信息时代书同文%3a汉字数字化进程回顾和思考.pdfVIP

信息时代书同文：汉字数字化进程回顾及思考 陈蔚松 汉字是世界上历史悠久而唯一沿用至今的文字。历经几千年沧 桑，汉字也随着19世纪、20世纪工业化、信息化浪潮跨入了数字化 进程。进入20世纪70、80年代，在计算机汉字输入的编码实践中， 海峡两岸的中国专家学者便不同程度地提出了汉字数字化问题。由 于汉字的形体特点，在电报通信、字典编纂、汉字排序检索、计算 机输入等领域，汉字信息转换为十进制数字O～9，是一个有必要回 顾、总结并进一步探索、研究、开发、应用的数字化进程。 三角编码是较早应用于中文电脑系统，并在国际间产生广泛影 响的一种汉字数字编码，从设计思想、编码理论而言，研制者台湾 胡立人等已明确提出了编码主要目的是提供一种汉字数字化方法： “为了数据处理、远程通讯及打印输出，需要对汉字进行编码，这 个编码过程并不简单。三角编码法构成一个编码、索引和检索系统， 它合理地把一个标识数分配给相应的汉字，主要目的在于提供一个 更加一致的数字化方法，以有效地减少汉字输入中的困难。”…三角 编码法的应用和推广，是汉字数字化进程中一个重要的里程碑。 与二角、三角、四角编编码不同，另一类数字编码则着眼于汉字 构造的最小单位一笔画，如李金铠等人的笔形码、澳大利亚卢遂现的 笔顺码以及“五笔画”笔形码。从李金铠等人的笔形码、澳大利亚 卢遂现的笔顺码以及“五笔画”笔形码总体来看，李金铠长城笔形 码是一种很有代表性的汉字数字编码，在电脑汉字输入领域取得了 多项第一，以突出的成绩具体实践了汉字数字化： “把二度空间排 列的汉字笔画简单地译成线性排列的数码”， “直接用数码进行汉 置了智能ABC等中文输入法，智能ABC除用拼音输入外，还用长城笔 形码输入。但是另一方面，我们也可以看出，以上三种笔形码都是 细分到笔画，规定性的成分很多，笔画排列各不相同，反不如四角 号码法取码笔形实际上是包含单笔画和笔画组合，较为直观简易， 取码口诀也有一定的规律性和合理性。 无理序号数字编码法设计人是肖水清先生，所以也称“肖码”。 “肖码”是一种广泛选取声母、韵母、笔画特征信息的数字编码系 统，包括音(声母、韵母)、形(部首、笔画)数字编码法和纯形(部 首、笔画)数字编码法。其键位设计中利用O～9十个阿拉伯数字汉 语读音(4还兼用其简谱唱名)对应数字声母、韵母，也利用部首笔 画数来对应1～7数字键，一定程度上建立了汉字特征信息与十个数 字键之间互相关联的映射关系，有一定的“有理性”。不过“肖码” 数字编码系统涵盖面太宽，编码程序还是比较复杂，需要较多的思 考过程，也增加了一些使用难度；而且汉字特征信息与数字键之间 映射关系的有理性非常有限，也比较脆弱，比如用部首笔画数对应 l～7数字键，除1笔、2笔、3笔之外，较多的部首笔画数不容易一下 判定、也不容易记住：而数字键8、9、0又对应几十个非规律性的部 首，可见部首笔画数对应数字键也前後不一致、不统一。 纵横汉字编码法是周忠继先生的研究成果。纵横汉字编码法把 构成汉字的笔画分成10种基本笔形，分别用0—9这十个数字表示，类 似四角号码的取码法，其笔形与数字代码关傺也用四句口诀记忆， 前三旬与四角号码法基本相同，第四句改为：“撇与左钩都是零”。 为了减少重码，纵横汉字编码法还把汉字的字形划分为有部首汉字、 无部首汉字两类；有部首汉字再划分出主部首和副部首。对于不同 类型的汉字，或取四角笔形代码、或取部首十字身编码，其类型、规 则、步骤比较繁琐；而更主要的问题是，其笔形数字代码缺少新意。 燕京学社引得编纂处编纂的引得(“引得”译自英文index，即 I)撷(xi6) “索引”之改译。)，采用洪业创裂的“中国字庋(gu 法”，先把汉字字体分为以“中国字庋撷”五个字代表的独体字、 包托字、上下体、左壳体、左右体五种结构，依次用阿拉伯数字l、 2、3、4、5为代号；再把汉字笔画分为十种，用O～9十个阿拉伯数 字取号，其取号原理略与四角号码法相同，但代号不一样，其笔形 与数码代号对照如下： 笔画 、 一 J 十又于 糸 厂目八 号码 0 1 2 3 4 5 6 7 8 9 燕京学社引得编纂处为几十种重要的文史典籍编排数字编码索