參加「漢字智慧型編碼與應用研討會」有感

文 / 王志攀

　　在使用電腦的中文世界裡，沒有遇到無法打出來的字幾希。即使很平常的字，如腳字，中間是谷是去，也沒有辦法自主。如果說電腦所顯示的字有一個標準，那麼使用者在無可奈何的情況下，在註解說明上也比較方便，但是如正、俗字之間，到底採用正字抑或俗字，莫衷一是的字例，僅此一斑，就夠讓使用者頭痛而無所適從了。

　　電腦中文字形，在一字一碼的先天囿限下，更是使得中文字的應用綁手綁腳，只夠療飢，沒有辦法發展開來。因此龐大的中文字，就畫地自限地困守在一萬多個常用字的圈圈裡，和中文字活躍的生命力大相逕庭，幾幾乎切斷了中文字的新生能力。

　　一個中文字包含形音義，而造字原理所謂的「六書」－－象形、指事、形聲、會意、轉注、假借，其中最活潑的形聲字，在現行的造字體系下，不論是big-5 或 unicode，全都在一字一碼這種「一胎化」原則下受了腐刑。十幾年前在學校上有關文字學的課程時，授課的老師舉了一個可以創造新字的實例「圖書館」－－圕。雖然十年過去了，言猶在耳，但是這個字目前還只是在圖形的階段。究其原因，在於傳播的限制，而傳播的限制又在於電腦常用的中文系統字裡沒有這個字，無法從鍵盤輸出。假如中文字能夠像英文字一樣，靠二十六個字母就可以拼出字來，或許圖書館已經叫做ㄊㄨㄢˇ、ㄊㄨㄢˊ（圖書館三字，第一個字取聲符，第二個字取介音、第三個字取韻母和聲調；ㄊㄨㄢˇ有可能因口順由上聲轉陽平成ㄊㄨㄢˊ），而字形就是圕，那麼更遑論大街小巷五花八門、稀奇古怪的各種新「字」了；其中，或許我們已經可以在電腦上「飽餐」各種「羹」湯和各類的pie了。

　　CBETA版《大正新脩大藏經》五十六冊，接近一萬五千個電腦系統字所沒有的缺字，如果委外造字，龐大的費用無法負荷！如果自己造字，面對偌大的字數，曠日費時，同樣無法負荷。所以只能將就於現有的素材，解決一部分缺字顯示的問題。而全部缺字，靠的是描述式的「組字式」來表達；但礙於組字所用部件的限制，「組字式」也沒有辦法就對應字完全寫其真，最後就只有靠缺字圖檔來傳真了！在CBETA，我負責電腦缺字，中文電腦缺字懸而未決的情形，成為我心頭的一個痛。

　　中研院「漢字智慧型編碼與應用研討會」，CBETA總幹事杜正民先生和顧問維習安博士應邀與會，並發表演說。一則處理缺字已陷入泥淖的狀況，苦思對策；再者常上網留意有沒有他山之石，可以採用！因此，杜總幹事邀我，乃欣然同往。不過，關於這一次的研討會，因有之前的經驗，在驅車前往會場途中，先知會總幹事，如果了無新意，兩天的會期，第二天就不想浪費時間－－不去了！

　　本次「研討會」，兩天各五場講演。首場是決定隔天去留的重頭戲，由莊德明先生表演。我在台下，靜候好戲上演。

　　關於莊先生發展的這套缺字解決方案－－「漢字構形資料庫」[01]，因為主持人謝清俊教授、講演人莊先生和CBETA素來往返密切，所以對莊先生本次的發表，內容已素知，原本不應該大驚小怪！但是好有一比，莊先生所發表的「漢字構形資料庫」，是七年來不斷演進的結果[02]；這七年來，前六年的馬拉松路程，一直處於起步階段，而這一次，卻已在領先的集團裡，並且是在終點線前衝刺的跑者，怎不讓人興奮地起立鼓掌加油歡呼！

　為什麼一套「漢字構形資料庫」會「讓人興奮地起立鼓掌加油歡呼」呢？這要從認識漢字說起。

　　我們知道，秦的統一文字，使「書同文」，所同的文就是「小篆」；承秦而立的漢，「書同文」，所同的文卻是用創始於秦的「隸書」。隸書是「篆書」的簡化字，隸定以後，漢字的字形幾乎已經底定。不過起源於後漢，一種由隸書演變而來的正體書法－－楷書，在三國魏時完備成體，而從唐宋通行至今。「篆書」簡化後成為「隸書」，「隸書」再一變成為「楷書」，篆、隸、楷三種字體的關係，建立在文字書寫的便利上。而「漢字構形資料庫」，就建立在「篆書」和「楷書」的基礎上。謝教授說：「為了建構漢字構形資料庫，我們徹底檢查了《漢語大字典》、《說文解字》」。[03]

　　《說文解字》一書是東漢時被譽為五經無雙的許慎所作，收字九千三百五十三個，以及一千一百九十三個重文，依照文字形體和偏旁，收列在五百四十個部首中，是中國第一部有系統分析字形和考究字源的字書，其中部首也是創舉。

　　《漢語大字典》是近年完成的大部頭字書，收五萬四千六百七十八個楷體字，以及包含三萬六千三百零九個字形的一萬二千二百一十組異體字，總九萬零九百八十七個字。如果含上列《說文解字》一萬多個字，今古二部字書字數超過十萬個。而「漢字構形資料庫」就提供了《漢語大字典》和big-5的楷體字五萬四千七百一十一個，以及《漢語大字典》異體字表的三萬六千三百零九個字形，並《說文解字詁林》中的小篆及其重文一萬一千個字－－可以解決總一拾萬零二千零二十個字的大部分字形。

　　當然，僅只字數龐大不足為奇，unicode的漢字就超過七萬個，而日本的《今昔文字鏡》，去年所收錄的字數也超過十萬個，其中絕大部分就是漢字。我要說的是，這次莊先生所發表的「漢字構形資料庫」，把十幾萬個漢字，收納在四千七百個用以檢索的部件中－－其中一千多個是字根。而目前在Microsoft Office的功能下，可以使用五萬四千七百一十一個楷體字形，和一萬一千個小篆及其重文。也就是使用者可以利用部首的概念，以「漢字構形資料庫」所提供的三個拆字法則－－橫連、直連、包含[04]，就可以輸出該字而加以檢索、顯示！

　　或許有人還會疑慮，這麼大量的字，所佔空間，當不在話下！以下這段說明可以解除這個疑慮：

　　談到驗證，就是已經進步到可以實用的階段了。換句話說，只有實際應用，才談得上驗證。而已經可以驗證的內容，也就是達到某種成熟度的關鍵。

　　一、〈基於漢字智慧型編碼的動態字形產生器之原理及實作〉[06]

　　應用「漢字構形資料庫」，設計：

　　　　1）TrueType 模擬器：將此字形產生器，在 Windows 模擬成標準 TrueType 字形檔，讓所有應用程式調用。(下略)

 　　　　2）編輯器元件：支援將構字式轉換成字形，並可動態製作缺字。

 　　　　3）IE模組：將網頁的構字式，於客戶端轉換成字形。[07]

　　以上是葉居士應用「漢字構形資料庫」所設計的應用介面。

　　這個應用介面所用的字容量：

　　　　以「骨架字體」為例，20000字只需300K，Unicode CJK 82000 字集，僅佔1.5MB左右。並且可以有「宋、黑、圓」粗　　細變化。字形產生速度為 TrueType 的十倍以上。[08]

　　而在以「避諱字」為例的實際展示中，可以看到，輕而易舉地在電腦上，對於字的「增加筆劃、增加部件」、「刪除某個筆劃」、「移動或縮放某個筆劃」、「減去某個部件」、「移動某個部件」等效果。[09]

　　二、〈缺字的標誌、交換與應用〉[10]

　　講題所謂「缺字的標誌」，即「漢字構形資料庫」所提供的三個拆字法則；而「交換與應用」，在補「漢字構形資料庫」的不足。也就是應用「漢字構形資料庫」所設計的介面，於「漢字構形資料庫」中所沒有的字，利用現有的造字程式造字，然後將包含造字的編輯文件，在傳遞過程中，自動把文件中的造字傳遞給接收端，並自動加入接收端的造字區中。而所造的字因為依「漢字構形資料庫」的拆字法則和部件，所以在輸入和檢索的便利相同。[11]

　　以上略舉這次研討會發表的講演二種，以實「附加本系統作為徹底解決缺字的機制」和「不需要佔用原交換碼的編碼空間，也不需要修改原來的應用軟體」這段話。而例如這次研討會發表對於「漢字構形資料庫」的應用，將來推廣得法，相信開發出來的應用軟體會愈益成熟；那麼，電腦中漢字的無障礙空間於焉誕生，也指日可待！

  [01] 「漢字構形資料庫」光碟下載網址：http://www.sinica.edu.tw/~cdp/。

  [02] 謝清俊，《中文電腦缺字解決方案漢字構形資料庫．序》，頁二（中央研究院資訊科學研究所文獻處理實驗室出版，2002年7月第二版）。

  [03] 同上。

  [04] 使用方法參詳《中文電腦缺字解決方案漢字構形資料庫》（中央研究院資訊科學研究所文獻處理實驗室出版，2002年7月第二版）。

  [05] 同註一，頁三。

  [06] 葉健欣（參詳「漢字智慧型編碼與應用研討會」手冊）。

  [07] 同上，頁三。 

  [08] 同上。

  [09] 同上（葉居士所開發的這套應用軟體，完成後將在易符智慧科技公司的網站提供免費下載。易符智慧科技公司網址： http://www.eforth.com.tw）。

  [10] 周亞民等（參詳「漢字智慧型編碼與應用研討會」手冊，相關資料或軟體，將在中研院資訊所網站公布）。

  [11] 何建明等〈在網際網路上的漢字智慧型編碼工具〉，原理原則略同，都是「漢字構形資料庫」的應用（參詳「漢字智慧型編碼與應用研討會」手冊）。