信息處理用哈薩克斯坦哈文字符及輸入法研究

摘要:根據面向中西亞軟件開發與出口的戰略，需要開發適合在哈薩克斯坦國應用的哈文操作系統及應用軟件。通過對哈薩克斯坦國目前使用的文字的調查與研究，總結出目前哈國使用的文字編碼字符集、鍵盤布局，編制出哈薩克斯坦哈文輸入法，實現了哈薩克斯坦哈文鍵盤輸入，為開發哈薩克斯坦哈文操作系統提供了支持。

關鍵詞:哈薩克文;編碼字符集;鍵盤布局;輸入法

中圖法分類號:TP391文獻標識碼: A 文章編號:1009-3044(2009)35-10116-02

Character Research and Input Method of Kazakhstan Kazakh in Information Processing

FENG Li-juan， YUAN Bao-she

(College of Information Science and Engineering， Xinjiang University， Urumqi 830046， China)

Abstract: Based on the software development and export strategy of facing central Asia and west Asia， it is necessary to develop Operating system and application software fit in Kazakhstan. By means of the investment and research to the character use in Kazakhstan at the present time， summarized the coded character sets， and keyboard layout that currently use in Kazakhstan， developed the input method of Kazakhstan Kazakh， implemented the keyboard layout of the Kazakhstan Kazakh， supplied supports to develop the Operating system of Kazakhstan Kazakh.

Key words: kazakh; the coded character sets; keyboard layout; input method

新疆是中國參與中亞區域經濟合作的主體和前沿，將在中亞區域經濟合作中扮演重要角色，發揮獨特的作用。在操作系統平臺上實現哈薩克斯坦國文字信息處理并向中亞國家出口軟件，是新疆發展外向型軟件產業的一個方向和優勢。

哈薩克斯坦國目前使用的文字種類多，應用狀態比較混亂[1]。通過對哈薩克斯坦國目前使用的文字的調查與研究，總結出目前哈國使用的文字編碼字符集、鍵盤布局，編制出西里爾哈文輸入法及老哈文輸入法，實現了西里爾哈文及阿拉伯字母哈文鍵盤輸入，為開發用于哈薩克斯坦國的哈文操作系統提供了支持。

1 哈薩克斯坦國語言文字現狀

由于歷史的原因，哈薩克斯坦國目前使用的語言主要分成哈薩克語與俄語兩大類，其中哈薩克語又分三種不同的文字來表示。哈薩克斯坦共和國目前使用的文字主要有四種:1) 俄文;2) 以阿拉伯字母為基礎的哈薩克文;3) 以西里爾字母為基礎的哈薩克文;4) 以拉丁字母為基礎的哈薩克文。

哈薩克斯坦地區使用的文字經歷過多次變革，較早期使用以阿拉伯文符號表示哈文字母，稱老文字。并入前蘇聯后主要使用俄文，獨立后的哈薩克斯坦國決定恢復使用哈薩克文，但由于在前蘇聯時期俄文已經完全普及，目前國民中依然是習慣用俄文。以上三種哈文文字也都有人在使用，將來哈薩克斯坦國文字可能走拉丁化的道路[2]。在哈薩克斯坦以外的其他國家(包括中國境內)的哈薩克族人主要使用以阿拉伯字母為基礎的老哈文。下面分別介紹哈薩克斯坦國目前使用的文字。

1.1 俄文

目前在哈薩克斯坦國使用俄文的人比較多。哈薩克斯坦國使用的俄文與俄羅斯的俄文是一樣的，包括有33個字母，元音字母10個，輔音字母21個，2個無音字母[3]。對于俄文字母我們已經很熟悉了，本文不作介紹。

1.2 西里爾字母的哈薩克文

20世紀40年代的前蘇聯時期，為了有利于人們學習和掌握俄語，和俄文字母及編輯方向保持一致，哈薩克文改用西里爾字母拼寫。

哈薩克語有37個音素，以西里爾字母為基礎的哈薩克文有42個字母，不同于俄文的33個字母，字母不出現在俄文詞里，是哈薩克語特有的字母。字母在哈薩克語里用來拼寫外來語(俄語)借詞時使用[4]。因此，哈薩克斯坦哈薩克標準語一般只有31個音素。從語言歷史來看，哈薩克語固有詞中，實際上只有24或25個音位。如表一為西里爾字母的哈薩克文字母。

字母ь和ъ只用來拼寫，為非音素字母。其中ъ叫硬音符號;ь叫軟音符號。

哈薩克斯坦從前蘇聯獨立以后，為了減少前蘇聯的影響，大力推廣哈薩克語。這就使得越來越多的人開始使用西里爾字母的哈薩克文。現今使用西里爾字母的哈薩克文和俄文兩種文字的人都比較多。

1.3 阿拉伯字母的哈文

在哈薩克斯坦的歷史上曾經使用過阿拉伯字母為基礎的哈薩克老文字。老文字共有33個字母，但書寫方法和西里爾字母不一樣。老文字具有一些特點:采用從右向左的書寫方法;書寫順序具有雙向性;字母的顯現形式有變化(分為4種顯現形式:獨寫形、首寫形、中寫形和尾寫形);具有連字特征，具有2個字母用一個代碼的情況;字符寬度不等[5]。

盡管獨立后的哈薩克斯坦國曾決定恢復使用老文字，由于左向文字與世界上多數國家的右向文字在輸入與處理上存在許多的不便，加上哈薩克斯坦國俄文和西里爾文的普及，實際上使用這種老文字的場合并不多。

1.4 拉丁化的哈文

目前，哈薩克斯坦國進一步進行文字改革，計劃走拉丁化的道路。以拉丁字母為基礎的哈薩克文字，和英文一樣都采用拉丁字母。20世紀20年代的時候，哈薩克斯坦曾經使用過拉丁字母拼寫哈薩克文[2]。因此“向拉丁字母轉變”這一概念準確地講，應該是恢復使用哈薩克斯坦曾經使用過的文字。世界上的發達國家都通過計算機發展自己的文字和文化，而計算機直接處理的都是拉丁英文字母。因此采用拉丁字母是哈薩克斯坦的一種趨勢，在文字改革中，多數學者都贊同使用拉丁字母。

2 哈薩克文字符集編碼

哈薩克斯坦國目前使用的哈薩克文有三種表示形式。以Unicode代碼為例，三種形式的哈薩克文字在Unicode字符集中都已包括。其中:基于西里爾文字母的哈文編碼使用\\u0401~\\u04E9，共占84個碼位;基于阿拉伯文字母的老哈文名義字符使用\\u060C~\\u0651的編碼區，其對應的變形顯現形式占用\\uFB00~\\uFEFF的編碼區，共占130個碼位;基于拉丁字母的哈文使用基本拉丁區和拉丁擴充區的代碼[6]。

3 哈薩克文輸入法

3.1 西里爾哈文輸入法

西里爾字母為基礎的哈薩克文字有42個字母，在QWERTY鍵盤上輸入時必須占用部分符號鍵位。西里爾哈文鍵盤布局見圖1。

可以利用IMM-IME結構實現西里爾哈文輸入法。IMM是輸入法管理器，該模塊負責管理各種輸入法之間的切換，及輸入鍵盤狀態和鍵盤數據的傳送等。

IME是輸入法編輯器，這是哈薩克文輸入法的主要部分。IME模塊的程序文件名為:*.ime。實際上IME文件是一個動態鏈接庫程序，它與一般的*.dil文件沒有區別，只是文件的擴展名不同而已。輸入法的算法就在該模塊中實現。該模塊從系統中接收鍵盤消息，經過輸入法所定義的有關轉換產生西里爾哈薩克文字符。

輸入法的實現主要包括IME轉換界面的接口函數的實現和IME用戶界面的實現。下面分別介紹。

IME轉換界面的接口函數的實現。在微軟公司的輸入法開發規范中，共設計了19個接口函數。這些函數供IMM在適當的時候調用。并非每一個輸入法編輯器在實現時都需要在所有的接口函數中添加代碼，大部分情況下很多函數只需保留一個空函數體即可[7]。下面給出的4個函數，對于鍵盤輸入法來說比較重要，必須予以實現。分別為:1)ImeInquire:此接口函數在用戶選擇西里爾字母哈文輸入法時最先由輸入法管理器(IMM)調用，以獲得該輸入法的有關信息。2)ImeConfigure:此接口函數將在用戶通過控制面板或系統圖標設置西里爾字母哈文輸入法屬性時被輸入法管理器調用。3)ImeProcessKey:此接口函數由西里爾字母哈文輸入法管理器在處理鍵盤事件時調用。4)ImeToAsciiEx:只有當ImeProcessKey返回TRUE時才調用這個接口函數。

IME用戶界面的實現。用戶界面接口是由一些可見或不可見的窗口組成，這些窗口主要的作用是接收處理各種消息以及為IME提供與用戶交互的界面。用戶界面的接口實現主要有以下幾個部分:UI窗口(包括窗口類和窗口過程、消息處理函數)，UI窗口組件(狀態窗口、輸入窗口、候選窗口等窗口的窗口類和窗口過程)，IME的屬性配置窗口、軟鍵盤、任務條上的指示器窗口和輸入法熱鍵等。這些窗口將接收和處理由IMM和應用程序發來的輸入消息，提供與用戶交互的界面，讓用戶隨時了解輸入法的當前狀態。在編寫用戶界面窗口的過程時，主要是處理由缺省的IME窗口傳入的IME消息。其中WM-IME-SETCONTEX T、WM-IME-STARTCOMPOSITION/WM-IME-ENDCOMPOSITION、WM-IME-CONPOSITI_ ON、WM-IME-SELEC等消息相對比較重要，應予以處理。

通過以上過程我們就完成了西里爾字母哈文的計算機輸入與輸出。

3.2 阿拉伯字母老哈文輸入法

在線程和輸入隊列共享技術的基礎上，利用Windows操作系統的Hook機制實現阿拉伯字母老哈文的輸入。在Win32中，每個線程都有自己的輸入狀態，通過修改線程的輸入狀態可以安裝老哈文鍵盤鉤子。但Win32中，用戶的鍵盤輸入被導向一個線程的輸入隊列，而不是一個窗口。 在一個線程輸入隊列中的消息是不能被其它線程隨意訪問的，因GetFoc_ us( )函數返回調用線程的本地輸入狀態變量所指示的擁有鍵盤輸入焦點的窗口的句柄，所以直接用GetFocus( )函數來截取擁有輸入焦點的窗口句柄是不可能的。因此可以采用線程輸入隊列的共享技術。為了滿足在不同場合的要求，Microsoft提供一個API函數GetForeGround_ Window( ):

BOOLGetForeGroundWindow(void);

該函數返回當前位于前臺的窗口的句柄，即主窗口的句柄。為了給此窗口發送鍵盤消息， 這里的應用程序必須共享它的輸入隊列。這時，應用程序能夠跟蹤被發送到其它應用程序的各類消息。輸入隊列的共享由下列函數來實現:

BOOL AttachThreadInput(DWORD idAttach， idAttachTo， fAttach)

DWORD idAttach; //輸入隊列被共享的線程的ID

DWORD idAttachTo;//想要讓線程共享的那個輸入隊列的線程的ID

DWORD fAttach; //如果為TRUE，表示想要共享，如果為FASLE 表示再次分開兩個線程的輸入隊列。

實現輸入隊列的共享以后，可以用Windows API函數SetWindowsHookEx( )函數安裝一個鍵盤鉤子實現老哈文字符的輸入。鍵盤鉤子在輸入事件到達應用程序之前將其截獲，將鍵盤等輸入設備的動作消息轉化為阿拉伯字母老哈文的字串，而后再傳遞給應用程序窗口。

由于對老哈文字符集采用了Unicode編碼，在輸出老哈文時必須調用有關API 函數的Unicode版本。在WindowsXP中Unicode字符串的輸出是通過調用TextOutW或ExtTextOutW函數來實現的。如TextOutW函數的原型為:

BOOL TextOutW(HDC，Hdc，int X，int Y，LPCWSTR lpStr，int nCount);

調用這些Unicode版本的輸出函數后，就能夠輸出任何一個老哈文字符。通過以上的方法就完成了老哈文的輸入與輸出。

3.3 拉丁字母哈文輸入法

拉丁字母哈文輸入可以用鍵盤映射自定義鍵盤輸入，比較簡單，本文不介紹。

4 結束語

本文的研究工作以新疆維吾爾自治區面向中、西亞軟件開發項目為研究背景，實現了西里爾字母哈薩克文及阿拉伯字母老哈文的鍵盤輸入，為進一步開發相應的面向中亞的哈薩克文操作系統本地化提供了基礎。

參考文獻:

[1] 張宏莉，趙榮.哈薩克斯坦的語言政策[J].世界民族，2006(3):28-37.

[2] 吳宏偉.哈薩克斯坦共和國的哈薩克語文研究[J].世界民族，1999(1):72-76.

[3] 周鼎，徐振新.俄語入門[M].北京:外語教學與研究出版社，1986.

[4] 阿里肯阿吾哈力.哈薩克斯坦哈薩克語教程[M].北京:民族出版社，2006.

[5] 袁保社，袁曉琴.OpenType字形技術研究與哈薩克文字庫設計[J].計算機工程與設計，2009，30(10):2570-2572.

[6] The Unicode consortium[EB/OL].Unicode，Inc:http://www.Unicode.org.

[7] 胡宇曉，馬少平，夏瑩.基于IMM-IME輸入法接口的實現方法[J].計算機工程與應用，2002(1):117-124.