蒙古文文獻數(shù)字化建設(shè)與OpenType字庫的優(yōu)化

○寶美榮

(內(nèi)蒙古師范大學圖書館，內(nèi)蒙古 呼和浩特 010022)

利用現(xiàn)代信息技術(shù)進行民族文獻的數(shù)字化對極其寶貴的民族文獻資料保存并有效利用、廣泛傳播等具有深遠的意義。中國蒙古文現(xiàn)代圖書近3萬種，期刊150多種，古籍1．5萬種，收藏蒙古文文獻的各級圖書館400多家，所以蒙古文圖書文獻資源豐富且地域分布廣。所以建立統(tǒng)一的蒙古文文獻數(shù)字化共建、共享平臺是非常有必要。隨著軟件硬件技術(shù)的不斷發(fā)展對文獻數(shù)字化建設(shè)提供了良好的環(huán)境和平臺。因此蒙古文文獻的數(shù)字化工作越來越受到人們的重視。

一、蒙古文文獻數(shù)字化中的共享、檢索問題

從技術(shù)層面分析，目前各高校圖書館使用的蒙古文文獻管理系統(tǒng)不盡相同，如匯文、金盤等。而且各個系統(tǒng)之間不兼容，導致對資源的共享帶來很大的困難。而文獻數(shù)字化的最終目的是資源的廣泛共享。實現(xiàn)共享要需要統(tǒng)一的文獻管理平臺。其根本的統(tǒng)一在于蒙古文編碼。由于蒙古文編碼國際標準制定較晚(2002年)導致多種編碼(形碼、音碼等)并存，編碼不統(tǒng)一，對資源共享帶來一定的障礙。

從語言本身分析，蒙古文是一種復雜的拼音文字。也是唯一從左到右、從上到下豎排的文字。這個特點對文字處理技術(shù)帶來了一定的難度。除此之外，蒙古文中存在一音多形、一形多音等現(xiàn)象，因普通用戶很難100%正確掌握，文字錄入過程中難免會出錯，所以會影響檢索效率。

從編碼角度分析，自從蒙古文編碼國際標準制定之后大部分蒙古文信息處理系統(tǒng)都遵循國際標準編碼。微軟從vista系統(tǒng)開始支持基于OpenType蒙古文字庫的傳統(tǒng)蒙古文輸入法。這對蒙古文文獻數(shù)字化提供了統(tǒng)一編碼的良好平臺。

但是，這套OpenType字庫中一些規(guī)則沒有遵循蒙古文語法規(guī)則，導致控制符使用繁雜，加大了用戶輸入蒙古文時的不必要的復雜性。所以文本重點分析了蒙古文OpenType字庫中存在的問題并提出了優(yōu)化方案。

二、基于Unicode編碼的蒙古文OpenType字庫

蒙古文編碼國際標準由有碼位的“名義字符”和無碼位的“變形顯現(xiàn)字符”兩部分構(gòu)成。所以顯示正確的蒙古文文字時必須考慮到名義字符和變形顯現(xiàn)字符之間的映射。而這種映射關(guān)系應該用語言知識和語法規(guī)則體現(xiàn)出來，從而達到正確選形的目的。對于語言知識和語法規(guī)則無法區(qū)分的情況，通過輸入附加控制符來標識。OpenType字庫技術(shù)恰好可以解決此問題，字庫設(shè)計者主要利用OpenType布局(Layout)表設(shè)置布局規(guī)則，體現(xiàn)名義字符和顯現(xiàn)字符之間的映射關(guān)系。蒙古文OpenType字庫主要涉及布局表中的字形替換(GSUB)表。

為了支持蒙古族、藏族、維吾爾族等復雜的少數(shù)民族語言文字，微軟在Vista及Win7系統(tǒng)中設(shè)計實現(xiàn)了一套完全符合Unicode編碼標準的蒙古文OpenType字庫(蒙古文白體)并附帶了蒙古文讀音輸入法，基本能滿足蒙古文輸入的需要。輸入蒙古文時如果頻繁使用控制符會給普通用戶帶來不必要的困難。如蒙古文控制符種類多、用法繁雜難于記憶;發(fā)音不標準的用戶會輸入顯現(xiàn)字符正確而編碼錯誤的信息;在編輯操作及網(wǎng)絡(luò)傳輸過程中控制符會發(fā)生失去控制能力、控制符丟失等現(xiàn)象而導致顯現(xiàn)字符不正確。因此，從名義字符到變形顯現(xiàn)字符的轉(zhuǎn)換規(guī)則應當盡可能利用蒙古文的拼寫規(guī)則與語法規(guī)則，只有在拼寫規(guī)則、語法規(guī)則無法區(qū)分的情況才使用控制符來標識。即應該按照“不用控制符”或“盡量少用控制符”的原則來建立字庫布局規(guī)則。從而減少控制字符帶來的副作用，使蒙古文讀音輸入更加便捷。

三、微軟蒙古文OpenType字庫布局規(guī)則中存在的問題及優(yōu)化

在蒙古文編碼國際標準中定義了蒙古文所需的特殊控制字符如表1示:

表1 蒙古文控制字符及其功能

這些控制字符主要用在蒙古文字符前后來一起確定字符的正確變體。微軟蒙古文Opentype字庫中主要存在的問題是輔音GA與HA的變體選形規(guī)則不完備。

該布局規(guī)則沒有完全遵循元音諧律及輔音諧律語法，導致一些詞必須附加控制符才能正確輸入(選形)，主要體現(xiàn)在表2中的陰性變體的選擇上。如圖1至圖3所示:

表2 輔音GA與HA的變體字符列表

圖1 規(guī)則不符合輔音和諧律

圖2 規(guī)則不符合元音諧律

圖3 規(guī)則沒有考慮強制性合體字

以上圖中的正確詞形只有在附加輸入控制符時才能得到。實際上，在蒙古文語法輔音諧律中規(guī)定輔音字符“GA”的陰性詞中形式只出現(xiàn)在陰性詞中。圖1中詞的第一個字符(陰性元音U)就完全可以決定選擇輔音“GA”的陰性詞中形式，無需再用控制字符來確定。同樣，圖2沒有遵循元音和諧律，一個詞中出現(xiàn)了兩個中性元音，那么這個詞就屬于陰性詞，就應該選擇表1中輔音GA的陰性詞末形式，也無需用控制字符來確定。圖3規(guī)則除了包含 等陰性元音外，還應該包含 等輔音與陰性元音組合的強制性合體字符，就能完全覆蓋所有可能上文，就可不需要附加變體選擇符了。

從方便用戶和盡量少用控制符的原則出發(fā)，對微軟蒙古文OpenType字庫中的顯現(xiàn)規(guī)則進行優(yōu)化，具體實現(xiàn)方案如下:

利用 Microsoft公司提供的字庫制作工具 Volt，通過Lookup關(guān)系表中的上下文替換，可以指定在哪個(些)字符的前面或后面出現(xiàn)該字符時，映射成該字符的哪個變形顯現(xiàn)形式。為方便起見，將在該字符前面出現(xiàn)的字符總體稱為前綴，后面出現(xiàn)的字符總體稱為后綴。

圖4 優(yōu)化后的字符“GA”的陽性詞中形式到陰性詞中形式轉(zhuǎn)換規(guī)則

圖4是優(yōu)化后的從輔音字符“GA”的陽性詞中形式到陰性詞中形式的上下文轉(zhuǎn)換規(guī)則。主要優(yōu)化了前綴和后綴，其中前綴calt6擴充了的陰性元音與陰性強制性合體字符詞首、詞中形式，前綴g－81－1包括了中性元音詞中形式，后綴g－81－2包括了陰性和中性元音詞中、詞末形式，后綴calt39包括了輔音字符詞中、詞末形式。標準ISO/IEC 10646于2000年2月通過，“從理論上，結(jié)束了由于沒有統(tǒng)一的編碼，無法共享資源的困境”。目前，蒙古文編碼國際標準的實現(xiàn)和應用還存在推廣緩慢和應用不廣等問題。通過面向普通用戶優(yōu)化字庫中控制字符的規(guī)則，盡可能減少輸入中控制字符的類型和數(shù)量，簡化輸入操作方法對推廣和普及蒙古文國際編碼標準具有現(xiàn)實意義。有了較完善的標準字庫對蒙古文文獻的數(shù)字化共建、共享會提供良好的基礎(chǔ)平臺。

圖5 微軟字庫中字符“GA”的陽性詞中形式到陰性詞中形式轉(zhuǎn)換規(guī)則

圖5中顯示的是微軟蒙古文OpenType字庫中關(guān)于字符“GA”的陽性詞中形式到陰性詞中形式轉(zhuǎn)換規(guī)則，與圖4中的規(guī)則相比過于復雜，沒有合理的利用語法規(guī)則，而且忽略了強制性合體字是一個“整體”的概念，前綴和后綴中沒有包含強制性合體字而導致了圖1～3中的錯誤詞形。

在國內(nèi)外專家學者機構(gòu)的共同努力下，蒙古文編碼國際

［1］蘇日娜．蒙古文古籍文獻數(shù)字化建設(shè)探析［J］．圖書情報工作，2012(2):112－114．

［2］鮑玉來，劉學洪，劉川．蒙古文文獻數(shù)字化理論與技術(shù)研究思路［J］．科技成果管理與研究，2009(1):83－85．

［3］確精扎布．蒙古文編碼［M］．內(nèi)蒙古大學出版社，2000．

［4］清格爾泰．蒙古語語法［M］．內(nèi)蒙古人民出版社，1991．

［5］烏達巴拉，鞏政．蒙古文OpenType字庫制作技術(shù)［J］．內(nèi)蒙古大學學報(自然科學版)，2006，37(5):570 －573．

［6］薩日娜，嘎日迪，趙小兵，林民．蒙古文OpenType字庫技術(shù)研究［C］//第十一屆全國民族語言文字信息學術(shù)研討會論文集．2007:217－223．

［7］姚延棟，吳健，孫玉芳，呼斯勒．傳統(tǒng)蒙古文變形顯示截至研究與實現(xiàn)［J］．中文信息學報，2004(2):66－72．