中文电脑缺字解决方案 - UC Berkeley Linguistics.PDF

中文電腦缺字解決方案 莊德明 中央研究院資訊科學研究所 derming@gate.sinica.edu.tw 摘 要 使用電腦來處理漢字資料時，常會遇到一些電腦沒有的字形，以致無法輸入， 這便是缺字問題。面對缺字問題，雖然擴大電腦字集是該努力的工作，但是並不 能徹底解決問題。我們認為，要解決缺字問題，還是應該在電腦中建構一個處理 字形的機制。 本所自 1993 年起，即研擬漢字在計算機中的制式表達，稱為構字式，以登錄 漢字的字形結構，並建置漢字構形資料庫。構字式係將漢字視為一個二度空間圖 案，再由部件以橫連、直連、包含三個法則拼湊而成。構字式可用來表達缺字， 同時也可以當作漢字的交換碼。 由於近年來網際網路蓬勃發展，資訊共享的需求日益殷切，本所也和「教育 部圖書館自動化及網路化策略推動委員會」合作，推動以漢字構形資料庫來解決 中文電腦的缺字問題，第一期期畫於 2000 年底結束，並且推出可在 Microsoft Windows 95 或 98 中文繁體版上使用的光碟。這片光碟已收錄《漢語大字典》的 54,678 個字形及 12,208 組異體字。光碟安裝後，使用者可以利用部件迅速檢字， 並在 Microsoft Word 97 或 2000 中文繁體版上使用這些字形。 漢字構形資料庫的建置仍在進行中，第二期計畫從 2001 年 8 月到 2002 年 6 月，預計增收《說文解字》的 9353 個小篆字頭及 1163 個重文，以銜接古今文字。 小篆字形的登錄，必須依據《說文解字》的釋形，以建立文字學資料庫。至於小 篆和楷體間的對映，可以參考《漢語大字典》及《說文解字詁林》。部份小篆字可 能對映好幾個楷體字，這部分可參考《漢語大字典》的異體字表。 小篆以外的古文字，如甲骨文、金文、楚簡等，本所也和院內的歷史語言研 究所合作，目前以金文的進展最快，可望和小篆同時收錄在第二期的光碟中。 壹、前言 使用電腦來處理漢字資料時，常會遇到一些電腦沒有的字形，以致無法輸入， 這便是缺字問題。尤其是在處理古代文獻時，缺字的情況特別嚴重。 為了應付缺字問題，一般的治標方法是在電腦字集的外字區中找一個碼位， 造上所缺的字形，這種作法雖然可以在該電腦中顯示缺字，但也面臨了資訊共享 的障礙及造字空間不足的問題。另外，擴大電腦字集也曾經是大家的努力方向， 但是經過多年的驗證，仍然發現字形無法收齊，改寫應用程式的成本過高。我們 認為要徹底解決缺字問題，在電腦中不能僅靠一個碼位來代表漢字，而應該在電 腦中建構一套處理字形的機制。 本所自 1993 年起，即研擬漢字在計算機中的制式表達，以登錄漢字的字形結 構，並建置漢字構形資料庫。近年來由於網際網路蓬勃發展，資訊共享的需求日 益殷切，本所也和「教育部圖書館自動化及網路化策略推動委員會」合作，推動 以漢字構形資料庫來解決中文電腦的缺字問題。第一期期畫於 2000 年底結束，並 且推出可在 Microsoft Windows 95 或 98 中文繁體版上使用的光碟。這片光碟的主 要內容如下： 1. 涵蓋《漢語大字典》[1]的 54,678 個字形及繁體中文 Big5 的 13,053 個字 形，合計 54,711 個字形。 2. 收錄《漢語大字典》的異體字表，共 12,208 組，包含 36,309 個字形。 3. 提供 4,766 個部件以檢索字形，其中包含 1,324 個字根。1,324 個字根， 可再分成常用字根 657 個，間用及罕用字根667 個；常用字根可涵蓋 52773 個字形，間用及罕用的字根涵蓋 1938 個字形。 4. 擴充 Microsoft Word 97 及 2000 繁體中文版的功能，可在 Word 下使用 54,711 個漢字。 5. 開發漢字構形資料庫使用界面 ，讓使用者可以快速的檢索缺字及異體字。 6. 提供線上說明及使用手冊。 漢字構形資料庫的建置仍在進行中，第二期計畫從 200 1 年 8 月到 2002 年 6 月，工作重點如下： 1.