[发明专利]产生未知字母之字模的方法与系统

说明书

随着计算机在世界各地使用的激增，绝大多数语言民族的人们目前经常性地使用计算机和工作站产生文件和进行国际间交流，这就使得使用不同语言的人们之间传递的信息能在再现这些语言的打印和显示系统内相互兼容变得日益重要，现在有一种国际标准，尽管还不是非常广泛，但已覆盖了世界上大多数书写字母表；这一标准就是：统一码标准/国际字符编码(Addison—Wesley，ISBN 0—201—56788—1)，(此申请中所讨论的每一出版物在此均附作参考)统一码对其所覆盖语言的每一字母、发音符号、语调记号或其它特殊字符均赋与一个编码。欲获得有关统一码的更多信息，可参见G.Adams著《统一码介绍》(Introduction toUnicode)，见由高等专业研究学院，剑桥，马萨诸塞(Institutefor Advanced Professional Studies，Cambridge，Massachusetts)创立的“统一码实施者研讨会”(Unicode ImplementersWorkshop)(8月6日，1992年)及“统一码联盟”，(UnicodeConsortium)/统一码实施者研讨会(Unicode，Inc.和Taligent)的会议录，尤其是下列研究室的会议录：《无间隔记号》，2号统一码实施者研讨会(Merrimack，新罕布什尔州，3月12—13日，1993年)；M.Davis的《处理无间隔记号的策略》(Strategies for Handling Non—spacing Marks)以及T.Yamasaki著的《打印服务器的统一码》(Unicode on Print Servers)，此二文均出自3号统一码实施者研讨会(圣何塞，加利福尼亚州，8月6—7日，1992年)。

另一可获得的编码系统为通用串(Universal String)或10646串(10646 String)，它包括通用字符集编码ISO/IEC10646(Universal Character Set Code ISO/IEC10646)，就如ISO和IEC联合技术委员会ISO/IEC JTCI(ISO and IEC Joint Technical Committee)以通用标题“信息技术—通用八重编码字符集”(UCS)(1993)(Information technology—Universal Multiple—Octet Coded Character Set)制备的“ISO/IEC国际标准(10646—1”1993)(ISO/IEC International Standard)中所描述的那样，10646码集的大部分与统一码的相似，其缺点也和统一码的缺点相似，本申请中的讨论与这两种及其它编码系统相关。

当一计算机系统翻译一由统一码、10646码或其它方法编码的字符串时，它执行一再现过程以显示或打印那些字符。三种传统再现过程单独或以某种联合使用一核心表，一查找表和一连字表，再现系统的输入是一长串编码点(即字符的二进制码表示)，输出是每一输入字符编码的字模编码，一个字模是一个字符在单独显示或一打印单元里的表现形式，有可能是几个可能的独立字符的组合；例如，下面是七种不同的字模：

a    ′    à    à  ¨    _        其中最后的一个是由三个码点即“a”的码点，变音符号的码点和下加横线的码点来表示。在目前系统中，这三个码点被结合并显示成一个单一字模。

当一个查找表被使用，再现系统将编码点与表中的那些相比较；如果某一特定码点组合被找到，那么输出仅仅是在查找表入口所找到的字模。

系统可能会附加查找连字表以对字母的一些特定组合形成连字，许多语言(如阿拉伯语)有相当多的连字；英语只有几个连字，如以“fi”代替“fi”，“ffi”代替“ffi”及“fl”代替“fl”。这些连字在英语中是可选件，而在其它语言字母表中，连字是书写语言必需的一个特性，一个关于计算机对再现阿拉伯连字及类似问题处理的分析可见J.Becker所著《“多连字文字处理”(Multilingual Word Processing)《科学美国人》(ScientificAmerican)1984年7月号和J.Becker著的“阿拉伯文字处理”《Communications of the acm》1987年7月号(第30卷，第七号)。

再现系统还可查对核心表，在此决定对某些特定字模组合的分离，即对显示出或打印出的字符之间的分隔。