[发明专利]汉字抽剥字形编码

说明书

本发明涉及一种汉字字形编码方法，用于电子计算机中文处理以及汉字检索等领域。

电子计算机汉字输入编码和汉字检索编码方法（以下称编码）可归类为字音编码，字形编码和音形结合编码三大类型，以汉字字形为编码对象的字形编码是比较理想的一类，因为：汉字的本质是拼形而非拼音，字形编码适合汉字使用者的视觉习惯和记忆心理，编码与字音无关，对读不出或读不准确音的字能照常编码，这对于多同音字和地方音的汉语是极为重要的。

现有的字形编码方案中，较有影响的诸如“四角号码查字法”，陈爱文“汉字表形符号编码”，王永民“五笔汉字输入法”，钱伟长“汉字宏观字形编码”，团国兴“汉字简易选字输入法”（CN：85100919），支秉彝“见字识码”，台湾胡立人“三角编码”等各有所长，但都在某些方面存在明显缺陷，这些缺陷主要有：

1.基本构件（字根）划分过分牵强或抽象，缺乏一致的，必然的逻辑联系，繁多的字根令人望而生畏;

2.字根代码与字根之间缺乏关联规律，或规律复杂，很难辨别;

3.没有一贯的和简易的编码规则;

4.重码字组多，每组重码字数多，重码字处理方法不简便;

5.编码顺序受传统笔画笔顺过多制约，有相当数量的例外字笔顺难以判别，给编码带来困难;

6.字根不可读，难以记忆和交流。

本发明的任务是：提供一种汉字字形编码方法，以汉字字母（或其代码）为单位对汉字进行编码，这种字码既能用于电子计算机的中文信息处理，又能用于汉字的一般检索，还可用来表达汉字结构。同现有的技术相比，本发明有如下主要优点：

1.字码单义，重码字组，字数都较少;

2.规则一贯制，逻辑性强，记忆量极少，只需掌握44个汉字字母和字母间结合的5种位型，便能见字识码;

3.覆盖全部汉字，对生僻字亦不需特殊对待;

4.字码位数少，常用字字码都是2-3位;

5.字母可读，字母与其相近的汉字有密切的关联，字母及其大，中，异3种形态等概念均属首创，使人易记易辨，举一反三;

6.字母用与其读音对应的拉丁字母作代码（包括2个位型代码），这种简单关系使人见到字母便知代码，使中文处理真正堪与西文媲美;

7.重码处理方法简单自然;

8.本法对汉字的简化有参考作用。

下面将结合图表对本发明完成上述任务的方法作详细说明。

几个概念：

汉字的基本笔画称为字元（简称元）。字元（或部件）间的位置关系称为位型，由若干字元按一定部位组成的二维序列，称为部件，字元间的交接位置称为连离点。

由表1知，字元有“横”，“竖”，“撇”，“捺”等4种。

由表2知，字元间部位有“交”，“围”，“连”，“粘”，“离”等5种位型，而部件间有“纵”，“横”，“围”等3种位型。

由1个字元同3个或3个以上字元“交”所组成的部件，称有筋部件，这个单元或连同与它相“连”的其它元组成的部件，称为筋。由2个以上元“连”而形成的可以对其它部件构成两面以上包围的部件，称为皮（如“尸”，“口”），皮连同被包部件构成有皮部件。

有筋贯穿的字称有筋字，有皮在最外层的字称有皮字。例：

有筋字：册，事，申，夷，车，电

有皮字：区，国，凶，司，用，且

选取汉字中使用频繁的部件作为基本部件或字根，按形似予以分组，定义每个组为一个汉字字母，每个字母包含1-3个字根（简称件），称为该字母的大写，小写和异写件，每个字母以与其大写件相同或相近的简单汉字的音为它的读音。表3，列出了本法定义的44组字母及其代码。

任何单个汉字（简称字）均由一定数量的件按一定位型组成的二维序列字的分类见表6。字母件本身也由一些含元较少的其它件组成。

由1个，2个，3个或3个以上件组成的汉字（或字母件）分别称为单件，双件，三件或多件字（或字母件）。只有一个字元的件称为单元件，由两个字元组成的部件称为双元件。

字的最左（对横列字），上（对合字或纵叠字）位置上的字元，称为主码基元，与主码基元相邻的元称主邻元;最右（对横列字），下（对合字或纵叠字）方位置上的字元，称为辅码基元，包含主（辅）码基元的件称主（辅）件;与辅件相邻的元（件）称辅邻元（件），被辅件包围的元（件）称辅包元（件）。单件字只有主码基元，双件字没有邻基元。主码基元，辅码基元和辅邻或包元通称基元，与基元相邻的元称为基邻元。

用表3中的字母各件作编码单元的字码，称为汉字抽剥编码，简称抽剥汉码。