汉字输入编码是
汉字编码方案的一种,为便于将汉字送入中文处理终端或系统,用预先设计好的方法,将汉字音、形、义有关要素变成数字、字母或键位名称的转换方法,可归结为5种类型。
方案介绍
为便于将汉字送入中文处理终端或系统,用预先设计好的方法,将汉字音、形、义有关要素变成数字、字母或键位名称的转换方法。汉字输入编码是人到机(计算机)
交换汉字特征信息的界面。汉字输入码的长度随着输入方法的不同而不同。
背景介绍
世界上使用汉字的人口约占世界总人口的 1/4,因此研究和发展汉字输入编码是一项非常急迫的任务。中国是汉字的发源国,汉字应用已有数千年历史。1987年
中国研究汉字输入编码的人员已近 400人,不论在深度和广度上,都走在世界前列。
1981年,中国国家标准局公布的国标
GB2312-80《汉字信息交换用编码字符集》,收汉字6763个,到80年代中期除专业用字符集外,都以国标字符集所收汉字作为输入编码范围。
汉字输入编码入手的方法,是在汉字中寻找统一的有规律的特征信息,将汉字二维
平面图形信息转换成一维线性代码。根据所取特征信息的不同,汉字输入编码分从音编码和从形编码两大类。其他类型是相互结合型,或与字义结合,或与
检字法结合,或与词组结合。因设计的目的、思想不同,用以编码的元素、所用码元的数量、取码方法和规则,避开同码字和占用键盘键位的方法等,都因设计者而异,因此产生了数百种汉字输入编码方案。
从音编码是以1958年 2月11日中国
全国人民代表大会批准公布的
《汉语拼音方案》为基本编码元素。汉语拼音是以北京语音为标准音,以北方语为基础方言,以典范的白话文著作为语法规范的普通话。自推广
普通话以来,已有相当数量的人掌握了汉语拼音,以此为基础作汉字输入编码,为这部分人所乐于接受。但中国各地方言复杂,不少人还难以做到准确认读汉字,因此容易出现差错。此外,北京语系只有21个声母,39个韵母,1332个音节,不能区别成千上万个汉字,同音字很多,所以需要增加定字编码。这就要从形、从义去找,或借助计算机将同音字全显示出来,再去选择定字,可见从音编码方式输入繁琐,输入速度低。但日常汉语口语中有词、语句的限定,同音字不会被人误解。利用这一汉语特征,拼音编码已向拼音词组编码发展来解决部分欠缺。
从形编码是以笔画和字根(字元、部件)为编码元素。现代汉字是从甲骨文、金文演变而来,经过篆书、隶书、楷书等演变而形成的。在形体上逐渐由图形变为笔画,象形变为象征,复杂变为简单。造字原则从表形、表义到形声,汉字数量增多主要是形声字数量多。汉字从形编码是充分利用现代汉字这些特征,把汉字
平面图形编成线性代码。
汉字从形编码利用人们已有的汉字书写知识,在键盘上象写字一样打入笔画和字根,从计算机内选出汉字,既直接又方便。这样就要把上千个字根和上百个笔画尽可能归纳,减少它们的数量,以便于记忆字根所在键位。到1987年已能将字根归纳为100个左右,笔画为5个。字根少了会造成分解汉字图形的难度,字根多了又会增加记忆量,所以设计者需从中选取最佳的取舍方案,做到易学易记,因此形码方案数量很多。为达到高速输入,从形编码也向词组编码发展。
汉字输入编码将会随着计算机应用的普及,通过学术评议和用户实践,由数百种优选成数种实用方案。
类型
汉字编码方案的一种,可归结为下列几种类型:
(1)汉字拼音编码 以汉语拼音为基础的汉字输入编码,在汉语拼音键盘或经过处理的西文键盘上,根据汉字读音直接键入拼音。
(2)汉字字形编码所有的汉字都由横、竖、撇、点、折、弯有限的几种笔划构成,并且又可分为‘左右’、‘上下’、‘包围’、‘单体’有限的几种构架,每种笔划都赋予一个编码并规定选取字形构架的顺序,不同的汉字因为组成的笔划和字形构架不同,就能获得一组不同的编码来表达一个特定的汉字,广泛使用的‘
五笔字形’就属于这一种。
(3)汉字直接数字编码 利用一串数字表示一个汉字,电报码就属于这种。
(4)整字编码 设置汉字整字
大键盘,每个汉字占一个键,类似中文打印机,操作人员选取汉字,机器根据所选汉字在盘面上的位置将其对应编码送入计算机。
如今,通过语音和
图像识别技术,计算机能直接将汉语和汉字文本转换为
机器码,已经有多种
语音识别系统和多种
手写体、
印刷体的汉字识别系统面世,相信还有更完美的产品推出。