多用編碼在漢字輸入中的應用研究

1、新型邵氏多用編碼在中文信息處理中的應用研究 潘虎林 （ 甘肅省秦安縣生產(chǎn)力促進中心秦安 741600） 內(nèi)容提要： 關鍵字：計算機 漢字 編碼 輸入 信息化是當今世界的發(fā)展潮流，是國家社會發(fā)展的趨 勢。信息化水平已經(jīng)成為衡量一個國家現(xiàn)代化水平和綜合國 力的重要指標。漢字也是字符，與西文字符比較，漢字數(shù)量 大，字形復雜， 同音字多， 這就給漢字在計算機內(nèi)部的存儲、 傳輸、交換、輸入、輸出等信息處理帶來了一系列的問題。 為了能直接使用西文標準鍵盤輸入漢字，必須為漢字設計相 應的編碼，以適應計算機處理漢字的需要。近三十年來，在 眾多編碼人的共同努力下，漢字編碼領域已是百花齊放。可 是漢字輸入仍然是制

2、約中國人進入計算機領域的難題，仍然 是我國信息化建設的瓶頸之一。邵氏多用編碼是 Code for 1 計算機常用中文編碼的種類 1.1 機 內(nèi) 碼 ASCII ( American Standard Information Interchange 美國信息互換標準代碼） 是基于 羅馬字母表的一套電腦編碼系統(tǒng)，它主要用于顯示現(xiàn)代英語 和其他西歐語言。它是現(xiàn)今最通用的單字節(jié)編碼系統(tǒng)，并等 同于國際標準 ISO 646。包含控制字符、 可顯示字符和 ASCII 擴展字符集擴展在計算機的存儲單元中， ASCII 碼值占 7 個字節(jié) (8 個二進制位 ) ，其最高位 (b7) 用作奇偶校驗位。 1.2

3、國標碼 GB2312 字符集 121 又稱為 GB2312-80 字符集，全稱為信息交換 用漢字編碼字符集基本集 ，由原中國國家標準總局發(fā)布， 1981 年 5 月 1 日實施，是中國國家標準的簡體中文字符集。 它所收錄的漢字已經(jīng)覆蓋 99.75%的使用頻率， 基本滿足了漢 字的計算機處理需要。在中國大陸和新加坡獲廣泛使用。 GB2312收錄簡化漢字及一般符號、序號、數(shù)字、拉丁字母、 日文假名、希臘字母、俄文字母、漢語拼音符號、漢語注音 字母，共 7445 個圖形字符。其中包括 6763 個漢字，其中 級漢字 3755 個，二級漢字 3008 個。 GB2312 中對所收漢字 進行了“分區(qū)”處

4、理，每區(qū)含有 94個漢字 /符號。這種表示 方式也稱為區(qū)位碼。它是用雙字節(jié)表示的，兩個字節(jié)中前面 的字節(jié)為第一字節(jié)，后面的字節(jié)為第二字節(jié)。 口. 號， 1.2 . 2 GBK字符集是 GB2312的擴展（K） , GBK1.0收錄 了 21886 個符號，它分為漢字區(qū)和圖形符號區(qū)，漢字區(qū)包括 21003個字符。GBK字符集主要擴展了繁體中文字的支持。 1.2 . 3 GB18030的全稱是 GB18030-2000信息交換用 漢字編碼字符集基本集的擴充 ，是我國政府于 2000 年 3 月 17 日發(fā)布的新的漢字編碼國家標準， 2001 年 8 月 31 日后在 中國市場上發(fā)布的軟件必須符合本

5、標準。 GB18030 字符集標 準的出臺經(jīng)過廣泛參與和論證，來自國內(nèi)外知名信息技術行 業(yè)的公司，信息產(chǎn)業(yè)部和原國家質量技術監(jiān)督局聯(lián)合實施。 GB18030 字符集標準解決漢字、日文假名、朝鮮語和中國少 數(shù)民族文字組成的大字符集計算機編碼問題。該標準的字符 總編碼空間超過 150 萬個編碼位，收錄了 27484 個漢字，覆 蓋中文、 日文、朝鮮語和中國少數(shù)民族文字。 滿足中國大陸、 香港、臺灣、日本和韓國等東亞地區(qū)信息交換多文種、大字 量、多用途、統(tǒng)一編碼格式的要求。并且與 Unicode 3.0 版 本兼容，填補Unicode擴展字符字匯“統(tǒng)一漢字擴展A”的 內(nèi)容。并且與以前的國家字符編碼標

6、準(GB2312， GB13000.1) 兼容。 GB18030 標準采用單字節(jié)、雙字節(jié)和四字節(jié)三種方式對 字符編碼。 13 Big5 又稱大五碼，主要為香港與臺灣使用，即是一個 繁體字編碼。每個漢字由兩個字節(jié)構成，第一個字節(jié)的范圍 從0X81 0XFE (即卩129-255 ),共126種。第二個字節(jié)的范 圍不連續(xù)，分別為 0X40 0X7E(即 64-126 ), 0XA1- 0XFE(即 161-254 )，共 157 種。 1.4 統(tǒng)一碼Unicode字符集 統(tǒng)一碼是由 Unicode 學術學會（ Unicode Consortium ） 制定的字符編碼系統(tǒng)。 Unicode 學術學會

7、的成員主要是電腦 軟硬件廠 商。 Unicode 與 ISO 有緊密的合作， Unicode 可以 被看作是 ISO10646 的實踐版。因此，支持 Unicode 的產(chǎn)品 也支持 ISO10646。 把上面概述的幾種通用標準中文輸入法的實現(xiàn)過程及 方法是中文信息處理正在使用的內(nèi)碼，各種應用層面的漢字 編碼方案及其應用軟件都是中文處理的外碼。 漢字作為世界上最長壽的圖形文字，則有形、音、義三 個屬性，簡稱 0 性” 1 。人們可以從漢字的三種屬性 中，選擇一種或同時選擇幾種，為漢字編碼。根據(jù)選用的漢 字屬性不同，就形成了以下不同類型的漢字輸入法。常用的 漢字輸入方法有拼音類（微軟拼音、智能狂拼、智能ABC等）、 形碼類（萬能漢字輸入、二筆碼、自然碼、漢王等）和五筆 字形類（萬能五筆、王碼五筆、極品五筆、智能五筆等） 新型邵氏多用編碼在漢字輸入法中是形碼類。由于它具有規(guī) 范、易學、高效、通用四項優(yōu)勢，漢字編碼必須符合被知識 產(chǎn)權局授予專利，專利號為： 該編碼解決了 學字、查字、打字、用字相結合的難題，簡繁體漢字輸入統(tǒng) 方案，同一鍵盤布局， 分適合中、外漢字輸入。 2 新型邵氏多用編碼（外碼）的漢字編碼依據(jù)及方法 漢字輸入流程圖 多用編碼字件 編碼依據(jù) 取碼方法 單字取碼方法 詞組取碼方法 高頻字與調整碼