电子古籍中的缺字问题.PDFVIP

第 一 屆 中 國 文 字 學 會 學 術 討 論 會 天 津 電子古籍中的缺字問題 謝清俊 中央研究院 資訊科學研究所 文獻處理實驗室 1996 年 8 月 25(修正版 85.12.20) 電子古籍中的缺字問題 謝清俊 中央研究院 資訊科學研究所 研究員 摘 要 用計算機處理漢字資料時, 常有些字的字形是交換碼中沒有的, 這情形在古 籍中特別嚴重。為了要保留這些字形, 常用的方法是在使用者造字區內, 增加這個 字形, 可是這樣的做法不但要付出巨大代價, 也沒能真正解決問題。例如：為了新 造的字, 資料登錄的工作大幅增加；檢索文件時將面臨異體字檢索的難題；彼此 分享資料時則更嚴重, 可能重碼將造成資料錯誤或文件讀不出來的狀態, 以致於 根本無法共享資料。 造成這種情況的根本原因是目前計算機 中預存的字形信息太少, 如果我們能 將字形的信息表達在計算機中, 就可利用計算機來協助我們解這道難題。 本文用資料庫來表達字形的結構和該字的屬性, 在字形資料庫中, 字形是以 其部件及字根的組合方式表達。目前已將兩岸的兩套字根建構在資料庫中, 可相 互為用。 如果遇到計算機中沒有的字, 此時該字的輸入碼､交換碼､字形等都沒有, 通 常計算機是無法處理, 然而字形資料庫卻可提供以字根的方式來查詢。 為了徹底解決字形的問題, 我們建議將交換碼分為三個層次, 即字碼､字形碼 及字體碼。字碼依字的語意分別字, 字形碼依字的結構來分別字形, 字體碼則選擇 該字的字體型式。這樣的設計可依應用的性質提供適當的電子環境。 目前, 此資料庫共收錄有約九千個字, 以及這些字的部份異體字。我們也正嘗 試利用此字形資料庫來解決電子佛典中的缺字問題, 這些例子都將在本文中報 導。 未來的主要工作是將字形資料庫中字根的結構再分解為筆劃的結構。如果完 成了, 那麼在筆劃上構成的細微變化差異, 也可以用制式的方式表達出來, 電腦 亦因之可以對這些變化加以區分並加利用。本文亦將報導這個制式表達的方法。 這個字形資料庫的系統是將放在電腦網路上的, 所以凡可接到網路上的使用 者, 都可以共享它所提供的服務。此外, 字形資料庫以後還可擴充到包涵字音和字 義的部份。一個做法是和一部電子字典互相鉤連, 並把文字學的資料一齊建立。 如此, 則可能發展成為文字學資料庫, 成為漢學研究和學習的有力工具。 第一屆中國文字學會學術討論會, 天津 1996 年 8 月 25-30 日 電子古籍中的缺字問題 壹､前言 漢字歷史淵遠流長, 自隸書以後就有二千三百餘年, 誠如北魏江式云：『世易風移文字改變 』 在所難免。《顏氐家訓．雜藝》云：『晉宋以來……不無俗字, 非為大損。…… 大同之未, 訛 替滋生。蕭子雲改易字體, 邵陵王 頗行偽字……朝野翕然, 以為楷式。畫虎不成, 多所傷敗。…… 爾後墳籍, 略不可看。北朝喪亂之際, 書蹟鄙陋, 加以專輒造字, 猥拙甚於江南。乃以百念為 憂, 言反為變, 不用為罷, 追來為歸, 更生為蘇, 先人為老：如此非一遍滿經傳……』。可見 自古以來漢字的「形」並未能定於一。雖經唐以後, 官方刻石整頓約以範式, 然而天下碌碌多士 實難以盡入繩矩。是故爾後字書依然收錄各體字形, 如《干祿字書》將字形分為通､俗､正三 體。亦有收錄異體字為主者, 如《龍龕手鑑》。雖然古籍的字形多變化,帶來許多麻煩, 但也非 全無好處, 特殊字形能提供版本､校勘方面有用的信息。所以, 對治古籍不能不妥善處理字形問 題, 即使用電腦也如此。 一