[其他]汉字全息编码

说明书

汉字全息编码是一种汉字信息处理技术。

汉字不是拼音文字，在检索、打印、通讯等方面效率不高，特别是在电子计算机上的应用存在很大的困难，必须找到理想的汉字信息处理方法。汉字全息编码正是为了这一目的而创造的。

为解决汉字信息处理问题，国内外提出的汉字编码方案不下五百种。汉字全息编码的独到之处在于：

1.编码容量大而无重码;

2.具有见码知字的可读性。

汉字全息编码通过笔形码表明每个汉字的全部笔形，通过结构码反映汉字中笔画的结构关系，通过变码反映汉字中构件的部位关系，从而排除了重码并达到字码的可读性。编码的原理如下：

一、字形编码：按字形编码，排除按字音编码时因同音字造成重码的可能性。

二、笔形分类：用26个字母分别代表汉字中各种笔形，分为三种类型：

1、基本型：横、竖、撇、捺、点五种基本笔画分别用a、b、c、d、e表示。字母a在英文中有“一”的意义，刚好对应笔画“横”，其他则依次用b、c、d、e表示。

2、直观型：字母n表示“ㄇ”，u表示“ㄩ”，t表示“十”，l表示“し”，r表示“”，x表示“ㄨ”，o表示“口”等等可以直观对应的笔形。

3、联想型：指那些可以用一句“口诀”来概括或提示的笔形。例如字母k表示“撇捺撇点撇横人”的笔形，即“”，“ㄑ”，“”，“ㄑ”，“”，“人”等笔形。再如字母q表示“书為（为）偉（伟）力左缺框”的笔形。“书為偉力”分别用来提示包含在这四个字中的“力”等近似笔形，“左缺框”表示“”，“ユ”等左边有缺口的框形笔形，都用q作为代码。又如字母s表示“活三点及鼎巧马”的笔形，即“氵”，“氵”，“”，“三”，“”，“彡”，“”，“ㄋ”，“ㄣ”，“”，“ㄅ”，“”等十二种笔形。其中前六种都是三笔的笔形，概括为“活三点”;后六种都是折笔的笔形，分别用“及鼎巧马”四个字来提示，“及”字包含“”和它的近形“ㄋ”，“鼎”字包含“ㄣ”和它的近形“”，“巧”字包含“ㄅ”，“马”字包含“”，都用s作代码。

三、标码顺次：以笔顺的先后作为标码的次序，使汉字有规律地依次由方块形的平面信息转变为直线形的线性信息;反之，可由线性信息依次还原成平面信息。例如“可”字在标码时“一”用a表示，“口”用o表示，“亅”用b表示，依次排列编出该字的字码为“aob”;该字码在还原成汉字时可将“aob”所代表的笔形“一口亅”依次组合即得“可”字。

四、固定笔顺：对为数不多但有争议的笔顺用“组合码”函定表示，从而达到唯一性。例如“方”字中“勹”的笔顺有两可的情况，有的先写“丿”后写“”，有的则先写“”后写“丿”，为此用组合码cu固定表示“勹”。“方”字的编码就唯一确定为mcu，其中m代表“亠”，cu代表“勹”，避免了这类笔形在笔顺上的分歧。组合码由基本代码派生组成，只要掌握了基本代码就自然能记住组合码。

五，结构显示：用“结构码”表明字形结构上的微小差别，防止重码，加强可读性。结构码由个位数表示。例如“甲”、“申”两字都是先写出构件“曰”，再写竖笔“丨”;“曰”的代码为oe，“丨”的代码为b，按笔顺编码都是“oeb”，形成异字同码，即重码。但“甲”字中竖笔有2个交点，而“申”字中竖笔有3个交点，因此辅以结构码，用“oeb2”表示“甲”，“oeb3”表示“申”，并不重码。反之，在见到“oeb2”时，知道该字的竖笔有2个交点;在见到“oeb3”时，知道该字的竖笔有3个交点，不至于“甲”“申”不分。

六、以少制多：汉字的笔形远远超过26种，如果每个字母只代表一种笔形，那么26个字母是不够用的。因此必须使每个字母所代表的笔形至少在两种以上，并且必须使各个字母所代表的笔形在字码中只能衔接成一种笔形，达到唯一性。例如字母q代表“”，“”，“”，“力”，“”，“ユ”等六种笔形，字母S代表“氵”，“”，“”，“三”，“”，“彡”，“”，“ㄋ”，“ㄣ”，“”，“ㄅ”，“”，等十二种笔形，当q和s编在一起时只可能衔接成一种笔形“弓”;反之，“弓”也只能用qs来编码。

七、缩短码位：据统计，一九五二年教育部公布的二千个常用字，平均每个字有11.2笔，其中17笔以上的有221个，有的字笔画多达27笔以上。如果用“一笔一码”的方法编码，则字码太长，不切实用。因此必须采取缩短码位的措施。