论汉字编码的理论模式 李格 石兰 【摘 要】本文定义和描述了汉字编码理论模式，并对三种规范编码模式的优缺点进行了分析。本文还对汉字编码的评测提出了新思路，并探讨了汉字编码的发展方向。 一、汉字编码的理论模式 我们从一个实例中，概括或抽象出汉字编码的理论模式。  | 0级模式 Ⅰ级模式 Ⅱ级模式 Ⅲ级模式 |
汉字编码4种理论模式的示意性描述 汉字编码的4种理论模式是存在的，从现有编码来看，拼音码、区位码是0级模式的产品。笔画码如五笔画，是属于Ⅲ级模式的产品。现有的绝大多数形码属Ⅱ级模式，如五笔字型等等。“万码奔腾”就出现在该级模式上，然而Ⅱ级模式是不规范的（它不符合《汉字部件规范》[1]）。而Ⅰ级模式的唯一产品是笔者发明的逻辑拼形码，它由中国中文信息学会主持鉴定“在形码整体方案方面处于当前国际领先水平。”[2]需要指出，许多编码方案是介于Ⅱ级与Ⅲ级模式之间的作品，如两笔字型，以及众多的数码汉字输入方案。 需要强调指出，笔者就是在上述理论模式的指导下成功地发明了逻辑拼形码、逻辑二笔码[3]等实用方案。 二、汉字编码模式的定义与描述 0级模式的定义： 对汉字整字编码，无需对汉字进行任何拆分的方案。如拼音输入法，区位码输入法都是0级模式的方案。 Ⅰ级模式的定义： 是通过“部首不可拆分、交重结构不可拆分、独体不可拆分”的三条文字学原则有效地控制拆分下限，从而确定部件与部件拆分问题。Ⅰ级模式的部件是：部首、交重结构、独体。 部首是指201部首。 独体以《现代汉语模范字典》[4]定义为准。 Ⅰ级模式是文字学与汉字编码相统一的模式。汉字的音形义主要集中在这一模式的部件上。 部首不可拆分，从《说文解字》开始，在古今中外的汉语辞书中都找不到对部首拆分的任何理据。部首在文字学上的意义主要是充当汉字的“义”符。例如：“爷、爹、爸”中的“父”是义符，而“斧、釜”的“父”是声符，“父”是部首，因此不可拆分，从此例中可看出文字学与编码对汉字的拆分保持了一致。 独体在汉字中主要充当声符、义符。独体不可拆分在文字学中是没有争议的。 交重结构，大多数文字学家将之视为新的独体，同时，交重结构从编码学上看，如果要拆分，就会有二义性。例如：“曲”→“冂、曰‖、口艹、井凵”。另外，交重不可拆分也是《汉字部件规范》的一个原则。 Ⅰ级模式是一个比《汉字部件规范》要求更高的新一代部件输入模式。《汉字部件规范》中规定的不可拆分的基础部件共计560个，而Ⅰ级模式的部件数量却超过了600个。 Ⅱ级模式是指不规范的部件输入模式，不符合《汉字部件规范》的要求。 Ⅲ级模式的定义： 将汉字按笔顺规范[5]拆分至笔画输入的方案。规范的笔画有28种[3]。 三、汉字编码模式的综述： 我们把0级模式称为整字输入模式，把Ⅰ级模式称为部件输入模式，把Ⅲ级模式称为笔画输入模式。 （1）整字输入模式： 汉字输入要解决三个方面的问题，即单字输入、词组输入、整句输入。任何一个方案都要设法处理字、词、句问题。（键盘输入、手写输入、语音输入都要设法解决这三个问题，否则就是一个不完备的系统）。整字输入模式，以拼音码为代表，困难在于单字输入：一是不认识的字与读不准的字无法输入；二是编码空间太小，只有416个编码空间，重码过多，在处理大字符集如GB18030时，每输入一字，平均就有66（27484/416）个重码；三是编码过长效率不高。而拼音输入的优势在于整字输入而无任何拆分，因而较好地解决了词输入，尤其是句输入。例如：智能狂拼。但是处理单字不方便的系统，还不能认为是一个理想系统。 （2）部件输入模式： “汉字的音形义永远是第一位的”[6]，由于规范的部件输入法对汉字进行了符合文字学原则的拆分，能有助于更好地理解汉字的音、形、义，因而能与识字教育相互相成。 部件码是单字输入的主导产品，它的优势在于处理单字和词组，它的困难在于句子的处理。另一个困难在于部件的分类与键位的映射。 逻辑拼形码是一个优秀的部件码，它很好地解决了部件的分类与键位映射的问题。 （3）笔画输入模式： 笔画输入近年来受到了特别的重视，主要是手机迅速普及所致。 笔画输入的优势在于简单，无需学习和记忆。 笔画输入的困难在于单字输入重码多、词组输入效率低、句子输入则困难。 笔画模式中多采用“札”字法，即把笔画分为横、竖、撇、捺、折。但就中文信息处理而言并不实用，因为空间太小，重码过多。笔者发明了逻辑二笔码[2]很好地克服了这个问题，将28种笔画分为8类基本笔画——横、竖、撇、点、捺、横折、竖折、撇折。这样将编码空间适当扩大，重码方面取得了明显的效果。也使手机上的8键输入更为有效，且与电脑键盘输入完全一致。 近年来也出现了很多将几个常用部件与笔画混合的方案，虽然这些方案有实用性，尤其是重码处理方面所改进（无根本性改进），但却增加了拆字困难，增加了学习与记忆的负担，同时也步入了不规范的歧途。 四、汉字编码方案的评测 汉字编码方案的评测已有多种方案，也有相关国标。本文关于汉字编码评测的两点建议是： （1）按不同编码模式分别评测。 汉字输入要统一到一种方式上来是不现实的。本文提出的观点是，按三种规范的编码模式分别评测，即整字编码模式方案的评测、部件编码模式方案的评测、笔画编码模式方案的评测。通过评测得到不同模式下的统一方案。 （2）评测的重点是方案的字、词、句处理能力。 三种规范编码模式均按处理字、词、句的能力进行评测，评测重点应该是编码方案本身，而不是软件的智能化程度（通用的汉字输入软件智能化平台可专门评测）。 五、汉字编码音形结合的发展方向 根据以上分析，三种规范的编码模式都有各自的优缺点。汉字编码正沿着不同模式之间相结合的方向发展，在形式上则表现为音形结合方式，包括音和部件的结合（0级模式与Ⅰ级模式的结合），音和笔画的结合（0级模式与Ⅲ级模式的结合）等。这些方案往往在处理单字时以Ⅰ级或Ⅲ级模式为主，例如“李”的编码为“L木子”或“L一一”[3]，处理词时以0级模式为主，例如“计算机”的编码为“JSJ木”或“JSJ”，这样避免了字形的拆分，实现了整字输入。音形结合的方式已成为汉字编码发展的主流。 参考资料 [1] GF3001-1997.信息处理用GB13000.1字符集汉字部件规范.1997-12-01发布，1998-05-01
实施. [2] 周文斌.“逻辑拼形码”通过鉴定.北京：光明日报，2001.5.1. [3] 石兰，李格.论逻辑二笔码的重要进展与突破. [4] 许嘉璐等.现代汉语模范字典.北京：中国社会科学出版社，2000. [5] GF3002-1999. GB13000.1字符集汉字笔顺规范.1999-10-01发布，2000-01-01实施. [6] 佟乐泉，张一清.小学识字教学研究.广州：广东教育出版社，1999. | 
