§3.3编码方法研究

汉字编码按字面解释，就是“汉字‘编’为键盘上的‘码’（即键面符号）”，关键在于如何编为“码”。有人觉得别人“编”的方法还可以改一改，想出了一个“编（即映射）”的方法就工作起来，直到落实“编”字的时候，才觉得困难重重。发现某些字按这个方法“编”有问题，就挖空心思定规则，于是就产生了按字制订的规则。这些规则，大多数是解决拆分的，人们于是“发现了”拆分是汉字编码的“瓶颈”。我们在研究了这些方案之后，觉得大多数方案之所以不成熟，都是设计者把设计的起点放在映射方法上，没有全面考虑汉字编码方案的系统关系。

一、编码方法揭秘

全国的一千多种汉字编码方案，给部件编代码的方法只有四种。①用笔画加数字（或单用笔画，如郑码），如五笔字型；②用音，如见字识码；③用形，如表形码；④无理，如钱码。编码方法就是给部件类找代码（映射）的方法。

不同的拆分就会出不同的方案。如“吴”字，按形拆为“口、天”，或“口、一、大”，或“口、二、人”……还可以再拆下来。笔画越多的字，问题越复杂，变化太多了。

不同的编码的方法也可以出不同的方案：“口、天”可以编为“KT”，这是用两个部件的读音；也可以编为“KTWW”，后面两个为“吴”的读音；也可以编为“KTDD”；“D”是最后一个“大”字的读音；还可以用最后一个捺笔作代号……如果把码位再作一次改变，不是又发明了一个新编码？如规定为“WKTN”：第一位为本字读音，二三位为头两个部件读音，最后为末笔代码（读音、数字、代号等俱可），都是有规可循的。

上面说的编码方法还只用了读音。如用形亦可，也可以用形音相互结合，如果再加上数字，不同的排列组合就可以出很多很多不同的方案：“口”像“O”，“天”像“R”，“吴”的编码就成为“OR”；如拆作“口、一、大”，就编为“OYR”，“1”就等于“一”，读音为“Y”；如把读音放在前面，就成为“WOYR”；如把读音放在后面，就会成为“OYRW”。如果“一”当成数字“一”，编码就成了“O1RW”……这些变化方法，都有道理好讲 ，若再加笔画、数字，十几岁的小孩当然可以成为编码发明人，例如杜氏全息码。

陈明远先生说：“编码的规则，按我们的理解，不应该是任意制订的，而必须是一种根据‘客观规律性’建立起来的‘规定性’的条文。”⑼汉字编码的实践，实际就是寻找把一个字符集的每个汉字，编为一组代码的客观规律。人们在寻找时，常常会碰到许多困难，并在想方设法加以克服。

拆分、分类、编代码如果都可以你定你的、我定我的，人人都可以“发明”出几个来。例如把“吴”编为“ABCD”，或者“CDBA”，如何编，由设计者确定。不按照客观规律设计编码并不困难，选几个部首（或部件、字根），或干脆全部采用《新华字典》的部首，规定一个对应方法，例如用读音声母或用数字；拆分的方法：能套拆的就拆，不能拆的就拆拆笔画。在计算机上把每个汉字的代码打进去，方案就成功了。像这样与“规范码”类似的方案（如“表音码”，它早已走在“规范码”之前了）全国何止一二个？有一个方案取名为“五笔二维”，顾名思义，就可知道它与五笔字型大同小异。再让我们分析一下“双拼”：声母安排大家都不变，要变的都是韵母的安排。有的加声调，有的不加；有的用未笔作区别码，有的不用。实际是各搞一套，内容相似，基本重复。

我们把这些“发明”加以剖析，说明编码的“发明”不困难也不神秘，如果您有兴趣，明天就可以成为几个新编码的发明人，请看下表：

名  称   部 件  代码  理  由    代码   理  由    代码   理   由

横     一、    1   形义均同   1    按笔形序   Y   1的读音声母

竖     丨、    I    形状近似   2    按笔形序   1   与丨（竖）形似

  撇     丿、    J    形状近似   3    按笔形序   E   与3形似 

捺           N   读音声母   4    按笔形序   S   4的读音声母

  点     丶       D   读音声母   5    按笔形序   W   5的读音声母

  竖折         L   形状近似   6    按笔形序   L   6的读音声母

横折  乙      Z    形状近似   7    按笔形序   Q   7的读音声母

上面表中列出了七种笔形的三种编码方法。第一种是以形状近似为主，以读音为辅；第二种以笔形序代以数目字；第三种以笔形序的读音声母为主，辅以与序数形状近似的拉丁字母。这三种方法还可以相互揉合，也可以把“捺、点”“竖折、横折”合并，都可以出新的编码方法。又如表形码的1—5个数字代码，也可以变成“ABCDE”，可可以按形似和读音改为拉丁字母。以上所述的七种笔形三种代码方法就可以组合出不少的方案。我们还可以把以上部件清单中各个部件类中的某些部件重新安排，因为，有的部件有两三种特征，例如“、”，既可说是四个分离的笔画，代码为“D”；也可以说它们是两个对称相离的笔画结构块，代码为“X”。又如斜笔相交的“”类，现用“S”为代码，解释时说，“戈”的草书与“&”形似，反过来，与“S”的手写体形似。用“X”为代码，也可以说得通，因为“”是个单交叉，象“X”；如“”既可用“i”为代码，也可用“j”为代码。这些对应方法如再加上没有定数的部件（字根、部首），一个万“码”奔腾的局面自然不形而成。由是可知，鼓吹编码方法的“百花齐放”，授予编码方法以“专利发明”，只能使编码方案越来越多，导致无法遏止的编码大潮。说穿了，编码根本不是技术，不是发明，是学术界把军令弄错了。

二、代码置换方式和映射方法

狭义的编码是指如何为部件类设置代码。为部件类设置代码的优劣，主要要置换方式和映射方法。置换方式有直接和间接两种；映射方法有有理无理两类。这两者与汉字建立代码串时的反应的速度有很大的关系。如表形码使用字形对应是一种直接的置换方式，又以部件类的特征映射代码，是一种有理的编码方法，思维转换感觉就快；“五笔”用笔画换数字，数字再转换键盘符号，键符与字根（即部件）的置换方式是间接的，尽管它设置的五区五位与数字有理地对应，头脑中转弯，仍然会感觉反应的速度慢。两者相比，虽然都是有理，记忆量却大不相同。因为，表形码用的是直接置换；“五笔”用的是间接置换。

根据所有编码方案置换代码的方式方法，我们用排列组合把它们分为四类：

 ①直接而有理，②间接而有理，③直接而无理，④间接而无理。

第4类间接而无理的方式是不可能存在的，它不符合设计的客观要求。因为，电报码需要死记硬背的经验 已经告诉设计者，从一开始设计，就得从有理编码这个角度考虑研制方案，否则就会得到的死记硬背结果。四角号码和笔形码在接受这个经验的情况下单纯地考虑有理化了。即是说，汉字要换为有序的键符必须有理由可讲。利用数字键和笔形对应果然可以做到直接而有理，但是，这么做，不仅遇到了键盘应用效率的不佳，还碰到了汉字拆分的问题。所谓键盘应用效率是指数字键与笔形对应虽然是直接的，但因不能用两只手一起像弹钢琴一样地输入，而且数字与笔形的对应码元数太少 ，重码过多都影响了工作效率。于是，设计者只能从直接而有理这个环节上撤退，转向间接而有理，像五笔字型和郑码；加直接而无理，像大众码和钱码。这是“迂回前进”，不是倒退。

要使汉字编码具有象拼音文字这样的工作效率，首先要求编码的方式方法必须直接而有理。这是最佳的，它很难做到，但表形码做到了。其原因在于表形码系统地解决了编码的设计——从核心开始。一个新概念——笔画结构块——在字根码里诞生。陈爱文抓住了它，在解释它的同时，把部件的定量、拆分、分类，系统地解决了。

三、编码方法撷要

当代被普遍采用的编码方法有很多种，现选择几种有代表性的述评如下：

（一）陈代于论编码方法

他说：“有多种编码法，这里讨论主要的三种：取与部件最象形的英文字母或数字；取部件读音声母；取部件前两笔画的代号。我们认为判定部件编码法优劣的标准至少有三条。

1.部件编码必须是根据部件自身固有的、隐含的信息制定的，二者有内在联系。否则难以记忆。……

2.作为编码依据的部件自身固有信息必须确切，最好唯一。……

3.编码必须易得。……读音就是基本编码，不要轻易舍‘基本码’而求他。”⑽

（二）陈爱文论编码方法

他认为：“对于汉字编码的评测标准，已经提出了一系列指标——输入速度，重码率学习班时间，误码率，……我们看来，最重要的一条标准应该是通用范围的大小。汉字编码必须具备全面的通用性，可以适用于全部汉字（简体和繁体），可以适用于一切用途（电脑、字典、电报及其他）。”

“设计字形编码，没有必要完全摒弃字音信息。”

“好的编码方案应该把这种负担（指编码的学习）转化为学汉字的助力。学编码的过程，就是学会分解字形的过程，可以帮助学生掌握汉字的拼形规律，防止写错字。例如‘擅’，许多人把它的右下角写成‘且’。如果知道它是由‘扌、亠、囗、口、日、一’等部件构成的，就可以防止这个错误了。”⑾

（三）纯化论

有的专家认为编码的方法有音托和形托，用音的就应该统统用音，用形的就要统统用形。这个提法，实际是把手段当作目的。编码的目的是使汉字转换为代码，用什么方法并不重要，重要的是它使学习的人记忆方便不方便。有的人批评表形码，说表形码大部分都用形转换，但却有少数几个用音转换。造成使用者无所适从。好象编码的目的不是为了好学好记，而是为了音托或形托的纯化。我们认为，纯化当然是好，但键盘上的拉丁字母不是按汉字部件类的特征造出来的，无法也不能强求。把部件分为类，这个类中的部件，它们的基本特征是不是一致，它们的代码是不是可以解释（即有理化），这是最主要的。把“木”解释为三条腿与“M”形似，或解释“木”的声母为“M”，这里有一个权衡问题。因为，用“三条腿”来解释是很勉强的，不利于认知心理上的接受；用读音来解释却是有利记忆的，强求形托的纯度对记忆并无好处。

（四）音优论

有的专家认为用音映射自然；用形映射有的很像，有的则过于牵强。利用形象上的近似性作为，映射方法比之用音托有一定的优势。因为，字形不受方言的局限，也不受时间局限。搞拼音码或音形码的人总强调音托比形托好，不知道全国知识界年龄大的这个层次，有很多人未学过拉丁字母的汉语拼音读法。有的人认为由于软件技术的进步，全拼输入已不再有速度上的问题了。这种想法之一是以为将来大家都讲普通话，用拼音输入自然毫无问题；其二将来大家都用计算机了，我们就不需要专业输入。其实，这个想法的缺陷有三：

1.尽管将来大家都能使用计算机输入中文，但不可能没有专业输入员就如大家都能用笔写字，但仍旧需要速记员一样。不过我们希望专业输入和一般输入都能使用相同的方法，以便于“从娃娃抓起”。

2.客观发展已经可以看出，计算机的换代是按年计算的，在这五年里，它一连升了四级，说明其技术提高之快，如果我们不紧跟，就将很快落后；又因都价格的幅度，每年平均以15%递减，说明每年将有更多的家庭买得起计算机（主要是用于中文输入）。因此，它的普及速度不可能等待拼音化的实现。这是拼音化的时间局限。

3.形码发展到表形码这个阶段，已经可以证明它有拼音码不可替代的巨大优势。一天或几小时即可学会掌握汉字字形序性已完全实现，因此，让它进入中小学基础教育，帮助识字；进入社会，实现统一排序已可以提到议事日程上来了。具体理由可见笔者上述论述。

（五）形音结合优势论

有人认为音码、形码各有优势，形音码取两者所长，就好比“骡”，取了驴和马的所长：吃苦耐劳力气大。然而，论者却忽略了形音码天生的缺陷：

1.汉字的单音节性使汉字由声母和韵母共同拼合，它决定了一些韵母无法得到合理的安排。但是为了击键分配均匀以及减少重码率，必须给予一定的数量，这些安排只能无理化，因而会增加记忆量。例如表音码（沈克成）就有六组部首共16个不能按读音进入键位，只能作无理安排。

2.一般人只能念二三千之的读音，即使是国标一级字库的字也还有不识的，如果输入时要查字典那就很麻烦；不会王码使用拼音的识字人群也同样有很多麻烦；同时因读音了码位，余下的码个无法完全反映被分解的字形信息。

因此，认为形音码兼有形码和音码的优势是错误的，事实证明它兼有两者不能克服的缺陷才是真的。

（六）有理化的异议

把部件按形的特征归于一类，如本部件清单的直式多交叉类，特征是“中间一竖，两头穿通，至少有两个以上横笔交叉的”。这26个部件的总特征是两横一竖，以英文字母的“F”作代码。“F”当然不是两横一竖的交叉，但授课时进行这样的解释来帮助记忆，并不是牵强附会。有的专家认为表形码用“S”代表双竖字架类是杜撰臆测。我们认为，为部件类的取代码，进行有联系的解释，不应要求数学上的一对一。形象有很相似的，也会有稍相似的，不可能绝对一样，毕竟只是“相似”，而不是“相同”。只要是直接对应的，用音用形都可斟酌。例如我们把双竖交叉类用“S”作代码，解释时说这象个“  ”，抽掉两个竖笔即是“S”；也可把“H”作代码，解释时则说这一类都有两个竖笔。这种代码方法称之为有理化，即它们的联系有道理可以解释。至于用什么好，要作全面的分析。在一个编码系统中，部件类的代码方法，用形、用音各有优劣，可以用统计记忆量的方法进行比较，决定取舍，不要依凭主观判断；用“S”或“H”，可以对它们进行记忆所需的记忆量，分类系统的整体性，分类的方法科学性，和部件结构的一致性，进行有依据的分析，而编码优劣标准不外于直接性、易学易记、系统性等三个方面。

四、编码方法与部件的分类

    （一）部件分类与编码方法

几百个部件，如何构成几个型和类，以便于记忆，这是部件分类的第一个目的；几百个部件如何成为几十个类，使之与键盘上的有序符号对应，这是编码的第二个目的。前者称为分类，后者称为编码（即映射）。可见两者既是相互独立的，又是不可截然分开的。对“编码”这一概念可作广义和狭义的解释。广义的编码包含三个部分：其一是要把汉字拆开，成为拼拆自如的文字；其二是要使它排成线性行列；其三是要使它有序性，即能拼、线性、有序。狭义的编码即是指分类的第二个效用：如何使部件类与键符对应。部件不是一个一个地与键符对应，而需要通过分类与键符挂上钩。由此可知，分类与编码（映射）是一个问题的两个方面。分类有两层意思：一是离散部件，把几百个部件分为几个大类——五笔字型称为区，表形码称为型；二是使这个大类中的部件，根据某种规则集合为小类，与有序的键符对应，取得序性。即是说，它们既要按照一定的方法离散，又要根据某种规定集合。分类系统乃是编码系统里的一个子系统。设计思想上不成熟，为分类而分类，忽视分类的系统性，就会使分类方法缺乏心理上的现实性依据。例如以下几种方法：

1、用笔画

用部件的始二笔，或单用始笔。这种归类方式是有依据的，但是由于汉字笔画书写顺序大多数都由横、竖为始，会产生严重的不均匀性。徐火辉先生说：“按照单笔画原理，作为部件归类的基本方式，是可取的。它具备心理现实性依据。但单笔画归类法，技术上效率太低。”这里说的“可取”，只是说它作为部件的分类方式的可取，不是说作为编码方案中分类方式的“可取”。由于把部件先拆为笔画，用笔形取得代码，是一种间接反应，所以说它的“技术上效率太低”。正是这个原因，笔形码才发展为字根码的。

2、用读音

读音归类问题出在没有读音的部件上，即这种归类方式缺乏现实性的依据，有很大的随意性。徐火辉先生说：“按照发音归类原理，作为部件归类的基本方式，一般是不妥当的。它缺乏心理现实性依据。并且有可能混淆汉字编码中两个不同的映射过程。”我们认为，发音归类之所以不妥当，是因为一个类中的部件，存在着多种打同的音，用一音以统之是不妥当的，这等于取消了其他部件的读音。所以说这种做法“缺乏心理现实性依据”。因此，许多音形码干脆取消了分类这个环节。音形码有这样一种系统的缺陷，有的人才说它是一种非驴非马的产物。

3、拼字集合

把毫无规律的部件，组合为一个结构匀称的生造字。这个方式，实际是利用中国人对汉字的认知心理，减轻记忆负担。但这种方式缺乏客观依据，因此，可导出任意种拼字方式。

（二）部件形态的近似性与编码方法

徐火辉先生说：“按照形态近似性原理，作为部件归类的基本方式，是合理的，有大量的心理实验数据和常识事实的支持。……应当按汉字部件自身的形态特点进行归类。”（12）我们认为，一个类中的部件，用一种形态特征分类，当然是“合理的”。但是，分类与配置代码是部件分类中两个不同的工作，既相对独立，又相辅相成。例如表形码的离聚型中，用2、3、4、5给笔画数相同的部件分类；在相接型中用“竖W型”将“、幺、纟、、了、弓”归为一类，都是很可取的。不应认为这是归类中的两个“映射过程相互混淆”。所谓“形态近似”，即模糊相似之意，既可用于分型，也可用于分类。

由此可见，最佳的映射过程是按照部件自身形态的特点进行归类。表形码之所以成功，正是按照自身笔画结构的特点，进行分型之后，再按形态近似性的特点集合，使之具有相同的特点归类，并按其特征与键盘符号的近似性实现映射（即编码）。而分类与编码是两个不同的工作程序：分类是部件的集合（或离散）方法；编码是部件类与键符的转换方法，两者不可混淆。

从笔笔码到字根码，部件的分类与编码缠在一起，难解难分，它标志着编码的不成熟。例如五笔字型，当设计者确定按区、位（即每个部件的第一、二笔笔形），取得对应键符的时候，也就是确定了它们的字根分类方法了。而成熟了的部件码，却是先根据部件特征进行集合，而后再“自由”选择适当的键符代码。因而使它的键符对应，既直接，又有理。

（三）部件分类的模糊性与编码方法

由于汉字部件结构的复杂性，按结构分型是为了离散部件；按特征分类，是为了集合部件。离散与集合相辅相成，组成了编码方案下的子系统。如果不理解这种相互辅助、制约的内部联系，而把它看成互不相关的“两个不同的映射过程”（13），就会陷入为分类而分类的陷阱。具体地说，对分型、分类，都不能要求过细。例如“ ”，不能说它是相交又相接；“广”，不能说是相离加相接；“主、 ”，不能说它是相交、相接加相离。因为，它们不仅要分到一种相近的“型”里去，还要分到“类”中。“型”分得太细，就会影响分“类”。例如把“厂、广、疒、 ”，它们的主体特征都是“厂”，而“厂”属于相接结构，就说它们是相接型。再如“讠、、礻、衤、主、 ”，它们的主体特征是一点一竖，属于相离结构，就称为相离型。这样的分类，大型粗放模糊，以主体特征作为依据，就会照顾到小类，使部件离散均匀一些。我们把拼形字母系统的分类称之为模糊集合，就是说，要模糊一些，不能太严，太细。因为从古代的象形独体，到现代的部件，形象已经完全不同。拿自然科学的方法给部件分类是行不通的。只有模糊，才有利于应用的现实。