汉字形声码.pdf

汉字形声码是一种形码，应用于中文信息处理。
    目前，汉字编码方案已有600种，但成名的，不过十几种。编码按信息特征分，基本上为音码、形码、音形码三类。音码的缺点是①同音字太多，②8000汉字，通常只识得三、四千字。形码的缺点是①要记字根及其编码，②字根分解规则的模糊性常造成误码，並增加了记忆量，③字码合成时总有些特殊的规定，④要准确掌握字形。音形码则兼有两者的优点与缺点。当前的电脑输入还是形码占优势，而王永民的五笔字型码为其典型代表。

    作为形码方案主要由四部分组成：①字根选择及其编码，②字根分解规则，③识别码设计，④字码合成规则。

    字根编码方法有三：①区位码，如王码，②象形码，如钱码，③声码，如全息码。显然声码比较优越，容易记忆，反应快。

    字根分解方法常见以笔顺为序。它的优点是将平面结构的字形转化为线性结构的笔顺，简单明确。其缺点是将字形分解得较零碎，常不符合文字传统与习惯，因而王码要加个“兼顾直观”的规定。但是“直观”是个模糊概念。王码的五条分解规则各自独立，使人不知道该用那条规则。

    识别码的主要功能是抑制重码，王码的末笔、字型交叉识别码是一种很好的识别码。当字根采用按声取码时，对其识别码提出了更高的要求。杜冰蟾的全息码采用末笔画的八种笔型作为识别码，其离散力不足，故未能实现真正的按声编码。

    本发明的目的在于全面改进形码的品质，並实现部分的反向识别功能（见码识字），使它成为一种文字码的雏形。

    本发明的构思原理与基本结构如下：

    汉字是一种拼形文字，拼音化道路走不通，能否走拼形道路。汉字现代化就是汉字符号化，符号汉字就是文字码。它与一般编码不同之处就在于要求反向识别;还有，编码过程中、符号转换中，不允许存在文字学以外的指令手段。一旦，统筹研究汉字编码与汉字简化（减少字根，而不是减少笔画），实现2500常用字的双向识别是可能的。那时，一般文字资料中，每100个字有99个可以双向识别，这种编码就可称之为“文字码”。它不取代汉字，但可辅助汉字，它将从专业走向社会。本发明是设计文字码的一次初步尝试。

    本编码采用英文字母键盘，4位等长码，（用于汉字检索或全汉字编码也可用5位等长码）。150～200个正体字根按音（声母）编码，另声母字根采用韵母的一个字母，首字母或韵腹字母。声母21个，Ch、Sh、Zh写成C₁、 、Z₁。取消分隔用声母W、Y，Y改作ü。元音“O”用作功能码。C₁、 可占用V、W键，Z与Z合用Z键，这样共26键位。字根读音在下列读音中选择：①今音、②古音、③习惯音，④注音符号音，没有现成读音或因避重需要给予拟定读音的，可采用如下方法：①形转意法，②仿形声法，③仿音省法，④仿反切法，⑤形似法。凡当今通用的成字字根，一律采用今音。凡有现成读音的尽量在现成读音中选取。（注：今音是指现代读音。）

    本编码创造一种新的字根分解方法。它与通常的以笔顺为序的动态分解法不同，而是直接分解字形的静态分解法。这种分解法所得的字根比较完整，比较符合于文字传统。如束字王码分解为一、口、小，本编码分解为木、口，符合“说文解字”束从口木的观点。它有一条必循准则与五条顺序运用的优先准则。根据这些严密、确定、统一的准则，任一字形均可得到一个唯一的分解结果。必循准则是“笔顺一致性”准则。这规定分解所得的字根其笔顺必须与整字中的笔顺一致，即字根的笔顺在整字中可以被别的字根间断，但不可颠倒。五条优先 准则依次为：①最少字根优先，②脱连优先，③最小根值优先，④笔顺连续优先，⑤笔画先分优先。下面给予扼要说明：

    最少字根优先是为了取得较少的字根，这样字根字形完整，並利于反向识别。

    汉字中的笔画群组成字根或部件，说明这些笔画间存在一定的关系。依其关系的紧密程度可分为三类，（1）相关：几何学上不相连，而文字学上相连，如八、心，（2）相连：笔画接触，（3）相交：笔画相交，有交点。脱连优先的含义是笔画间关系较松散的，相关与相连优先脱开，其特征是交点数不减少。

    字根是由一个笔画、二个笔画，或多于二笔画组成，用“根值”来表示字根笔画的繁简程度。规定二笔以上的复笔字根其根值为1，一个笔画的单笔字根，若其笔型为“折”时，根值为0·8，其余四种笔型时，根值为0·6。最小根值优先准则规定了在同样字根数，同样是脱连（或折交）的情况下，选取根值较小的一种。

    静态分解法规定字根的笔顺在整字中可以被别的字根间断，在先行的优先准则相同的条件下，字根笔顺未被间断的分解结果应该优先。

    笔画先分优先准则规定在先行优先准则相同的条件下，可以归属于二字根的中间笔画应归属于前字根。如兰→ 、二， 丷、三。（→读成“分解为”或“编码为”， 读成“不分解为”或“不编码为”。）

    分解后的字根次序依其首笔画的先后为序。

    本编码的字根分解采用二步进行：第一步先分解为独立部件这是指该部件与相邻笔画无牵连;所谓牵连是指相邻笔画间可组成新的字根。8000正体汉字共有600个独立部件，其中200多个是单个字根，余下只有300多复字根部件需要分解。只要按照分解准则，掌握这300多部件的分解结果，那应对8000正体汉字的分解便驾轻就熟，反应迅速。

    同码（同声母）字根用字形识别码来加以区分。字形的分类用 字根的首末笔画的笔型作为特征来确定的。这样，相似的字形既可归于一类，又可避免“相似”的模糊性。笔型分五种，字形分成5×5＝25类，可以用2位数表示。末笔为撇的字根很少，可以归为一类，用03表示，定名为“撇”，这样得字形为21类，03之外地20类字形，每类中选出一个字根作为代表，称代字，这个代字的读音（声母）便是该类字形的代码。这样21类字形可由21个字母表示，称为字形识别码，简称识别码。

    同码字根（字根码相同）中可选出一、二个较常用的字根，对它们不用字形识别码，而用功能码“O”代替。这些字根便称为零识别码字根，或简称O码字根。

    当字根码、识别码结合起来成为字母区位码，用来表示一个字根时，这字根的字形便可确定。这就是实现反向识别功能的途径。

    代字法的构思来源于汉字的音韵学传统，用字母（整字）代表音素符号。

    字码合成规则如下：

    单字根字：GO ′;

    双字根字：G₁G₂¹₂₁

    三字根字：G₁G₂G₃¹i（i＝3或2）

    或G₁G₂G₃， i（i＝1）

    用一个识别码位去识别三个字根码，本发明首创“扫描识别法”。 i首先识别G₁，遇O码字根，转向G₃，遇O码，转向G₂，又是O码，则 i标为“O”。若在扫描过程中，遇到非O码，则标记首先遇到的非O码字根的字形识别码。

    扫描法有利于抑制重码与增强反向识别功能。

    四字根字：G₁G₂G₃G₄

    ≥5字根字：G₁G₂G_n-1G_n

    当复笔字根数≥5时，单笔字根全部省去。

    得：Gf₁Gf₂Gf_n-1Gf_n。

    以上G、 、S′、Gf、O表示字根码、识别码，辅助识别码、复笔字根码、功能码。注脚数字为序号。“′”为区分字根码与识别码的分隔符，它不用输入电脑，仅用于人脑反向识别。

    另外，尚有局部的附加规则，以抑制重码，如8000汉字编码初稿中有这样三条附则：

    （1）以口，木为首字根的双字根字，字型为上下型时，口、木的识别码不用“O”，而用上下字型识别码“K”、K是“卡”的声母。

    （2）由2～3个字根组成的字形在整字中重复出现时，后面的可用“U”代替。它模仿简化汉字中，用“又”代替重复字形，如轰、聂。

    例：器→KKQU，

    辨→L BU。

    注：U所代表的字根（上例为KK，L ）必须全部入选字码。

    （3）四字根字，首字根为M、Y、S、 的≥3笔的非O码字根时，字码不用G₁G₂G₃G₄，而用G₁G₂G₄₁（或G₁G₃G₄₁）。

    初学者忘记附则时，可用容错码找出该字。

    8000汉字编码初稿中单字根字编码是这样规定的：

    单笔画字，三个：

    O→LOOO，一→IOOI

    乙→IOOE。

    M₁是读音，M₂是空位码，M₃是识别码，M₄是笔型码。（M表示码位）。

    O码字根字：GOO

     是它的原本的字形识别码;

    非O码字根字：GO b₃

    b₃是它的第三笔画的笔型码，若字根笔画数≤3，则用“O”代替。

    高频字可采用以一码表示的一级简码，以二码表示的二级简码。一级简码按整字读音取码。

    参照字码结构，可编制词码，单字读音声母相当于字根码，首字根相当于识别码。这种词码比较好记，反应快。

    功能码“O”出现在不同的码位上有不同的功能。在M₁时作为查询码。查询时，字码中不再用识别码，不确定的字根码可用空位码O代替。正码的M₄为O时，规定应省去，如森→MMM，而 MMMO。这样“O”在M₄可以用作“去重码”。功能码“O”共有①查询②空位③识别④去重⑤反向识别等五种功能。

    本编码由于其按音取码的结构可提供一种新的读码、记码方式。如照字分解为“日、刀、口、灬”四个字根，可得编码为“RDKH”，这样有二种读码方式：①按字母读音读码，②按字根读音读码。设计者推荐采用第二种方式。这时，读码为：“Ri、Dao、Kou、Hou-Zhao”。通过字根的读音，把单字的字形结构与代码紧密地联系起来，这有利于默打。如此还为我们学习、记忆汉字字形提供了一种新的方法一一拼读法。自古以来，记忆汉字字形只有靠看和写二种方法（读是记字音），现在多了一种象拼读英文生字一样的拼读汉字字形的方法。

    从上面的介绍可以看出本编码的优越性与独创性。它灵活地应用了文字传统，又注入了数学的逻辑性。它易学好记，反应快，适宜于专职人员的视作（看打），又适宜于非专职人员的默打（想打）。它实现了部分的反向识别，将来有可能演变成文字码。

    作为实施例8000正体汉字的编码初稿选用正体字根约160个，连同变体、变形字根共260个，详见附表“字根表”。表中“氵”、 “冫”读成流、冻，是形转意法，“攵”、“阝”读成扑、阜，是古音，“宀”、“辶”读成宝、之，是习惯音，“匚”、“卩”读成方、资，是注意符号音;“丂”、“ ”读成巧、各，是仿形声法，“ ”、“ ”读成黑、母，是仿音省法，“ ”、“ ”读成喷、撇、是仿反切法，“ ”、“”读成里、厶、是形似法。只一个字根“才”尚未找到合适的文字学依据。

    笔型代码，“撇”用声母“p”，其余“横、竖、点（奈）、折”，用元音“I、U、A、E”。此时I可读成“一”或“提”，也可读“横”。

    首字母为A、E、U、Y的韵母即用A、E、U、Y（即 ）作代码，首字母为I的韵母用它的韵腹字母作代码，如：言（ian）为A，也（ie）为E。

    编码初稿在一级字集3755字中，有1839字实现反向识别，占49%。这包括①全部单字根字，②全部双字根字，③三字根字中，扫描识别了2～3个字根的字。一级字集，重码39字，增加二级字集，增加重码150字，增加二级外字集（1058字），增加重码72字，略低于王码。

    下附“字根表”。

    字根表  （8页）

    

    字根表（续）  （9页）