[发明专利]汉字笔画对码编码

说明书

技术领域

本发明属于IT自然语言理解领域，提供一种利用计算机上0-9这10个数字对汉字编码的方法。随着字符集的不断扩展，如今国际标准字符集汉字总数已达七万多个，目前绝大多数汉字输入法，输入这七万多字都比较困难。

背景技术

中文输入法是指为了将汉字输入计算机或手机等设备而采用的编码方法，是中文信息处理的重要技术。基于键盘的汉字编码主要包括音码和形码，音码需要使用者正确掌握汉字的读音，而且因重码较多，输入速度较慢；形码需要使用者通过一段时间的训练才能掌握。

目前，大多数中文输入法都使用26个英文字母编码。随着手机等手持设备的大量使用，使用数字键输入中文汉字已越来越普遍。

发明内容

1.概述

本发明是一种根据汉字字形将七万字符集的汉字用0-9共10个数字编码的方法。本发明首先根据字形结构将汉字拆分成两部分，分别按笔画顺序成对取码，每对笔划对应0-9中的一个数字；通过一种补码的方法，将所有汉字编码码长规定成统一的6码，实现了重码多少可以控制；采用高频先见和分段排序的方法，将汉字实际输入的编码大大缩短。

按使用统计，平均一个汉字为2码，重码最多为5个，具有小学毕业文化程度者十分钟可以掌握编码方法。使用本发明输入汉字，不仅能提高汉字的输入速度，还能帮助使用者熟记汉字的正确书写方式，从而解决了提笔忘字的常见问题。

本发明特别适用于手机等手持设备中的汉字输入，也适用于计算机中的汉字输入。

对码编码的主要特点：

●编码规范：完全符合国家语言文字规范；

●编码简单：汉字拆分规则明确，序号式笔画成对输入；

●重码少：按使用频率计算，99.99％的字重码小于等于5个；

●码长短：汉字平均码长为2；

●大字符集：本方法编码和统计均对七万字符集完成。

2.对码

2.1序号式笔画

《现代汉语通用字笔顺规范》将各种笔形规定为五种，即“横、竖、撇、点、折”。将提归为横，捺归为点，各种折归为折。笔形顺序是“横竖撇点折”，分别用1、2、3、4、5五个笔形代码来表示，称为序号式笔画。

2.2笔画对

序号式笔画中第1笔画、第3笔画、第5笔画等在奇数位置的笔画称为奇笔画，第2笔画、第4笔画、第6笔画等在偶数位置的笔画称为偶笔画。

笔画对是顺序奇偶两笔画，序号式笔画最后一笔为奇笔画时，笔画对为其笔画本身，如：“重”的序号式笔画：312511211，笔画对序列为“31”、“25”、“11”、“21”、“1”。

笔画对是对独体字或汉字拆分后的各部分而言，汉字拆分后的两部分之间没有笔画对的关系。汉字拆分后的各部分所有序号式笔画奇偶成对组成笔画对序列。

2.3笔画对编码

(1)用数字0-9给笔画对编码；

(2)每个笔画对对应0-9中的一个数字，对应关系如下：

笔画对“11”—>编码“1”；12—>6；13—>1；14—>1；15—>1；1—>6；

笔画对“21”—>编码“7”；22—>7；23—>2；24—>2；25—>2；2—>7；

笔画对“31”—>编码“8”；32—>8；33—>3；34—>3；35—>3；3—>8；

笔画对“41”—>编码“9”；42—>9；43—>4；44—>4；45—>4；4—>9；

笔画对“51”—>编码“0”；52—>0；53—>5；54—>5；55—>5；5—>0。

3.汉字拆分方法

(1)根据汉字结构拆分，汉字结构包括：独体字、上下、上中下、左右、左中右、半包围、全包围；

●独体字不拆分；

●上下结构的汉字拆分为“上”和“下”两个部分，如：需—>而；

●上中下结构的汉字拆分为“上”和“中下”两个部分，如：等—>寺；

●左右结构的汉字拆分为“左”和“右”两个部分，如：颇—>皮页；

●左中右结构的汉字拆分为“左”和“中右”两个部分，如：谢—>讠射；

●半包围结构的汉字拆分为“包围”和“被包围”两个部分，如：阔—>门活；

●全包围结构的汉字拆分为“包围”和“被包围”两个部分，如：国—>囗玉。