藏文屏幕取詞和翻譯關鍵技術

文/趙建平 陳建新 穆杰 李永虎

因為對新技術的一知半解，無形中強化了屏幕取詞的難度，很多人對屏幕取詞和翻譯技術望而卻步。但是隨著互聯網信息技術的發(fā)展普及，各種藏文網站、軟件產品和網頁等不斷涌現，在網絡信息的獲取中，我們隨時隨地都會瀏覽搜索到各種各樣的藏文網絡資源，在應用這些資源時，很可能遇到一些生僻的藏文詞語，因此藏文屏幕取詞和翻譯技術已成為近些年軟件開發(fā)的熱門項目。目前日臻成熟的中英文屏幕取詞和翻譯技術已經在生活中逐漸普及，給我們的生活帶來了實質性的幫助，以此為鑒開發(fā)藏文屏幕取詞和翻譯軟件技術，能優(yōu)化用戶的閱讀效率，促進文化的發(fā)展與傳播。

1 屏幕取詞的實現原理

屏幕取詞與翻譯是基于Windows系統(tǒng)，而Windows的所有應用程序都是通過應用程序編程接口進行系統(tǒng)功能調用的，屏幕取詞相關的字符顯示程序也不例外。在Windows系統(tǒng)中，能通過Win32子系統(tǒng)中的gdi32.dll來截取系統(tǒng)對四個API函數的調用以進行屏幕取詞。所以，要實現屏幕取詞必須要注重兩個方面，其一是要截獲某個系統(tǒng)對Text等API函數的調用，通過自定義函數對目標函數進行內部調用，并將目標函數的結果作為自定義函數結果返還給目標進程。其二是需要分析截獲函數的入口參數等，得到要截取的詞。一般來說，為了截獲到目標函數，Win32操作系統(tǒng)都會保留2-4GB的地址空間由Win32的所有進程共享。

截獲系統(tǒng)要對API函數進行調用有兩種方式：

（1）直接改寫API函數的內存映像，在其中嵌入匯編代碼，使其調用時能調到指定的地址運用以便截獲；

（2）改寫輸入地址表（IAT），通過重新定向API函數的調用來截獲信息?？偟膩碚f只有打破進程邊界，在目標進程中輸入需截獲的API代碼，才能截獲API函數調用。

2 藏文屏幕取詞與翻譯核心內容

從屏幕取詞與翻譯的性能來看，其關鍵技術的核心內容包括兩個部分，即藏漢文詞典庫與藏文分詞信息。要對屏幕上選擇和截獲的詞語進行翻譯就需要查詢多語種詞典庫，經過查詢后的結果就是翻譯的最終結果。所以，為了實現多語種、多內容的翻譯，詞典庫的數據必須要包含學科術語、語言種類、語法詞匯信息、例句、讀音、詞性等基本需求，這些信息是否完善直接關系到屏幕取詞和翻譯系統(tǒng)的適用范圍和使用價值。因為是藏文屏幕取詞，所以相關詞典庫至少需要具備藏漢英三種語言，除了基本的詞匯表達外，還需要包括特殊詞匯、人名地名等相關信息。

在不同的上下文組合中，同一個詞匯會有不同的詞性和詞意，此時即便是通過屏幕截取了詞語，也不一定能準確判斷詞匯的詞性詞意。為了掌握詞匯的組合性與交集性，減少詞匯歧義的出現，就需要利用藏文自動分詞的方法對捕獲截取的文本做分詞，以確定目前截取詞匯的真實意義。一般來說，藏語詞匯由一個或多個音節(jié)組成，其詞語的序列構成了藏文的句子和語塊，但由于藏文格助詞的連續(xù)特征，如主格、屬格、于格通常與前詞緊密黏結，因此所有音節(jié)在按字預切分之時，還需對黏結詞的音節(jié)進行預切分。

3 屏幕取詞與翻譯關鍵技術應用

要完成對目標函數的尋找和修改，從而實現屏幕取詞與翻譯，就必須依賴于以下兩種技術的應用：

3.1 鉤子技術

Win32進程的私有空間地址只有0-2GB，且所有進程的地址空間都是相對獨立的，要實現屏幕取詞，就要利用鉤子技術打破進程邊界，突破空間獨立性。鉤子技術的本質是Win32系統(tǒng)中用于處理系統(tǒng)消息或者特定程序的函數，它能通過系統(tǒng)調用掛入到系統(tǒng)中。根據消息監(jiān)管范圍的不同，鉤子技術能分為線程局部與系統(tǒng)全局鉤子兩類，線程局部只能監(jiān)視本進程中的指定線程，全局鉤子的監(jiān)視范圍可以擴展到當前系統(tǒng)運行的所有線程，而在藏文屏幕取詞中所用到的是系統(tǒng)鼠標鉤子。相比其他鉤子技術而言，鼠標鉤子需要提供一個位于動態(tài)鏈接庫中的鼠標鉤子回調函數，系統(tǒng)會在安裝完成后將這個動態(tài)鏈接庫加載到進程的私有空間內，這樣在每次移動鼠標的時候，系統(tǒng)就會調動輸掉鉤子來回調函數，當鼠標停留在屏幕某一處一定時間，就會自動截取鼠標所處位置的藏文。

3.2 PE文件格式技術

利用PE文件來截獲目標函數是常見的屏幕取詞技術之一，其主要內容包括Win32中的EXE和DLL文件。PE文件格式定義了多個數據結構，其應用范圍十分廣泛，包括文件保存代碼、數據、輸入輸出的函數等相關信息，而利用這些結構也能便于操作PE文件。前文提到截獲API函數調用的關鍵是修改輸入地址表，而PE文件中的.idata節(jié)就包含了相關的DLL數據及函數信息。利用PE文件修改輸入地址表以截獲API函數需要涉及進程私有地址空間中的DLL板塊，包括NT攝像頭、定位輸入表等相關內容，通過改變進程中私有空間的目標函數調用，以實現目標函數調用的截獲。

4 結束語

綜上可知，目前藏文屏幕取詞課翻譯關鍵技術已經得到了一定的開發(fā)，基于C/S模式的Win32操作系統(tǒng)中藏文屏幕自動取詞與翻譯的核心技術，能有效實現屏幕文本獲取。在Win32操作系統(tǒng)中通過攔截API函數調用來進行屏幕取詞，需要充分考慮程序系統(tǒng)的穩(wěn)定性和兼容性。利用鉤子技術和PE格式技術，通過加載動態(tài)鏈接庫和修改輸入地址等方式，結合藏文自動分詞和詞典庫，在最新的互聯平臺上進行詞典編撰、信息抽取和語料庫建設等相關工作，能有效實現藏文資源的屏幕取詞與翻譯工作，對用戶學習和掌握藏文資源的相關內容具有重要的實用價值。