水書鍵盤輸入系統(tǒng)研究與實(shí)現(xiàn)

陳笑蓉，楊撼岳，鄭高山，黃 千

(貴州大學(xué) 計(jì)算機(jī)科學(xué)與信息學(xué)院，貴州 貴陽 550025)

1 引言

水族是中華民族大家庭中的一員，其90%以上的人口聚居在貴州省，少量散居于廣西壯族自治區(qū)、云南省等地[1]。水族有著自己的語言和文字，水族文字被稱為水書。目前研究發(fā)現(xiàn)并能識(shí)讀的有500多個(gè)單字(不含異體字，包括異體字有2 000多個(gè)字)，其形狀類似于甲骨文和金文，主要用來記載水族的天文、地理、宗教、民俗、倫理、哲學(xué)等文化信息。

為搶救保護(hù)珍貴的水書文化遺產(chǎn)，2006年，國(guó)務(wù)院正式批準(zhǔn)“水書習(xí)俗”為國(guó)家級(jí)首批非物質(zhì)文化遺產(chǎn)名錄。2002年，經(jīng)“中國(guó)文獻(xiàn)遺產(chǎn)工程國(guó)家咨詢委員會(huì)”評(píng)定，水書入選《中國(guó)檔案文獻(xiàn)遺產(chǎn)名錄》，成為國(guó)家檔案館重點(diǎn)收藏的民族古籍。水書作為珍貴的民族文化遺產(chǎn)受到中央政府和有關(guān)單位的高度關(guān)注。

為了更有效地?fù)尵缺Ｗo(hù)與利用水書，水族文字的信息化處理成為當(dāng)前亟待解決的問題。

2 水書的特征信息及其輸入模型

水字所負(fù)載的特征信息可分為三類： 字形類特征信息；字音類特征信息；字義類特征信息[2]。本文僅討論水書字形類特征信息。此外，還有字熵等作為宏觀統(tǒng)計(jì)特征。

2.1 水書字形類特征信息

由于水族文字沒有形成統(tǒng)一、標(biāo)準(zhǔn)、規(guī)范的字體，本文以《水書常用字典》收錄的水字為藍(lán)本，對(duì)水書字形進(jìn)行分析和討論。

2.1.1 水書筆畫特征信息

下筆后按一定方向連續(xù)畫成的每一筆，就叫作“筆畫”[3]。本文分析了《水書常用字典》收錄的水字，去粗取精，得到水字7種基本筆畫(表1)： 橫；豎；撇；捺；點(diǎn)(實(shí)心圓點(diǎn))；折(兩筆相接成角)；曲(一筆連續(xù)寫成的、復(fù)雜的曲線)。按其方向區(qū)分，橫、豎、撇、捺、點(diǎn)為單向筆畫，折、曲為復(fù)向筆畫。

表1 水字的7種基本筆畫

水字筆畫之間的組合關(guān)系大致可分離散、連接、交叉、包圍結(jié)構(gòu)(表2)。

表2 水字筆畫間的組合關(guān)系

2.1.2 水書字根特征信息

字根(部件)是組配水字的構(gòu)字單元，通過筆畫相互間 “單、散、連、交”式的關(guān)系組成。它可分為兩類： 成字字根和非成字字根。例如，“”；“”為成字字根；排除成字字根外， 7種基本筆畫及它們之間的組合關(guān)系都可為非成字字根。

字根可以根據(jù)設(shè)計(jì)需要，按照一定標(biāo)準(zhǔn)，決定選擇個(gè)數(shù)。水字字根集確定后，在其中挑選有限個(gè)字根，可以拼成某一個(gè)水字(圖1)。

圖1 字根拼字的過程

2.2 水書鍵盤輸入模型

2.2.1 定義

1) 水字集S：S={si|i=1,2,…,n}。式中si為水字，n是該集中水字的總數(shù)。

2) 編碼特征信息元集(碼元集)T：T={ti|i=1,2,…,m}。式中ti為特征信息元(碼元)，m是特征信息元的總數(shù)。T集的構(gòu)造應(yīng)易于使用者從字形、字音中提取限定的持征信息，且其編碼序列能覆蓋水字集S。

3) 特征信息元編碼集V：V={vi|i=1,2,…,p}，vi=ta1ta2…tal,taj∈T(j=1,2,…,l)。l為組成編碼的碼元個(gè)數(shù)，vi為水字的特征信息編碼。

4) 鍵元集K(用作輸入的鍵盤上鍵元的集合)：K={ki|i=1,2,…,q}。q用作輸入特征信息元的鍵元的總數(shù)。

5) 鍵元編碼集E(與特征信息元編碼對(duì)應(yīng)的鍵元編碼的集合)：E={ei|i=1,2,…,w}，ei=ka1ka2…kal,kaj∈K(j=1,2,…,l)。w為該集的大小，l為組成編碼的鍵元個(gè)數(shù)，ei為水字輸入的鍵元編碼。

6) 重碼集R：R={ei|i=1,2,…,w1},R?E。w1為重碼的總數(shù)。

7) 水字內(nèi)部碼集M：M={mi|i=1,2,…,n}。M集與S集元素為一一對(duì)應(yīng)關(guān)系，因此集的大小均為n。

8) 映射(函數(shù))

設(shè)X和Y是任意兩個(gè)集合，而f是X到Y(jié)的一個(gè)關(guān)系，如果對(duì)于每一個(gè)x∈X，有唯一的y∈Y，使得〈x,y〉∈f，稱關(guān)系f為X到Y(jié)的映射或函數(shù)。記作f： X→Y。

9) 復(fù)合映射

映射f:X→Y，g:Y→Z。

若g°f={〈x,z〉|x∈X∧z∈Z∧(?y)(y∈Y∧y=f(x)∧z=g(y))}，則稱g°f為復(fù)合函數(shù)。

2.2.2 重碼

重碼是兩個(gè)或兩個(gè)以上表意字符相同的輸入編碼，存在兩種類型的重碼[2]。

1) 編碼規(guī)則重碼

編碼規(guī)則是水字集S到特征信息元編碼集V的一個(gè)映射，記為f：S→V。為了易學(xué)和減輕編碼過程中的腦力負(fù)擔(dān)，編碼碼長(zhǎng)被限長(zhǎng)，從而產(chǎn)生規(guī)則性重碼，即存在若干關(guān)系〈va,si〉,i=1,2,…,l(水字不同而鍵元編碼相同)。

例： 以筆形特征信息的輸入方法

f() =，，；f() =，，

2) 歸并重碼

由于將若干個(gè)特征信息元?dú)w并到一個(gè)鍵元輸入所引起的重碼稱為歸并重碼。

例： 以筆形特征信息的輸入方法

f1() =，，f2(，) = AA，即f2°f1() = AA。

2.2.3 輸入法數(shù)學(xué)模型

由于鍵盤的鍵位數(shù)量有限，又因編碼規(guī)則的簡(jiǎn)明，重碼是不可避免的。最簡(jiǎn)單的處理重碼的方法是通過屏幕提示人工選擇重碼字，因此水字鍵盤輸入方法的數(shù)學(xué)模型可為式(1)所示：

(1)

式中S為水字集，V為特征信息元編碼集，E為鍵元編碼集，R為重碼集，M為水字內(nèi)部碼集。f1：S→V，f2：V→E，f3：E→R，f4：R→M，f5：E→M。

2.2.4 一一映射編碼輸入法(Unicode輸入法)

Unicode輸入法是微軟公司提供的一款沒有重碼的輸入法，即一一映射輸入法。它將每個(gè)字符的十進(jìn)制內(nèi)碼值映射到十六進(jìn)制數(shù)值。在Unicode輸入法狀態(tài)下，鍵入十六進(jìn)制數(shù)值，相對(duì)應(yīng)的字符被錄入計(jì)算機(jī)。其編碼特征信息元集T和鍵元集K為T= {0，1，2，3，4，5，6，7，8，9}；K= {0，1，2，3，4，5，6，7，8，9，a，b，c，d，e，f}。

圖2 Unicode輸入法在Word 2003中輸入水字

3 水書輸入系統(tǒng)設(shè)計(jì)

3.1 水字字庫建立

3.1.1 水字字符集編碼設(shè)計(jì)

水族文字信息化的一個(gè)重要意義在于能讓不同環(huán)境下的操作系統(tǒng)識(shí)別。而水字字符目前在Unicode中還沒有被分配的碼位。本文的編碼方案必須采用Unicode方案，才能保證水字與其他語種文字的混排，保證在不同的操作系統(tǒng)中正常顯示，不出現(xiàn)亂碼。只有這樣做出來的課題，才能得到全世界水書研究者和愛好者的認(rèn)可。

鑒于申請(qǐng)Unicode編碼的長(zhǎng)期性和復(fù)雜性，本文將467個(gè)水字字符臨時(shí)放入U(xiǎn)nicode的Private user(私用碼位區(qū))當(dāng)中的E000-E1D3碼位。

3.1.2 水字字庫制作

本文所用字稿為《水書常用字典》，它錄選常用字468個(gè)。本文剔除1個(gè)重復(fù)字，得到不重復(fù)字467個(gè)[3]。

字庫建立流程： 1. 利用掃描儀掃描字稿；2. 利用圖像處理軟件制作字模；3. 在字庫制作軟件中導(dǎo)入水字模圖象；4. 在字庫制作軟件中，按照實(shí)際需求進(jìn)行修字。制作完成的水字TrueType字庫截圖，如圖3所示。

圖3 水字TrueType字庫的部分水字

3.2 輸入編碼設(shè)計(jì)

3.2.1 特征信息元集(碼元集)的構(gòu)造

本輸入法的設(shè)計(jì)目標(biāo)是向會(huì)寫不會(huì)讀的用戶，提供一個(gè)易學(xué)、易用的水字輸入系統(tǒng)。因此水字的特征信息元在字形中挖掘，采用拼形方法。

構(gòu)成字形的最小結(jié)構(gòu)單元是筆畫，筆畫不僅簡(jiǎn)單而且在理解上相對(duì)容易形成共識(shí)。水字筆形的種類(包括基本筆畫及其組合關(guān)系)遠(yuǎn)比水字字根的數(shù)量少，故相對(duì)字根而言，記憶量小。此外，水字字集中含有20%左右的圖畫文字，如果采用傳統(tǒng)的字根特征信息編碼方法，對(duì)復(fù)雜的圖畫文字編碼是相當(dāng)困難的。故本方案采用筆形特征信息為每個(gè)水字編碼。

大量實(shí)驗(yàn)和統(tǒng)計(jì)的基礎(chǔ)上，將7種基本筆畫按幾何圖形特征，細(xì)分或重組成21種筆畫(表3)?！扒P”被細(xì)分為圓形、上下凸形、左右凸形、波形等；“折”筆被細(xì)分為上下角、左和右角。在筆畫歸類時(shí)，傾斜的凸形容易引起歧義，于是規(guī)定傾角小于45度歸于“上下凸”，大于45度歸于“左右凸”。通過實(shí)驗(yàn)發(fā)現(xiàn)，如果把“左角”和“右角”歸為一類，重碼字?jǐn)?shù)提高了19%，故將它們細(xì)分為兩類筆形；而“上下凸”、“左右凸”和“上下角”按上下、左右方向細(xì)分后，重碼字?jǐn)?shù)減少了2%～4%，對(duì)重碼的影響不大，因此不再對(duì)它們按方向細(xì)分。

構(gòu)成輸入編碼的筆畫序列方式主要有兩種，筆順方式和取角方式[2]。本編碼方案采用取角方式，取一個(gè)水字3個(gè)角的筆形，組成一個(gè)有序序列表示該水字。水字“取角”最主要的優(yōu)點(diǎn)是可以避開圖畫文字中間復(fù)雜的圖形；不利是重碼略微增加。

3.2.2 鍵盤上特征信息元的分布

特征信息元分布于鍵位的方式主要有三種，音托法、形托法和筆畫結(jié)構(gòu)分區(qū)法[2]。例如，在漢字字根輸入中將漢字字根的聲母發(fā)音依托于鍵元的字母讀音，此法是音托法；以字根的形狀為依托對(duì)應(yīng)于形似的字母鍵位上，是形托法;五筆、鄭碼輸入法采用以筆畫結(jié)構(gòu)的組合方式按鍵盤的位置分區(qū)，即筆畫結(jié)構(gòu)分區(qū)法。

本輸入法采用“形托”為主“音托”為輔的方式，將13類筆形分布在其形似的字母鍵位，5類筆形對(duì)應(yīng)于其發(fā)音相似的字母鍵位，3類筆形安排在鍵盤中排易于敲擊的鍵位(表3)。

表3 鍵位分布表

3.2.3 碼長(zhǎng)設(shè)計(jì)

方塊字的特征信息元所依托鍵位的集合是編碼鍵元集，輸入一個(gè)方塊字所需的擊鍵次數(shù)稱之為碼長(zhǎng)。以鍵元數(shù)(a)為底，取碼長(zhǎng)(l)的乘方(al)稱之為編碼空間，它的值代表了在限定的鍵元集和碼長(zhǎng)下，可容納輸入編碼的數(shù)量[2]。

如何設(shè)計(jì)碼長(zhǎng)呢？限定鍵元數(shù)為21，字符集的數(shù)量是467時(shí)，我們令碼長(zhǎng)為2、3和4，則它們的編碼空間分別是441(212)、9 261(213)和194 481(214)。碼長(zhǎng)為2時(shí)的編碼空間(441)小于字符集的數(shù)量(467)，意味該空間不能容納整個(gè)水字字符集。碼長(zhǎng)為3、4的編碼空間均大于467，因此理論上最大碼長(zhǎng)取3或4都是可行的。

我們假設(shè)編碼是隨機(jī)的(沒有編碼規(guī)則)。在總數(shù)為n的編碼空間中，為m個(gè)水字編碼(m

對(duì)于非隨機(jī)性有確定編碼規(guī)則的輸入系統(tǒng)，則字符集重碼概率如式(3)：

式中R由編碼規(guī)則決定，稱為人工干預(yù)因子[2]。

當(dāng)碼長(zhǎng)等于3或4時(shí)，它們的字符集重碼概率分別是

從“低重碼”的角度來考慮，碼長(zhǎng)取4最理想。但是重碼只是輸入編碼方案設(shè)計(jì)的一個(gè)側(cè)面，輸入效率也是要考慮的重要因素。碼長(zhǎng)取3時(shí)，字符集重碼概率為0.02R，其重碼的量級(jí)也是相當(dāng)?shù)偷?，故本方案設(shè)計(jì)最大編碼碼長(zhǎng)為3。

3.3 水書筆形輸入法編碼規(guī)則

3.3.1 鍵元集和碼長(zhǎng)

本輸入法共用了21個(gè)字母鍵，采用不等長(zhǎng)碼，最長(zhǎng)編碼為3碼。

3.3.2 筆形和鍵元的對(duì)應(yīng)關(guān)系

表4是筆形和鍵元的對(duì)應(yīng)關(guān)系。

表4 輸入法鍵位分布表

續(xù)表

3.3.3 編碼輸入方法

對(duì)水字進(jìn)行編碼時(shí)，根據(jù)表中的筆形，按照左上角、右上角、左下角、右下角的取角順序取三碼。

1) 若四個(gè)角均有筆形，則取前三個(gè)角的筆形。

2) 若四個(gè)角中有一個(gè)筆形占兩個(gè)角，則這兩個(gè)角的筆形只取其一。

5) 按實(shí)有筆形取碼，最少一碼，最多三碼。

3.3.4 取碼注意點(diǎn)

1) 含插、叉筆形的字，如該字不足三碼，用插入的一筆筆形和和被插入的筆形補(bǔ)充(叉形中，自上而下的單向筆畫是插入的一筆)，不得超過最大碼長(zhǎng)三碼。

2) 含“小離聚"或“大聚集”筆形的字，如該字不足三碼，按取角順序取構(gòu)成離聚的筆畫補(bǔ)充，不得超過最大碼長(zhǎng)三碼。若構(gòu)成離聚的筆畫全部相同，則只須補(bǔ)其中一筆。

6) 有兩復(fù)筆形可取時(shí)，上角較高筆形優(yōu)先取，下角較低筆形優(yōu)先取。例如，“”右上角應(yīng)取復(fù)筆“叉”(X)，而不取“右角”(Z)。

4 水書筆形輸入法軟件的實(shí)現(xiàn)

4.1 筆形輸入法軟件的開發(fā)

在遠(yuǎn)東Windows系統(tǒng)下，輸入法的開發(fā)主要是根據(jù)Microsoft提供的IMM-IME結(jié)構(gòu)，在它的框架內(nèi)為系統(tǒng)各個(gè)部分編寫代碼，實(shí)現(xiàn)相應(yīng)的功能。

為了方便技術(shù)人員開發(fā)Windows的驅(qū)動(dòng)程序，微軟公司為開發(fā)人員提供了一套用于開發(fā)Windows驅(qū)動(dòng)程序的工具包DDK，利用它就可以開發(fā)輸入法。此外，工具包DDK還提供了相關(guān)文檔以及一個(gè)區(qū)位輸入法的實(shí)例代碼。DDK中的區(qū)位輸入法的代碼，為設(shè)計(jì)其他的輸入法提供了基礎(chǔ)，因此設(shè)計(jì)新的輸入法主要就是在這個(gè)區(qū)位輸入法的代碼基礎(chǔ)上進(jìn)行修改，這樣可以大大節(jié)省開發(fā)時(shí)間。

本文在Windows XP操作系統(tǒng)下，Microsoft Visual C++ 6.0中，使用Unicode字符編碼標(biāo)準(zhǔn)作為輸入法內(nèi)部的編碼標(biāo)準(zhǔn)，利用區(qū)位輸入法源代碼成功地開發(fā)出了水書筆形輸入法軟件。通過該輸入系統(tǒng)可以把《水書常用字典》收錄的467個(gè)水字中任一字輸入計(jì)算機(jī)中。圖4是水書筆形輸入法在Word 2003中輸入水字的示例。

圖4 水書筆形輸入法在Word 2003中輸入水字

4.2 筆形輸入法軟件的組成

水書筆形輸入法軟件主要由IME轉(zhuǎn)換接口和IME用戶接口兩個(gè)部分組成。IME轉(zhuǎn)換接口是由用戶實(shí)現(xiàn)的一組接口函數(shù)，這些函數(shù)將由輸入法管理器在適當(dāng)?shù)臅r(shí)機(jī)調(diào)用，實(shí)現(xiàn)從用戶的輸入編碼到水書字符的轉(zhuǎn)換等功能。IME用戶接口主要的作用是接收各種消息以及通過各種窗口的顯示，讓用戶隨時(shí)了解輸入法的當(dāng)前狀態(tài)，為IME提供用戶接口界面。其組成部分包括缺省的IME窗口、用戶界面窗口、用戶界面組件窗口，編碼窗口、狀態(tài)窗口、候選窗口等。輸入法的整體架構(gòu)如圖5所示。

圖5 水書筆形輸入法的組成

1) 缺省的IME窗口[4]

當(dāng)一個(gè)應(yīng)用程序線程初始化時(shí)，Windows會(huì)基于IME窗口類為其創(chuàng)建一個(gè)缺省的IME窗口。它管理輸入法編輯器的用戶界面，處理從IME、IMM和應(yīng)用程序之間傳遞的所有消息。應(yīng)用程序的所有輸入法將共享這個(gè)缺省的IME窗口。

2) 用戶界面窗口[4]

UI窗口是IME窗口的一個(gè)子窗口，是水書筆形輸入法的總控窗口。當(dāng)IME窗口被創(chuàng)建的同時(shí)，IME自身的UI窗口也被創(chuàng)建，并被IME窗口所控制。用戶界面窗口對(duì)用戶也是不可見的，它負(fù)責(zé)接收由IMM和應(yīng)用程序傳來的消息，并根據(jù)消息的內(nèi)容做出響應(yīng)。

3) 用戶界面窗口組件包括狀態(tài)窗口、編碼輸入窗口和字符選擇窗口等[4]，它們對(duì)用戶是可見的。所有的組件窗口由用戶界面窗口創(chuàng)建并擁有。

(1) 水書筆形輸入法的狀態(tài)窗口。該窗口的出現(xiàn)意味該輸入法系統(tǒng)已經(jīng)啟動(dòng)，可以使用此輸入方法輸入水書字符。通過狀態(tài)窗口，可以調(diào)整輸入的狀態(tài)，例如，水書、英文狀態(tài)、半角或全角、中文或英文標(biāo)點(diǎn)符號(hào)等，如圖6所示。

圖6 水書筆形輸入法的狀態(tài)窗口

(2) 水書筆形輸入法的輸入窗口。用于顯示輸入英文字符串，如圖7所示。

圖7 水書筆形輸入法的輸入窗口

(3) 水書筆形輸入法的候選窗口。用于顯示輸入編碼英文字符串映射的水字的候選列表，用戶可以按相應(yīng)的數(shù)字鍵來選擇需要的水字。所有重碼不可能一次全部顯示，部分需要翻頁才能夠顯示，可以按“-”“,”鍵或“=”“.”鍵實(shí)現(xiàn)向前、向后翻頁。如圖8所示。

圖8 水書筆形輸入法的候選窗口

4.3 系統(tǒng)工作流程圖

從輸入法菜單中選擇水書筆形輸入法后(圖9)，輸入系統(tǒng)從碼表文件中讀入編碼和其對(duì)應(yīng)的水字。并分別用一個(gè)表結(jié)構(gòu)來保存編碼和水字。當(dāng)從鍵盤輸入英文字符串時(shí)，輸入法程序可以根據(jù)該表結(jié)構(gòu)迅速地進(jìn)行查找和處理，實(shí)現(xiàn)水字的輸入。系統(tǒng)工作流程圖如圖10所示。

圖9 從輸入法菜單中選擇水書筆形輸入法

圖10 水字筆形輸入系統(tǒng)流程圖

5 結(jié)論

本文制作的TrueType水字輪廓字體美觀、可任意縮放、與設(shè)備無關(guān)。字庫編碼采用Unicode方案，從而保證水字與其他語種文字的混排和在不同的操作系統(tǒng)中正常顯示。水字筆形輸入法的筆畫的種類遠(yuǎn)比水字字根的數(shù)量少，故記憶量小，而且避開了如何去定義“字根”的困難，因此該輸入法易學(xué)、易用。本文的研究為推廣和普及規(guī)范水族文字奠定了技術(shù)基礎(chǔ)，對(duì)推動(dòng)水族文字信息化的發(fā)展起到了積極的作用。

致謝： 作者衷心感謝貴州省三都水族自治縣水族文化研究所的潘興文、潘政波和韋世方提供了水字字形資料。

[1] 潘朝霖,韋宗林.中國(guó)水族文化研究[M].貴陽:貴州人民出版社.2004.

[2] 陳一凡,胡宣華.漢字鍵盤輸入技術(shù)與理論基礎(chǔ)[M].北京:清華大學(xué)出版社,南寧： 廣西科學(xué)技術(shù)出版社.1994.

[3] 韋世方.水書常用字典[M].貴陽:貴州民族出版社.2007.

[4] 胡宇曉.基于IMM-IME輸入法接口的實(shí)現(xiàn)方法[J].計(jì)算機(jī)工程與應(yīng)用,2002.38(1): 117-124.

[5] 郭平欣,張淞芝.漢字信息處理技術(shù) [M].北京:國(guó)防工業(yè)出版社.1985.

[6] Yang Hanyue, Chen Xiaorong. Shui Nationality Characters Stroke Shape Input Method[C]//Proceedings of the 6th IEEE International Conference on Natural Language Processing and Knowledge Engineering. 2009: 127-132.

[7] Hai Guo. NaXi Pictographs Input Method and WEFT[J].Journal of Computers,2010，5(1)：117-124.

[8] 顧紹通,馬小虎,楊亦鳴.基于字形拓?fù)浣Y(jié)構(gòu)的甲骨文輸入編碼研究[J].中文信息學(xué)報(bào).2008, 22(4):123-128.