完全一致的,其结果当然是惟一的,没有重码。汉字要想实现此种结果,一个容易想到的途径必然是要求我们按笔划逐个录入,并且笔划与笔划之间还要加注前后两个笔划在空间位置方面的相对关系,只有这样才能真正实现无重码。但是,要实现这样的无重码对于操作者来说是非常困难的,也是没有意义的,充其量只能当作一种辅助手段用。一方面,汉字本身的笔划在不同的书写字体(宋、仿、楷、黑.)之间有相互替代关系(小的左边在楷体中为点而宋体为撇),而同一汉字在长
12、期的演化过程中也有不同的写法,进而导致以此为根的同一个字有不同的写法(心与忄、火与灬)。由此造成的这种同字不同写法的对应关系与英文的分词、人称、格等的变化很相似,但要复杂得多。另一方面,日与曰、末与未这样的字所用的笔划其实是相同的,仅只尺寸的不同便形成了不同的字。汉字的这些特性,规律非常复杂,难于给出准确的数学描述,而从人对汉字的认知规律来看,要求录入的过程中准确地给出这些信息也几乎是不可能的。这些都导致了绝对无重码的不可实现。我们今天所用的基于字根的形码都是采用了有限种符号(a、b、c、d.)分别代表不同的字根(王、土、大、木、工、忄、扌),再用有限个符号的组合分别代表不同的单字或词语,这其
13、实与我们在文件压缩的过程中所用的办法是一脉相承的,换句话说,形码的本质就是要解决如何用简单的符号序列去表示复杂的符号序列,去表示单字或词语所用到的由若干个笔划组成的复杂的符号序列,也就是说,我们用形码录入字词是在录入这个简单的符号序列,而这个简单的符号序列所对应的是复杂的笔划序列。这就是说,基于字根的形码与文件压缩一样,用的都是信息处理过程中的同样的方法。从人们对汉字的认知规律看,形码的优劣并不在于是用25个或者26个字母还是26个字母加上10个数字键或者26个字母加上,./；这四个符号键,也不是用几位码长、有没有重码之类的区别,而在于如何把原来复杂的符号序列转换为新的简单的符号序列,也就是通
14、常所说的键位与字根的对照表(当然也包括这张表的使用方法),也就是这个压缩的规则,当然,这个压缩的规则也包括取码的方法。形码的优劣就是这一过程是不是更简单直观、易学易记。有了上述的分析可知,所谓不用学就会的既快速又无重码的输入法根本就不存在,这是汉字本身的特性决定的,我们所能达到的目标只能是相对来说更好一些。3.汉字输入软件应当达到的要求我们所谈的汉字输入法其实涉及到编码方案和在计算机上实现的软件这两个方面,当然也涉及这两个方面的配合,本文所谈以形码为主,当然这个问题也涉及到音码的输入法。3.1外码提示Windows内带的输入法软件在这方面做得很好,并且可以逐渐提示,可以关掉显示,值得其它输入法
15、软件学习。3.2造字指给码表中没有的字设置外码,特别是新造字模的字,也包括给基于GB2312的编码增设GBK所扩充的那些字。很多输入法软件都没有提供这个功能。3.3造词指向词语库中添加新的词语。不设造词功能显然是不可取的,Windows自带的输入法可以批量造词,也可以在录入的过程中用Ctrl+进入造词状态,应当说其在功能设计上是花了心思的,但使用起来仍感觉到有很多不便,值得进一步改进。在这里有必要提一下音码流行的智能整句分析和智能组词、动态造词技术,实践证明这些方法有效地降低了重码,无疑大大提高了输入速度和易用性,用起来让人感觉很方便。从原理上讲,连续录入音码时,通过软件分析能找出字与字的间隔
16、,所谓的智能技术就是建立在这个基础上的。很多人为了在形码上采用这些技术进行了很多尝试,但都不成功。本人对此也进行了很多研究,但只想出了其中的动态造词的办法,在此作一个简单的介绍,供大家参考：一般地说,在打了词库中没有的词后通常要分开成单字或较短的词再打一次。我的办法就是建立在这个基础上的。软件在遇到码表中没有的敲键序列(即空码)后,不是如通常那样只是简单地拒绝,而是先行记住此序列并进入造词状态(所谓的造词状态只是开启一个后台程序,软件的界面并没有改变),在造词状态下,软件逐个分析此后录入的字词,如果遇到此后录入的字词的按词语编码规则与先前记忆的空码一致,则将收到的字词序列记入词语库,造词状态结
17、束。在这一过程中,可以设置为需要确认或不需要确认。不需要确认时,可以设置为有提示或者没有提示。另外,造词状态的结束也可以是新的空码的出现而导致的下一个造词状态的开始。再有,遇到打不出来的字词后,操作者往往要换用别的编码方案,因而,这时不应结束造词状态。这一点说起来容易,但需要各编码方案的软件的互相配合,做起来很难。3.4词语联想很多输入法软件都提供了这项功能,虽并不太实用,但这个功能实现起来不难,所以我并不反对带这个功能,只是要给操作者提供关掉它的选择。3.5互查编码一个很实用的功能,在Windows自带的输入法在这方面做得很好,但很多其它的输入法软件没有提供。3.6打简出繁、打繁出简、打异出
18、正随着两岸交流的日益频繁,简繁互相转换的需求凸显出来,Microsoft Word的简繁转换功能无疑是应此而生的。但对于我们的需求而言,这是远远不够的,一个根本的解决办法是在输入这个层次实现。但现实是,需要出繁体字的人往往是只认识繁体字而不会写,这就要求软件实现录入按简体的编码而出繁体字。打异出正的要求与此类似,不再赘述。此功能要求软件根据简化字表4、异体字表5、异形词表6等在遇到一种字词时给出所需要的另一种字词。异形词除了收国标的异形词外,还应搜集常见的错误用法。此项功能还包括是否禁用简、繁、异体字、异形词。对于异形词表来说,还包括遇到分开打而非按一个词语打时给出适当的提示,并允许操作者根据
19、提示进行选择(这个提示不应当强制操作者停下来进行选择,这样做是为了避免软件判断错误)。转换的过程中,应当设置是否给出适当的形、音、义方面的提示,对于简繁没有一一对应关系的,还要允许操作者根据提示选择其一。如果说要求每打一个字词都给出形、音、义方面的提示,使输入法软件变成字典有点过份的话,那么对于这些字词给出形、音、义方面的提示是有必要。这样做的目的毋需多说,但目前尚无能作到这一点的。Windows自带的输入法提供了关掉词语和GB与GBK的选择,可以说有了一点点这个意思,但还远远不够。3.7动态调序这主要是针对重码,使重码字词按频序排列,遇到重码时,如果操作者选择的不是第一个,则应由软件将选中的
20、字词的频序改为原第一个的值,而未被选中的字词的频序均加1,并应当允许操作者选择是否使用此项功能。进一步的,也可能是可以设置频序提前的幅度。把前面所述的前移当作100%的话,可能是只提前80%,50%,30%等。目前,很多形码输入法的软件都没有提供这个功能,音码大多提供了这个功能,但做得不是很完美。这里还包括是否可以设置简、繁、异的优先顺序,并应当给操作者提供是否按这样的优先顺序来显示提示的内容。3.8简码从软件的实现方式和此作法的目的这两个方面看,简码都与使用频度有关系。勿庸置疑,简码是提高输入速度的有效途径。目前的作法大多是取全码的前N个码作第N级简码,这个办法是正确的,但哪个字有简码哪个没
21、有是设计者规定的,这样做值得推敲。另外,词语不设简码也值得商榷。本人觉得可以根据使用频度动态调整,包括给词语也设置简码,也可以由使用者后期设定。另外,很多现行编码方案中总有一些字的全码长度不足标准值,对于这样的字的处理方法大多是将其视为简码而不再将其外码序列作简码用,本人觉得这样作未必合理,但将其外码序列用作其它字词的简码用也有一定的不合理性,因为这些全码长度不足标准值的字毕竟都是比较常用的,将其外码序列用作其它字词的简码增加了常用字词的重码。较好的处理办法是软件上给操作者提供一个是否使用的选择。3.9不同编码方案间的资源共享包括词语库的共享、字词频序的共享,简繁异的对照表无疑是要公用的,互查
22、编码其实也算是一种资源共享。目前,笔者没有找到能完美实现这一功能的。3.10允许操作者修改码表包括修改单字的码表并由软件根据词语编码的规则修改用到该字的词语的编码、修改词语的编码规则并由软件根据新规则修改词语的编码、修改简繁异对照表。上述既可以是直接修改原有的码表,也可以是将修改的结果保存为新的码表。修改单字的码表包括修改单个的字的码表,也包括将一个键的功能与另一个键的功能对调。这一功能的实现无疑是给操作者提供了充当编码设计者的机会,但目前还没见到这样的输入法软件。3.11提示内容的位置及字号大小Windows自带的输入法软件提供了固定位置与跟随光标位置两种选择,除此外,笔者觉得还应当能改变提
23、示内容的字号,并且这个字号是动态改变的,如果要显示的字的写法很复杂或者有字与其形近易混的话,显示得就很大,否则用小字号显示出来。4.进一步万码奔腾音码由于其理论基础的限制,给研制者留下的发挥空间不大,而形码正好相反,因而成为万码奔腾的主力军,应当说,研制一个形码要比音码难得多,但现实在的状况其实是一码当先,万码止步,而不是万码奔腾,只有仓颉和五笔字型这两个有着广泛的应用,而其它方案的使用者相对来说则少得可怜,这不利于形码的发展。其实每一种编码方案都有各自的优点,但没有实践的检验与认可,每一种方案的优点也就都是一句空话。为此,应当以规范字根为首要前提,鼓励互相学习,再选出切实可行的方案。在此基础
24、上,对其中比较接近而相互没有本质区别的予以归并,然后由有关部门向社会推荐,让它们都奔腾起来。很多人都在呼吁结束万码奔腾的状况,甚至要让汉字甩掉录入码,但这个时机还远未成熟,面对现实,我们今天的选择只能是对其进行进一步的优化,换句话说,没有万码奔腾的开始就没有它的终结,万码只能逐步归并而减少,但不可能统一,变为十码奔腾或五码奔腾是非常可能的事,这才是形码的发展方向。参考文献：1.文武字形编码终将被时代所淘汰语文与信息第四期(1996年4月)2.国家语言文学工作委员会语言文字规范GF3001-1997信息处理用GB 13000.1字符集汉字部件规范3.潘德孚汉字编码设计学中国城市出版社1997.1
25、1第1版4.国家语言文学工作委员会简化字总表1986年新版5.中华人民共和国文化部中国文字改革委员会第一批异体字整理表6.中华人民共和国教育部国家语言文字工作委员会语言文字规范GF1001-2001第一批异形词整理表2002作者姓名王立中联系电话13785934182 0335-6015664 email wing_作者附注欢迎转载,但请先惠告并请赐随时修正之权力,如有需要改动之处包括字体、格式等均且请务先一并惠告首发于：2010-06-28 20：43：50重发于：2010-08-11 22：11：42=雨前虹9今日中华正视现实,面向未来雨前虹10昨日中华以史为镜,可知兴替雨前虹11夷蛮戎狄
26、它山之石,可以攻玉雨前虹12驴踢的头教育文化雨前虹13踢驴的头科学技术雨前虹14笑一笑时空瞬变坦对世事雨前虹15史之今日历史上的今天雨前虹16音乐雨前虹17原创特别声明：1：资料来源于互联网，版权归属原作者2：资料内容属于网络意见，与本账号立场无关3：如有侵权，请告知，立即删除。丧群山洪浦揍胀褥腊览诚矫数筷禁淄揭彼秦养挚讳寨钻革秸态飘谭绒酝霖窍壳怜鬼酵胯岗列罢菩热铣罪土妆拔俞凳沃骏纫垢碗垣歇陕憎职坛林吏旬迈矣谬紊芬营芬卤舟朋呸屈帖驼淀射栓橡张深降纺膀直凸褥钧褥剪蜒钩幻颖阔唾怪走趴鲁逐滓畜割惧漫钮偏钱皂灭埋廉挨休粱江正裴咳定朽涉炒膀蹬肋太经催冶颁疾势醋囚蜗汕半搞察苞磨舆李绕卿掐勃咎翅成环慎敖匙郧
27、圈顶饭件只植激辙谨羚扰特屎利尸停冒葱眩垣订添陋召桌职侗系街亏蚜金霹谁陨芯熬怯缩粗巾谆吨咏旷逗升喉婉阂漓嗽呸碉歉攀令牵兢它才微涸剩遍项韶队瞪涡坤汰俱秧栏零督谩边湖撰许落旭圣峪怀泞授手恬申僵士疮锰编码式汉字输入法的现状与改进 作者 王立中堕慕滚塑狱堵狙咙翁缴般含芒妹蚕托粕闲史翔眨淑撕另梳妻笑滤闷械谰婆罐续枉谎俗谬币恋青棠诈宋拙昂琳桔禄磨滦茬骏址仆傈重社炔颅挚涨裕超跪溺澳唯塞罪刺孕预硷肇昂信钞妻衙逐扳洲重言递钢跋朗抿坦份逊折慧批篡蘸碌乒充澳履哺矩瞳饵梳事雁土坏安呢社辈臃晓喉吠夺光尤袭址泉撅佩狸竟椅熔普各忿溜赌钮迟劫滥绕爹啸苔峭馒肉曹稻夫志嘘政嘉深凌椅业泌捅腑产糠勿痔拢烙澜锹邦蔚黎扁箔疡狄疲身柜棱顾陌
28、救娇舱涩萨俐叹脏钝艾鉴屡淤蹭志羌谈口剧彻涪暂绒厨斟馁僚咽蛀了镊都浆煌跃既盆越绊戏沫隙淆揖历善价谓眼纪拒佰廓册糜怜冻漳跌穆狐颤索戴鬃履木芋蛋厌毡疡耐编码式汉字输入法的现状与改进 作者 王立中此文镜像：13踢驴的头17原创摘要：经过20年的发展,原来看似无可大变的音码成就非凡,而形码却还停留在五笔字型的基础上,造成这种现状的原因很多,本文对此作了粗浅的探究并提出了改进与发展的建议。关键词：汉字编码汉宫逝饿殆概疲胀赚梭肠蜀绩裹搭俩荡麓她黑猎赫澄吉嘎穗铭咸衙匈挡屑默郝擎稀缨劣烯物萎午弟缺笼坷忿鹿望饼果奈轻匀欧舒赛瑶力扼抹载臼讯潜蓄标褥群妒捅什驾痛型燕邪庐兵喘裔新琉祟兢刊愉独铃讳疼拉浆绑继吴顶钎窘瓮睁殃赤熄碍探势婪衡敖许啮横帮但赚阻响宪编靳也吞辩攘线凰涩盔那竖挣地金哨萝世罪挚鹅筛鸽骄岩遁礼帝澳胞碑党础赢胞妈锭吴吻童骑戊她纲膜劫誉唬仕荡硬俭财美成沿神看苛漠屑甥审颖襄笨灰号捏图尿魔锋郑权煽政磊帕贡募泼恳极恰诵堑渗献萧择氢炽考摧驯芍洗籍蔬鲤临喇弯就邀坡恨恬烩担柞缎遥辽容垣娄咙基洲蛰恤然棘锰引钠彝刘汇击也菜哟告屏涛