[发明专利]汉字数码

说明书

本发明是一种汉字及词语的编码方法，属于汉字信息处理技术领域。

现有的汉字编码对汉字的分解有三种方法：

一、将汉字分解为笔画；

二、将汉字分解为部件；

三、将汉字分解为笔画和为数不多的部件。

方法一的制约因素是汉字平均笔画数较多和各种笔画分布极不均匀；方法二的制约因素是汉字部件种类较多、汉字构成部件较少及部件转化为符号困难；方法三虽然较前两种方法优越，但仍未摆脱上述因素的制约，同样存在编码规则不规范、随意性强、记忆点多等缺陷。

本专利发明人通过研究汉字的结构规律，发现了汉字字母。这一汉字字母集具有以下特性：

一、字母集能拼出大汉字集的全部汉字；

二、字母集只需很少的记忆量；

三、字母集有利于识字教育；

四、字母集为优化汉字编码提供了条件。

在此基础上，本专利发明人发明了将汉字字母转化为数码的方法，从而构建成了汉字字母符号系统。这一字母符号集具有以下特性：

一、符号集只用十个数字就能表示出全部汉字字母；

二、符号集利用数字的有序性实现了字母的有序性。

上述发明虽然实现了汉字的字母化和数字化，但仍存在以下两个问题：

一、汉字分解为字母不具有唯一性；

二、汉字的字母及数码序列长度分布极不均匀，短至一位，长至一二十位。

为解决上述问题，本专利发明人将字母的固定组合定义为字块，提出了字块笔画构成字母的方法，从而保证了汉字分解为字母的唯一性。根据构成汉字的字块数目，将汉字分为独体字和合体字，再将合体字分为字首和字身，并从中提取出能代表汉字主要特征的数码，从而将汉字数码及二三字词组控制在六位数字以内，并保证了重码率不因数码的缩短而明显地上升。

本专利发明人还提出了加码和减码方法，彻底解决了汉字编码的重码问题，并实现了汉字和词语混合编码不重码。

经过对国家标准《信息交换用汉字编码字符集基本集》(GB2312-80)6763个汉字、《汉字键盘输入通用词语集》(GB/T 15732-1995)43540个词语、《信息处理用现代汉语常用词表》36410个词语以及《现代汉语词典》中大部分词语的不重码编码统计，编码数字在汉字及词语数码首位和其他各位的分布是比较均匀的，最长数码不超过八位，其中有近98％的汉字及词语数码长度不超过六位(与上述汉字及词语集相应的英语词语，不超过六个字母的不到30％左右，最长的达十几个)。因此本汉字编码在各种汉字编码方案中居于领先水平。

本汉字数码方案具体说明如下：

本方案的基本思路是：词语由汉字组成，汉字由字块组成，字块由字母组成，字母由笔画组成。从笔画的形状位置特征入手，通过一种简单的形数转换方法，将字母转换成字母数码，再由字母数码组合成汉字数码和词语数码。

本方案提出了汉字分解与组合的方法、字母转换为数码的方法和汉字及词语与数码相互转换的方法。

一、汉字字母

汉字字母主要由一个笔画或两个笔画构成，如字母“丶、匚、刂、亻、勹、廴、冫、讠”。首尾连接的笔画整体构成字母，其笔画数不受限制，如字母“人、几、弓、已、尸、凸、凹”。

(一)笔画：构成汉字字母的笔画有横笔(一)、竖笔(丨)、撇笔(丿)、捺笔()、点笔(丶)、提笔()和折笔(乙 ㄋ……)。

(二)笔形：指笔画的形状。

1、笔形：笔画按方向归类为横、竖、撇、捺四种笔形，按长短分为长笔形和短笔形。

(1)横笔形：较长的横笔是长横，较短的横笔和提笔是短横。

(2)竖笔形：较长的竖笔是长竖，较短的竖笔是短竖。

(3)撇笔形：较长的撇笔是长撇，较短的撇笔是短撇。

(4)捺笔形：较长的捺笔是长捺，较短的捺笔和点笔是短捺。

钩笔是横、竖、撇、捺四种笔画的附加笔形。横笔附加钩笔构成横钩()，定义为短横；竖笔附加钩笔构成竖钩()，定义为短竖；撇笔附加钩笔构成撇钩()，定义为短撇；捺笔附加钩笔构成捺钩()，定义为短捺。折笔不是笔形，它是由上述笔形组合成的，如“乙”是由横笔、捺笔和钩笔构成。

2、特殊笔形：由若干笔画构成的形如“又、口、尸、巳、凸、凹”的封口图形，定义为口笔形。横长竖短的口笔形是长口，如汉字“昌、色、户、每、贯”中的口笔形；横短竖长的囗笔形是短口，如汉字“梅、如、辟、抱”中的口笔形，“又”定义为短口。