[发明专利]形素编码法及其输入健盘

说明书

本发明涉及计算机中文信息处理的汉字编码方法及输入键盘，并涉及汉字检索方法。

汉字编码可分音、形两类，而其中形码又可分为笔划类与部件类两种。前者可以以李金铠的专利（GB2100899A）为代表，将汉字分解为笔划序列进行编码，存在分解过程长的缺点。后者可以以陈爱文的专利（CN85105556A）为代表，将字形分解为部件序列进行编码，存在由于汉字部件众多带来的种种困难。四角号码编码法采用汉字四角出现的笔划及部件进行编码，由于不能顾及汉字的全体而存在重码多的困难。

本发明的目的是提供一种编码符号少而又能充分、直接表达每个汉字特点的编码方法。这样的方法必然具有记忆量小、规则简单、重码少、击键次数少等优点。

本发明的技术关键在于找到了独立于汉字笔划与部件之外的、能反映汉字图形特点的、表示笔划汇合点的种类、数量及分布的形素（字形要素）及从汉字中提取形素的方法。

通常在操作员向计算机键入稿件的过程中包含了操作者对原稿的阅读过程。这是一个视觉识别过程，这一过程注意的是汉字图形特点，很少考虑笔划、部件的具体细节，其速度比书写时仔细考虑笔划部件细节要快得多。可见编码方法的着眼点应放在汉字的图形特点而不是笔划和部件的品种、数量、分布上。编码过程不应是书写过程的模拟。本发明认为笔划汇合点的情况是我们识别汉字图形特点的一个重要方面。如“上”字，它的特点在于两个笔划汇合点“”与“丄”及其上下的分布。符合这一特点的图形：上、都认作“上”字。笔划长短的影响只对个别汉字的识别（如“土”与“士”“末”与“未”）起作用。笔划的倾角也只对个别字的识别有影响（如王与壬）。放弃这些影响较小的特征后，我们可将笔划汇合点分成六种：拐弯、匚、厂、乙、囗等;

三叉    入、亻、工、止、正等;

四叉    十、乂、艹、卅、井等;

五叉    大、才等;

六叉    木等;

不汇    二、三、八、川、六等;

汇合点的分布可有上下、左右、包围三种：◎。

汇合点的种类、方位、数量及其在汉字中的分布基本上决定了汉字特征，我们称它们为字形的要素，简称形素。汇合点的不同方位，如丄当然也是一个要素，但为了减少符号品种和提高编码速度，我们放弃方位。只考虑种类、数量和分布。把种类与数量结合起来并用符号表示，得到表1所列形素。

表1    形素表

^＊备用形素，分别表示“斜”、“对”三叉汇合点。

其中“-、＝、≡、”表示不汇合点，数量1……4以上。“

”表示三叉汇合点，数量从1……4以上。“十……”表示四叉汇合点，数量从1……4以上。“、冂…”为拐弯汇合点，数量从1……4以上。大及木为五叉和六叉，数量为1。当键位不够时，“木”可用“大、”或“十、”表示，“大”可用“十、”表示。“囗”表示闭合四拐弯。

将这些形素，按DVORAK提出的键盘合理化原则安排到标准键盘的26个字母键位上就得到了形素键盘。图1是一种形素键盘的实例。其中省略了形素“木”，元音（A、E、I、O、U）键不安排形素。安排了一个形略键▲，用于输入形略语码（形略码）。此外删字键（DEL）在汉字状态下分为下档：删前（删左）及上档：删后（删右）。△键为拼音略码键，用于输入拼音略码。

利用形素进行编码（即以形素为编码元）的具体方法随用途而异，可以有多种方案。利用全部或大部形素的方案称第一类方案。仅利用一部分形素的方案为第二类方案。

第一类编码法实例

1.单字编码法。用于向计算机逐字输入国家标准《信息交换用汉字编码字符基本集GB2312-80》，编码规则为：

一、沿相连的笔划连续出现的同类汇合点的个数合并计算并用一个形素代表。

二、成组的不汇点合并计算，对称分布在两边的汇合点合并计算并用一个形素代表。

三、汇合点不重复计入，即已在前一码中计算过的汇合点在后面的取码中不再考虑。

四、偏旁“扌”用形素“”代表。

五、点的两端及短撇的尖端与其它笔划相碰处不作为相连，点与短撇的中部与其它笔划相碰时认为是相连，作汇合点考虑。

六、部件（在汉字中以相对固定的形式出现的构件）之间的相碰不作为相连。不作汇合点考虑。

七、码位及次序是①“上中至左”取一码，②“左偏下”取一码，③“右偏上”取一码，④“右次上”取一码，⑤“下中至右”取一码。有②不再取④，无②才取④。