维哈柯文显示及排版技术的研究.docVIP

维哈柯文显示及排版技术的研究 　　摘要：在介绍新疆自治区的维吾尔、哈萨克和柯尔克孜文（维哈柯文）特点的基础上，提出了维哈柯文显示及排版应达到的目标。提出了维哈柯文显示及排版的模型，并对模型的关键处理――字符自动选形、按音节断行和字符自动拉长等主要技术作了详细论述。通过对比测试，此模型能使维哈柯文的显示及排版美观规整。同时这些技术已经应用到相关项目中，对维哈柯文软件的开发有普遍的参考意义。 　　关键词：维哈柯文； 显示及排版； 字母选形； 文本断行； 字母拉长 　　中图分类号：TP311文献标志码：A 　　文章编号：1001－3695(2008)03－0836－03 　　 　　新疆维吾尔自治区总人口约2 000万。其中维吾尔族、哈萨克族和柯尔克孜族约占总人口的60%，所以维哈柯文无论在政府办公，还是在人民日常生活中都有着广泛应用。因此进行维哈柯文信息化技术的研究，对促进新疆的经济发展、提升信息化水平，提高各民族的教育科学文化素质等都具有重要意义。针对维哈柯文文字特点与信息处理的应用需求，基于《信息交换用维吾尔文、哈萨克文、柯尔克孜文编码字符集、基本集与扩展集》和《信息交换用维吾尔文、哈萨克文、柯尔克孜文字体字形》等少数民族信息标准，本文研究了维哈柯文信息处理的关键技术――维哈柯文的显示及排版技术。它们是维哈柯文信息化过程中的难点和关键点。 　　 　　1维文特点及排版目标 　　 　　维哈柯文属阿尔泰语系突厥语族，是使用阿拉伯字母的拼音字母文字，所以维哈柯文具有很多类似阿拉伯文的特点，如从右向左书写、靠右对齐、字母自动选形、字母自动拉长等。但维哈柯文和阿拉伯文又有着很大的不同，如某些维哈柯文字母需要用两个阿拉伯字母的组合来表示，字母的选形规则、字母的拉长规则、字母的选形方法都不一样。另外，维哈柯文还具有可按音节断行的特性等。 　　1）字母自动选形维哈柯文每个字母对应两个、四个或八个字形字母，这些字形字母被称做显现形式。非字形字母被称做名义形式。维哈柯文的字母以名义形式进行输入、存储、逻辑处理、交换和传输，以显现形式进行显示和打印。 　　维哈柯文中有一种特殊的显示字符形式――复合字。它是在两个特定的显现字符同时相邻出现时，用一个显现字符来替换掉这两个特定的显现字符，该替换字符就被称做复合字。复合字没有对应的名义字符。维哈柯文中共有四对显现字符的组合可以产生复合字，对应的也只有四个复合字。 　　维哈柯文在显示时，需要将字母的名义形式转换为合适的显现形式，这一过程称为字母选形。字母选形有一定的规则，除了要根据相关规则确定一个名义字母的显现字形外，还要考虑复合字的变形显示。 　　2)按音节断行当文本过长，一行书写不下时，剩余的文本要能够接着在下一行从右向左书写。文本从一行切换到下一行的过程称为文本断行。断行分为按词断行和按音节断行，它们是两种不同的断行规则。维哈柯文可以按音节断行显示。 　　3）字母拉长文本断行后，为了美观性和规整性的考虑，根据维哈柯文的相关规则需要拉长某些字母。拉长的方法是在被拉长的字母之前或之后插入拉长字符“\u0640”。 　　维哈柯文的词是由一个或多个字母组成。这些字母前后相连形成一个或几个连体字母段。在连体字母段中，某些显现字形需要拉长，并且所有字母要沿着同一水平线相连，此水平线被称为基线。字母名义形式和显现形式的对应关系如表1所示。 　　 　　为了符合用户的文化风俗和使用习惯，针对维哈柯文以上特点，维哈柯文的显示和排版至少要达到以下目标：a)从右向左书写，靠右对齐；b)字符能够自动选形和拉长；c)实现维汉英文混合编辑、排版时的正确显示。 　　 　　2关键技术研究及其实现 　　 　　维哈柯文处理中，有关维哈柯文的逻辑处理（查找、排序、比较、字符串连接、取子串、索引字符等）均可以依据维哈柯文字母顺序表、相关规则及字符的Unicode编码进行。针对维哈柯文的显示和排版，尤其是混合汉英文字的维哈柯文的显示及排版。 　　2．1维文的显示及排版 　　为实现维哈柯文显示及排版目标，本文提出维哈柯汉英文混合显示及排版的模型如图2所示。 　　图2维哈柯汉英文混合排版模型 　　模型的核心处理单元为视图部分，该部分实现了维哈柯文的特征处理。简要说明如下： 　　a)文本方向调整，即将存放在模型中的文本重新排列。重排后的文本经后继处理就是最终要显示的文本。一段文本如果是由维哈柯文与汉英文混合书写的，那么此文本的基本方向就是文本的主要显示方向。例如维文中嵌套汉文，文本的基本方向就是从右向左；反之如果汉文中嵌套维文，文本的基本方向就是从左向右。文本重排将基于基本方向，根据字符的方向属性划分文本的run（run是具有相同方向的连续字符的最大集合）和嵌套层次；然后在BIDI算法中解析run和