多用編碼在漢字輸入中的應(yīng)用研究

1、新型邵氏多用編碼在中文信息處理中的應(yīng)用研究 潘虎林 （ 甘肅省秦安縣生產(chǎn)力促進(jìn)中心秦安 741600） 內(nèi)容提要： 關(guān)鍵字：計(jì)算機(jī) 漢字 編碼 輸入 信息化是當(dāng)今世界的發(fā)展潮流，是國家社會(huì)發(fā)展的趨 勢(shì)。信息化水平已經(jīng)成為衡量一個(gè)國家現(xiàn)代化水平和綜合國 力的重要指標(biāo)。漢字也是字符，與西文字符比較，漢字?jǐn)?shù)量 大，字形復(fù)雜， 同音字多， 這就給漢字在計(jì)算機(jī)內(nèi)部的存儲(chǔ)、 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(biāo)準(zhǔn)鍵盤輸入漢字，必須為漢字設(shè)計(jì)相 應(yīng)的編碼，以適應(yīng)計(jì)算機(jī)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(lǐng)域已是百花齊放?？?是漢字輸入仍然是制

2、約中國人進(jìn)入計(jì)算機(jī)領(lǐng)域的難題，仍然 是我國信息化建設(shè)的瓶頸之一。邵氏多用編碼是 Code for 1 計(jì)算機(jī)常用中文編碼的種類 1.1 機(jī) 內(nèi) 碼 ASCII ( American Standard Information Interchange 美國信息互換標(biāo)準(zhǔn)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(biāo)準(zhǔn) ISO 646。包含控制字符、 可顯示字符和 ASCII 擴(kuò)展字符集擴(kuò)展在計(jì)算機(jī)的存儲(chǔ)單元中， ASCII 碼值占 7 個(gè)字節(jié) (8 個(gè)二進(jìn)制位 ) ，其最高位 (b7) 用作奇偶校驗(yàn)位。 1.2

3、國標(biāo)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(biāo)準(zhǔn)總局發(fā)布， 1981 年 5 月 1 日實(shí)施，是中國國家標(biāo)準(zhǔn)的簡(jiǎn)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(jì)算機(jī)處理需要。在中國大陸和新加坡獲廣泛使用。 GB2312收錄簡(jiǎn)化漢字及一般符號(hào)、序號(hào)、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(hào)、漢語注音 字母，共 7445 個(gè)圖形字符。其中包括 6763 個(gè)漢字，其中 級(jí)漢字 3755 個(gè)，二級(jí)漢字 3008 個(gè)。 GB2312 中對(duì)所收漢字 進(jìn)行了“分區(qū)”處

4、理，每區(qū)含有 94個(gè)漢字 /符號(hào)。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(gè)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(hào)， 1.2 . 2 GBK字符集是 GB2312的擴(kuò)展（K） , GBK1.0收錄 了 21886 個(gè)符號(hào)，它分為漢字區(qū)和圖形符號(hào)區(qū)，漢字區(qū)包括 21003個(gè)字符。GBK字符集主要擴(kuò)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(kuò)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(biāo)準(zhǔn)， 2001 年 8 月 31 日后在 中國市場(chǎng)上發(fā)布的軟件必須符合本

5、標(biāo)準(zhǔn)。 GB18030 字符集標(biāo) 準(zhǔn)的出臺(tái)經(jīng)過廣泛參與和論證，來自國內(nèi)外知名信息技術(shù)行 業(yè)的公司，信息產(chǎn)業(yè)部和原國家質(zhì)量技術(shù)監(jiān)督局聯(lián)合實(shí)施。 GB18030 字符集標(biāo)準(zhǔn)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(jì)算機(jī)編碼問題。該標(biāo)準(zhǔn)的字符 總編碼空間超過 150 萬個(gè)編碼位，收錄了 27484 個(gè)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(tái)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(bǔ)Unicode擴(kuò)展字符字匯“統(tǒng)一漢字?jǐn)U展A”的 內(nèi)容。并且與以前的國家字符編碼標(biāo)

6、準(zhǔn)(GB2312， GB13000.1) 兼容。 GB18030 標(biāo)準(zhǔn)采用單字節(jié)、雙字節(jié)和四字節(jié)三種方式對(duì) 字符編碼。 13 Big5 又稱大五碼，主要為香港與臺(tái)灣使用，即是一個(gè) 繁體字編碼。每個(gè)漢字由兩個(gè)字節(jié)構(gòu)成，第一個(gè)字節(jié)的范圍 從0X81 0XFE (即卩129-255 ),共126種。第二個(gè)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(xué)術(shù)學(xué)會(huì)（ Unicode Consortium ） 制定的字符編碼系統(tǒng)。 Unicode 學(xué)術(shù)學(xué)會(huì)

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(shí)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(biāo)準(zhǔn)中文輸入法的實(shí)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(yīng)用層面的漢字 編碼方案及其應(yīng)用軟件都是中文處理的外碼。 漢字作為世界上最長(zhǎng)壽的圖形文字，則有形、音、義三 個(gè)屬性，簡(jiǎn)稱 0 性” 1 。人們可以從漢字的三種屬性 中，選擇一種或同時(shí)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(xué)、高效、通用四項(xiàng)優(yōu)勢(shì)，漢字編碼必須符合被知識(shí) 產(chǎn)權(quán)局授予專利，專利號(hào)為： 該編碼解決了 學(xué)字、查字、打字、用字相結(jié)合的難題，簡(jiǎn)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(diào)整碼