一种以-字形簇-为单元多文种文字处理方法.pdfVIP

一种以“字形簇”为单元的多文种文字处理方法 唐英敏1·2吕肖庆1，2高翔2张建国2 (1．北京大学计算机科学技术研究所北京100871； 2．方正集团IT软件事业部北京100085) tangyingmin@icst．pku．edu．cn 摘要； 以往的排版软件通常都是以单个字符作为文字流的基本单元，在多文种文字处理中，由于各种语 言文字有着不同的特征和排版规则，基于单字符的排版使多文种处理变的非常复杂。本文提出了以“字形 10646、Unicode标 簇”为文字流基本单元的文字处理方法，该方法采用OtmnType技术。且符合ISO／IEC 准，可以系统地解决多文种混排面临的困难。 关键词；文字处理多文种字形簇Unicode OpenType 1．引言 随着国际交流的不断增加和我国民族文字信息化技术的发展，对多文种文字处理技术的 需求越来越多。ISO／IEC 10646(或Unicode)统一了世界各种主要语文字符的编码，其目标 也是要统一全球所有字符的编码，因此采用ISO／IEC 10646能够避免多文种处理中不同语言 字符的重码问题。但是除了字符编码问题以外，因为各种语言文字的书写方式不同，文字处 理的方法也不同。例如，拉丁文和阿拉伯文的文字走向不同；蒙古文一般采用竖排；藏文是 横排，其字母却是纵向排列。这些不同的书写方式，使得以单个字符为文字流基本单元的文 字处理方法在处理多文种混排时变的非常复杂。本文结合OpenType技术，通过以“字形簇” 为文字流基本单元的文字处理方法，解决多文种文字处理在排版中遇到的问题。 2．目前多文种处理的方法及存在的问题 ‘ 2．1多文种处理技术的发展 实际上我国的文字处理技术从开始就不是单一文种，早期的排版软件都能同时处理汉字 和英文，当时使用的字符编码国家标准GB 2312．80中除了汉字外，还包含了拉丁字母、希腊 字母、俄文字母和日文假名等字符【l】。汉字正向横排(从左向右排)时与英文混排没有太多 问题，只是拆行时增加了英文拆行处理；竖排时一般是把英文旋转90度排列，这样文字走向 与汉字一致，显示的字符是横躺着的。 汉字的书写方式比较多，既有横排也有竖排，在台湾等使用繁体字的地区还经常用到反 向横排；同时我国又是一个多民族国家，各种民族语言几乎包含了世界上所有的书写和排列 方式，这些特点决定了我国文字处理工作的起点高、难度大，为以后的发展积累了丰富的经 验。由于技术条件的限制和统一标准的缺乏，使得早期的排版软件对一些特殊情况的处理变 的很复杂，其中主要的问题是处理字符变形显现和文字走向不一致的问题。 2．2字符的变形显现问题 在某些语言的文字中，同一字符因为不同的排版方式或在词句中的不同位置，会有不同 的表现形式，例如汉语中引号竖排时的字形与横排时不同，蒙文和维哈柯文的字母在词首、 词中和词尾有不同的显现字形。这些需要变形显现的字形有的在ISO／IEC10646中被赋予了 与原形不同的码位，有的则没有赋予独立的码位。 以往的排版软件由于受技术条件的限制，多数采用对不同字形分别赋以不同的编码，在 排版软件中通过编码转换实现变形技术(如方正书版9．x)。这样不仅增加了软件排版、检索等 功能的复杂度，同时由于各单位对变形显现字符的编码不统一，导致各家的字库和文字处理 系统互不兼容睇J。 2．3文字走向不一致问题 ．-256．- 不同的语言书写方式不同，排版规则也不同。汉语适用的排版方式最多，既可以从左向 右横排(称为正向横排)，还可以从右向左横排(称为反向横排)和竖排。其它语种一般都 只有一种排版方式，但不同语种的排版方式也不一样。如拉丁文是正向横排，维哈柯文是反 向横排，蒙古文是竖排，不同的语种混排时就会遇到文字走向不一致的问题。而藏文自身就 存在这个问题，藏文是正向横排的，但其字母组字时却是竖排的。 在