基于字形拆分的彝文形碼輸入方案設(shè)計

胡淇研，趙小兵

（1.中央民族大學(xué)，北京 100081；2.國家語言資源監(jiān)測與研究少數(shù)民族語言中心，北京 100081）

彝族是我國歷史悠久的少數(shù)民族之一，其人口眾多，在我國少數(shù)民族人口中居第六位，主要分布在四川、云南、貴州和廣西一帶。彝族有自己的語言和文字，彝語屬于漢藏語系藏緬語族彝語支語言，分為6 大方言，5 個次方言和40 多個土語。彝文主要流傳于北部、東部、南部和東南部方言區(qū)，西部方言區(qū)歷史上曾流傳過彝文，現(xiàn)已失傳。中部方言區(qū)尚未發(fā)現(xiàn)使用彝文的史料。[1]（P29-36）不同歷史時期、不同地方的彝文稱謂不同，漢文史志稱彝文為“爨文、韙書、夷文、倮文、羅文、蝌蚪文、畢摩文、倮倮文”等，新中國成立后統(tǒng)稱為彝文。彝文可分為古彝文和涼山規(guī)范彝文（以下簡稱“規(guī)范彝文”），古彝文又稱老彝文或傳統(tǒng)彝文，是對1980 年國務(wù)院批準實行的規(guī)范彝文之前刻畫、手寫彝文的總稱。規(guī)范彝文是表音的音節(jié)文字，以彝語北部方言圣乍話為基礎(chǔ)方言，以喜德語音為標(biāo)準音，共有1165 個字符，包括819 個常用字符，345 個次高調(diào)字符和1 個替音符號“?”。[2]

一、彝文輸入法研究現(xiàn)狀

規(guī)范彝文當(dāng)前已完成編碼字符集構(gòu)建、字型、鍵盤及輸入法開發(fā)等工作，獲得了國家和國際編碼標(biāo)準，開發(fā)了比較成熟的輸入法，主要有沙氏彝文輸入法、阿才彝文輸入法、搜狗輸入法、Vista 系統(tǒng)自帶的輸入法及彝文手機輸入法等。沙氏彝文輸入法包括彝文簡拼、全拼及筆畫輸入碼。全拼碼以彝文注音符號為編碼方式，擊鍵次數(shù)多達5 鍵，無重碼；簡拼碼以讀音為主，用拼音或拼音代碼為輸入碼，最多4 鍵即可完成輸入；筆畫碼按彝文書寫順序拆分字符筆畫，并將其映射到鍵盤的英文字母或數(shù)字鍵上，以筆畫實現(xiàn)輸入。[3]（P46-48）阿才及Vista 系統(tǒng)自帶的彝文輸入法采用全拼音碼編碼方式，實現(xiàn)中文、彝文、數(shù)字、符號自由混合輸入。搜狗彝文輸入法以全拼音碼輸入為主，可實現(xiàn)彝漢混輸。2016 年，民族語文翻譯局開發(fā)了運用到安卓和iOS 系統(tǒng)上的彝文手機輸入法，實現(xiàn)了彝文筆畫、簡拼、全拼輸入。

古彝文輸入法主要有楚雄彝文輸入法、石林彝文輸入法、古彝文正體字形碼輸入法、古彝文筆畫及自由拆分一對多形碼輸入法等。楚雄彝文輸入法是以彝文中部和東部方言區(qū)常用的9447 字符為基礎(chǔ)開發(fā)的字根形碼輸入法，對彝文字符進行字根拆分，按字符結(jié)構(gòu)編碼，以“形托”方式實現(xiàn)字根到鍵盤的映射，實現(xiàn)4 鍵輸入；石林彝文輸入法以《彝漢簡明詞典》東南部方言撒尼彝語常用字符為基礎(chǔ)設(shè)計的彝文字根式輸入法，以4 鍵實現(xiàn)輸入；古彝文正體字形碼輸入法以《彝文字典》《彝文字集》及經(jīng)典文獻中收錄的5363 個古彝文常用字符為基礎(chǔ)設(shè)計的形碼輸入法。[4]此外，西南民族大學(xué)民族文字信息處理研究所設(shè)計了彝文筆畫和拼音輸入法；王成平以《滇川黔桂彝文字典》中2676 個字符為藍本設(shè)計了古彝文筆畫輸入法；云南民族大學(xué)王嘉梅以四川彝文、云南規(guī)范彝文、貴州彝文及滇南彝文字集為基礎(chǔ)，設(shè)計了彝文數(shù)字和自由編碼方案，實現(xiàn)了“云南規(guī)范彝文數(shù)字鍵筆畫自由拆分、滇南彝文自由拆分一對多形態(tài)編碼輸入法”。

目前，彝文輸入法研究取得了較大的成績，但由于彝文內(nèi)部情況復(fù)雜，仍存在規(guī)范彝文和古彝文外碼編碼標(biāo)準不統(tǒng)一、輸入規(guī)則不一致，輸入法不夠通用等問題。用戶輸入時需要反復(fù)學(xué)習(xí)各地彝文的輸入規(guī)則，多次安裝不同地區(qū)的彝文輸入法，增加了使用難度。鑒于此，筆者在前人研究的基礎(chǔ)上，以規(guī)范彝文為例，提出一種基于字形部件拆分的形碼編碼方案，希望能為彝文輸入法的研究提供一種參考方案。

二、輸入方案設(shè)計

彝文獨體字多，常采用字體結(jié)構(gòu)易位、增添筆畫等方法來造字，其構(gòu)字體系包括：筆畫、部首、筆順和書寫結(jié)構(gòu)。[5]彝文文字發(fā)展過程中呈現(xiàn)高度的線條化和抽象化發(fā)展趨勢，部首的表意功能較弱，主要作為字符構(gòu)字的主干筆畫或基礎(chǔ)構(gòu)件。[6]因此可依據(jù)直觀、易學(xué)、易操作的原則，對彝文進行構(gòu)形層面的部件拆分，整理出穩(wěn)定的構(gòu)字部件，并進行合理的分類編碼，設(shè)計適用于古彝文和規(guī)范彝文的一對多形碼輸入方案。

（一）部件拆分

彝文部件是由筆畫組成的具有組配彝文字形功能的構(gòu)造單位，是字符構(gòu)字的核心，介于整字和筆畫之間。筆畫則是字符書寫時不間斷地寫成的點和線，是字形結(jié)構(gòu)中的最小單位。[7]彝文部首一般是字符的主筆畫或突出筆畫，常作為字符構(gòu)字的穩(wěn)定部件。規(guī)范彝文分為26 個部首，包括54 個基本構(gòu)件。從規(guī)范彝文819 個常用字符部首統(tǒng)計發(fā)現(xiàn)，?部字符最多，約占8.5%；?部次之，約占8%；∨，∩，?，?，?，△，?，?，?，?，?，?部字符較少。部首?，?，?，?，?，?，?，?，?，?，?，?，?，?能獨立成字，表示完整的意義，作為穩(wěn)定的構(gòu)字部件。

部件分類時以已有的彝文部首分類標(biāo)準為參考，兼顧字符構(gòu)造理據(jù)，遵循字符構(gòu)形的整體性及輸入編碼的便捷性原則，對于可獨立成字且用于古彝文和規(guī)范彝文中構(gòu)字能力強的部首不拆分；構(gòu)字能力弱的部首進行拆分合并，如“?”部，規(guī)范彝文中有17 個字符，在古彝文中不做構(gòu)字部件，拆分為“?”和“─”；“?”部，規(guī)范彝文中有7 個字符，古彝文中有類似的部首“”，為方便編碼，拆分為“?”和“?”；部件“，，，，─”在古彝文作為字符構(gòu)件使用頻率高，構(gòu)字能力較強，視為獨立的構(gòu)字部件。依據(jù)該部件分類標(biāo)準，整理出穩(wěn)定的構(gòu)字部件，部件分類如表1 所示。

（二）編碼分類

根據(jù)各部件字符數(shù)量分布的多少及字符構(gòu)形特征，將規(guī)范彝文的基本構(gòu)字部件分為26 個大類并進行編碼。編碼分類時，主要依據(jù)部件與英文大小寫字母的形近性原則進行一對多編碼映射。如部件“?、?、?、?、?、?、?、∨、?”分別與大寫英文字母“I、L、C、W、N、X、S、V、U”外形相似，映射到相應(yīng)的英文字母上；“?、、、、?”與小寫英文字母m 外形相似，映射到M 鍵上。少數(shù)與英文字母外形不具有相似性的部件，可借用漢字筆形讀音映射方式，如部件“匚，?”視為框形，映射到K 鍵上；“、、、”視為漢字“撇、捺”的變形部件，映射到P 鍵上。

編碼時，不區(qū)分基本部件的朝向、大小和方向，將形變、形近及方向倒置類部件放在同一鍵位上。如“?、?、?、?”幾個部件可視為由同一個部件變形而來，放在Y 鍵上；部件“?、⌒、?”外形相似，朝向不同，放在C 鍵上；部件“─、、-”朝向一致，大小不同，映射到T 鍵上；部件“?、”不區(qū)分大小，映射到I 鍵上。后期可依據(jù)該分類標(biāo)準將古彝文的基本構(gòu)字部件依次歸入該編碼分類表中，從而實現(xiàn)古彝文和規(guī)范彝文編碼的統(tǒng)一分類。部件編碼分類映射表如下：

表1 部件編碼分類映射表

（三）編碼原則

彝文有上下、左右、左中右、上中下、半包圍、全包圍、交叉及單一結(jié)構(gòu)。規(guī)范彝文中上下結(jié)構(gòu)的字符居多，約為50%；左右結(jié)構(gòu)次之，約為24%；交叉結(jié)構(gòu)約為14%；單一結(jié)構(gòu)的字符數(shù)最少，約為1.2%。主要采用先主筆后副筆，先上后下，先左后右，先中間后兩邊，先外后內(nèi)的書寫順序。

字符編碼時依據(jù)字符的書寫筆順對字符進行全碼編碼，如字符“?”書寫順序為先豎后撇捺，編碼為IX；字符“?”書寫筆順是先外后內(nèi)，編碼為BI。為簡化編碼，對于重復(fù)部件，采用“部件字母+重復(fù)次數(shù)”的方式編碼，如字符“?”編碼為I4。字符“?”編碼為BT4；因次高調(diào)符號“”與電腦鍵盤主鍵區(qū)數(shù)字符號鍵6 上的“^”外形相似，編碼時在規(guī)范字編碼之前加“^”表示，如字符“?”編碼為^S。

輸入法實現(xiàn)時，可不規(guī)定基本部件的鍵入順序，允許用戶自由組合輸入，實現(xiàn)一對多形碼編碼映射，由程序?qū)崿F(xiàn)自動匹配。如字符“?”的輸入編碼可為IC 和CI；“?”的輸入編碼可為“CIT，CTI，ICT，ITC，TCI，TIC”6 種；“?”的輸入編碼為“LZT，LTZ，ZTL，ZLT，TLZ，TZL”6 種。

三、性能與優(yōu)勢分析

國家標(biāo)準將編碼層次和軟件層次視為統(tǒng)一的鍵盤輸入系統(tǒng)進行性能考核。GB/T 19246-2003《信息技術(shù)通用鍵盤漢字輸入通用要求》提出了通用鍵盤漢字輸入系統(tǒng)的性能指標(biāo)包括兩個方面：編碼層次上要求形碼編碼輸入法應(yīng)該遵循漢字部件和筆畫規(guī)范，達到定性指標(biāo)（易學(xué)性）；軟件層次上要求達到量化指標(biāo)（平均碼長、重碼字詞鍵選率）。[8]筆者從定性和定量指標(biāo)統(tǒng)計分析發(fā)現(xiàn)，該方案字符部件拆分規(guī)則合理，編碼原則簡單易學(xué)，輸入平均碼長適中，重碼率低，輸入效率較高。

（一）易學(xué)性

易學(xué)性，即“字符輸入系統(tǒng)的時間應(yīng)盡量短，并符合使用者的思維習(xí)慣”[9]。該方案主要依據(jù)彝文的構(gòu)形特點，對字符進行部件拆分。部件拆分時遵循已有的部首分類原則，拆分合理，歸類科學(xué)，符合彝文字符部件規(guī)范，能有效減少彝文字符的構(gòu)字單位，便于編碼和學(xué)習(xí)；此外，采用一對多部件編碼方式，不要求使用者熟悉彝文字符讀音，字符輸入時無須認讀，允許用戶按部件自由組合輸入，由程序?qū)崿F(xiàn)自動匹配，降低了使用者的記憶難度。普通用戶只需很少的學(xué)習(xí)時間，即可掌握規(guī)則并進行文字輸入，易學(xué)性較強。

（二）平均碼長

該方案對字符進行全碼編碼，平均碼長可作為輸入效率高低的參考指標(biāo)。《信息技術(shù)通用鍵盤漢字輸入通用要求》（GB/T 19246—2003）規(guī)定：漢語拼音或簡易筆畫編碼方式輸入漢字常見文本時，平均碼長應(yīng)＜3.2；雙拼、部件編碼或以部件為主的編碼輸入，平均碼長應(yīng)＜2.2。該方案平均碼長計算如下：

表2 字符編碼碼長分布表

從表2 可以看出，該方案平均編碼碼長約為3.1，碼長適中。碼長為3 鍵元和4 鍵元字符的分布率最高。因而字符輸入時，擊鍵次數(shù)較少，輸入速度較快。

（三）重碼分布

重碼率是衡量一個編碼方案中具有相同編碼的字符多少的指標(biāo)，可用作衡量輸入法輸入效率的定量指標(biāo)。[10]測試發(fā)現(xiàn)，該方案的重碼率相對較低，輸入效果較好。重碼分布表如下：

表3 字符重碼分布表

從表3 可以看出，該編碼方案下，規(guī)范彝文819 個常用字符中無重復(fù)編碼的字符數(shù)為554 個，占67.6%，即有554 個字符輸入時可實現(xiàn)與目標(biāo)字符的精確匹配；字符編碼最高重復(fù)次數(shù)不超過5 次，即字符輸入時均不需要翻頁查找即可實現(xiàn)與目標(biāo)字符的匹配。因而，該輸入方案對字符的精確匹性較好，重碼率較低，輸入較為快捷。

（四）優(yōu)勢

本文依據(jù)彝文字符構(gòu)形特征設(shè)計了一對多形碼輸入方案，字符輸入時，不受字符讀音的限制，允許用戶按部件自由組合輸入，編碼規(guī)則簡單易學(xué)，能較好地遷移到古彝文及其他象形文字上使用，實用性強，適用范圍廣。

（1）實用性強。彝文內(nèi)部情況復(fù)雜，字符量大，異體字、生僻字多，字符存在方言區(qū)讀音和形體差異。采用字形編碼輸入，可不受字符讀音的限制，能遷移到古彝文及他少數(shù)民族象形文字上編碼使用；此外，采用一對多映射的編碼方式，不完全要求按字符書寫順序輸入字符，用戶可按部件自由組合輸入，降低了學(xué)習(xí)難度，即使不熟彝文的用戶也能快速掌握，實用性較強。

（2）適用性廣。古彝文是超方言的表意文字，字形獨特，其構(gòu)字部件大多與規(guī)范彝文相同或由其方位倒置或變形而來。字符書寫筆畫多樣，除有規(guī)范彝文中的點、橫、豎、撇、捺、折、圓、弧形、曲形、框形等基本筆形外，還有豐富的連體、繞形、波浪及重疊變形筆畫。字符構(gòu)字筆畫少則1 畫，多則10 畫以上。該方案按部件拆分方式對字符進行分類編碼，能保持彝文字形的全面性和系統(tǒng)性，避免了對字符進行過度拆分，有效地減少了字符的構(gòu)字單位，便于實現(xiàn)計算機字符的編碼和輸入。其次，依據(jù)形碼編碼方式輸入字符，不受彝文方言區(qū)讀音差異的影響，不僅適合規(guī)范彝文字集編碼，也能用于大字符集的古彝文編碼，適用范圍更廣。

四、結(jié) 語

彝文內(nèi)部情況復(fù)雜，但有共同的字符結(jié)構(gòu)、部首、筆畫、筆順及穩(wěn)定的部件構(gòu)字體系。本文依據(jù)彝文的字形特點，參考已有的部首分類標(biāo)準，遵循直觀、易學(xué)的原則，對規(guī)范彝文字符進行部件拆分。部件拆分時，考慮到彝文字符構(gòu)形的整體性及輸入編碼的便捷性，保留了規(guī)范彝文中的獨體字及構(gòu)字能力強的部首，拆分合并構(gòu)字能力弱的部首，拆分規(guī)則合理，符合彝文字符的構(gòu)字規(guī)律。在此基礎(chǔ)上，按形似性特征實現(xiàn)字符的一對多編碼映射，設(shè)計一對多部件形碼輸入方案。從已有的統(tǒng)計數(shù)據(jù)來看，該方案編碼規(guī)則簡單易學(xué)，平均碼長適中，重碼率低，輸入效率高，適用范圍較廣，具有較好的實用性。此外，本文采用部件編碼輸入方式，便于實現(xiàn)計算機字符輸入，有助于推進古彝文和規(guī)范彝文編碼的統(tǒng)一，為古彝文信息化發(fā)展提供條件，符合當(dāng)前彝文信息化發(fā)展的要求。