【转帖】张时钊老师的汉字笔画组字原理

foxsql

汉字笔画组字原理

       20年前，我提出“无字库汉字”，以后进一步认为“信息时代的汉字和中文信息处理的出路是：汉字植根于电脑的方法必须建立在笔画组字上”。近5年的实践证明：不要庞大的字库数据，只要50个笔画，就可由软件自动组出所有汉字。笔画组字的方法，虽已基本叙述在“无字库汉字演示和设计软件的使用说明”中，但没有突出组字的原理，也缺乏系统性。现在把我已达到的水平，集中陈述于下。

一、          汉字组织的三个层次

关于汉字的组织构造，虽有许多不同的表述，名称就繁多，但我只取笔画、字根和汉字三个层次，字根由笔画组成，汉字由字根组成。有些笔画可以成字，有些字根也可独立成字，称为独体字。合体字与独体字、字根一样，也可成为更复杂的汉字之组成部分，这时可平等地看作是“子字”。其中，如果有没参与字根组织的、孤立的笔画，也同样看作是“子字”，其作用与字根一样。一个字根也可成为更复杂的字根之组成部分，当然也可称为“子字根”，其作用将被看作与单一的笔画一样。

笔画。笔画数量少，不同作者的看法基本一致。但笔画名称略有出入，而且常有如“横折竖折横折竖钩（简称：横折折折钩）”这等长长的怪名称，我提议用“乃钩”“言折”之类简短形象的名字。其次是笔画的排序也常相左，参见我另一篇文章“汉字笔画表征求意见稿”，曾在网上进行投票，结果因参与的网友太少，没得出结论。不过这些与组字原理都关系不大。对于组字来说，是如何决定每个笔画在汉字应占的位置和大小，以及笔画在拉长或压扁时，保证笔画的粗细和形态（主要在首尾及转折处的笔锋）不变。我曾设想，笔画之下还有一级“元笔画”，电脑只要少量元笔画的数据，就可组出世界所有文字的字母和笔画。但目前还只能为每个汉字笔画设计轮廓数据，实际上，不同字体还要有不相同的数据。在轮廓线中间，起落笔及转折处，都另设一骨干点。骨干点组成的骨干线，在不同汉字中是要随它应占的空间不同而变形的（拉长或压扁），但轮廓点相对于与它最近的骨干点的相对距离是永远不变的，以此来保证笔画的粗细和形态特征。至于每个笔画应占的正确空间，由后面详述的“层积”理论按笔画的“线数”计算。每一笔画都有纵横两个方向的线数。“点”两个线数都为1（记为11），“竖点”的纵向线数增为2（记为12），如下表第一行所示。

主笔画       线数    形状或例字    付笔画          线数    形状或例字

a点            11    主1           A竖点            12    心1

b横            31    一             B短横            21    王2

c竖            13    丨，上1       C短竖            12     川2

u横撇弯钩(耳钩)33    阝1           U横撇折折钩(扬钩)33     扬4

“横”的线数为31，“坚”的则为13。线数最大值是3，实际上2和3差别不大，仅表示在这方向可以伸展，而与线数1有别。上表仅列出文末附表1中的4行，作为例子说明各项的意义：笔画名前的字母是代码，大写的是副笔。副笔与主笔形状相似，有时简直分不清，或者可以相互替代，在字根表中的笔画序列里就不分大小写了。这里只有a到y，共25种笔画，是按我现在的程序中使用的排序。因为大部分笔画没收在当前的字库中，我用例字后加数字来表示，例如“短横”的“形状或例字”是“王2”，就是表示王字的第二笔。

字根。字根也被称作部件、字元等。这些名字以前是为了研究汉字字形输入法提出来的，不同输入法作者“切分”出来的字根也就千奇百怪，难以统一了。笔画组字用的字根，更要从便于组出所有汉字的角度来选择。文后附的字根表，是我现在用的936个字根，按笔画顺序排列。当前字库中没有的，则表示为：含有它的例字，再加上该字根起止笔画数字。例如第300号的“翅14”，是“翅”字第一到第四笔，其笔画组成与299号的“支”完全一样。之所以要增加300号字根就是为了便于组出这类左下包围字，对于输入法来说，当然是多余的。表中还列出了由字根组字要用到的结构码和笔画数。下面将着重说明结构码的意义。

二、          由字根组出汉字

               ——————结构码

我们从说明比较简单的如何由字根组成汉字开始。无字库技术确也是从此发轫的。1984年，我为只有18K内存的袖珍机编研汉字系统时，就是只用240个字根组出任意汉字的。原来绝大部分汉字是由字根左右并列形成的，其次是上下结构的字，更少的是各种包围结构。例如，左上包围嵌套结构的“广”字头，它后面的字根都要写在它的右下方，即向下向右缩进。我发现，绝大部分情况下，字根都是以其固有的结构方式参加组字，个别以别的形式组字时，只要加一个结构码就可以了。而字根本身不要特别的结构码，把结构特性相同的字根编码放在一起，程序就可知道属于那个范围的字根应有什么结构特性。

现在转到微机上，字根增加到936，组字是更方便和正确了，同时给每个字根以一个3位整数的结构码，更精确地描述它的组字特性。字根结构特性分三类10种，百位数0——9指明它属那一种，另两位可作出精细的安排，对于嵌套结构，十位和个位数，分别指明X和Y方向缩进的程度。以下是对结构码的具体说明。

1、            左右结构类：结构码百位数为0，绝大部分末两位也为0。对于一些笔划很少的字根，组成结构复杂的汉字时，它们所占的位置太窄小，显现不出应有特性。可以用一个两位数，它除以10，就用来规定扩大它应占空间的倍数（应占空间是以笔画数分摊的）。

2、            上下结构类：结构码百位数为1，一般为100。有些字根底部中空，如“宀??”等，希望后续字根能升高写入其中空部分，末两位数用来规定后续笔画升到该字根内部的百分数。

3、            嵌套结构类：结构码百位数大于1，其后续笔画写入其内部。后续笔画占据的空间之边缘，离开嵌套字根边缘各有不同的距离。一般来说，如果上下两端或左右两边都有距离的话，是相等的。所以只要用一个数N（十位数）指定x方向离开十分之几，用一个个位数M指定y方向离开十分之几。而结构码是百位数L（整个结构码为LNM），它用来指明嵌套种类时，就已指明到底那几个方向是离开嵌套字根的边缘的，这些百位数分别是：

a.     左上包围（L=2）：如“厥”字之“厂”、“扇”字之“户”等，左边离开N/10，上边离开M/10。

b.     右上包围（L=3）：如“匍”字之“勹” 、“司”字之“?”等，右边离开N/10，上边离开M/10。

c.     上三包围（L=4）：如“问”字之“门”、“同”字之“冂”等，左右都离开N/10，上边离开M/10。

d.     左三包围（L=5）：如“医”字之“匚”、“匡”字之“匚”等，左边离开N/10，上下都离开M/10。

e.     下三包围（L=6）：如“函”字之“凵”、“幽”字之“山”等，左右都离开N/10，下边离开M/10。

f.      左下包围（L=7）：如“毯”字之“毛”、“翅”字之“支”等，左边离开N/10，下边离开M/10。

g.     走之包围（L=8）：如“连”字之“辶”、“建”字之“廴”等，数据同f，但嵌套字根是最后写的。

h.     全包围（L=9）：如“国”字之“囗”，“周”字之外框也可列入此类，左右都离开N/10，上下也都离开M/10。

走之包围（L=8）原来是属于左下包围（L=7）的，这样要先写走之，再写被包围的右上部分，不符合书写的笔顺。把它独立出来，只要把被包围的右上部分用圆括号括起来，就可移到前面，就符合笔顺要求了。但是，全包围之“囗”字，前两笔先写，最后才用一横封口，无论如何不能符合笔顺要求，若不改变原有计算笔顺的习惯，就要在由字根计算笔画排序时使用特别的程序。

加圆括号是组织汉字的一种手段。圆括号内的字根序列，与调用别的汉字一样，即是被看作子字的部分。子字与后面部分的关系是左右结构。如果要改为上下结构，其他非上下结构的字根要改为上下结构也一样，可在后面加结构符“：”。强迫字根改为左右结构的结构符是“””。强迫改为包围结构的结构符是“=”，它是全包围结构符，后面也可以附加数字。其他包围结构符不需要，但这种包围结构是需要的，特别是叠加对号∨错号

tiyz

经典