[发明专利]汉字规范五笔字型码

说明书

本发明涉及一种汉字笔形编码方案。

本发明可用于计算机汉字输入和辞书查检汉字。

目前提出的各种汉字形码编码方案，或多或少都得考虑汉字的笔形信息。事实上，任何一个汉字毫无例外均可拆分为一组有序的笔画序列，笔画按运笔方向则可归纳为五种基本笔形：横、竖(包括竖左钩)、撇、掭、折，可以1、2、3、4、5加以编号；它们构成了汉字形码信息的基本单元。不同汉字间的一个主要区别即在于构成汉字的笔画序列，或笔形序列的区别上。但如果按汉字的笔形序列一笔一画的在计算机上输入，则既费时又烦琐。因此各种形码编码方案均提出了各具特色的解决方法，但实质均是对汉字的笔形序列进行分段拆分，每一段成一组，并作为一个字元。不同编码方案的区别仅在于字元的选取上。但迄今为止提出的各种形码方案，其字元的选取，或者说对汉字笔形序列的分段拆分方法，大多缺乏严格的规则，没有规律可循，因此不仅需要使用者硬性记忆，而且也仅能适用于某一特定汉字字符集，扩充性差。较为有规律的有王永民的五笔字型和陈爱文的表形码。五笔字型的字元编码直接和字元的首两笔笔形联系，抓住了汉字结构的基本信息，是一个相当成功的编码方案；缺点是：字元为一百多个，且均需记忆，字元的选取仍缺乏严格规则；而其最大的缺点是；相当一部分字元不属于汉字的部首；显得不规范。表形码的字元分类依据笔形组合的空间特征，其方案极具特色，但也显得相当生硬；汉字和英文毕竟是完全不同的两种文字，汉字成千上万、形状变化多端，和26个英文字母类比，不可避免地会有例外；而这种编码方案的最大缺点是重码多，最后不得不借助手汉字的声音信息，因此不能认为是一种严格意义上的形码编码方案。

本发明的目的在于提出一种能对构成汉字的笔画序列进行分段拆分的严格、统一、规范的编码方案。此方案通过对汉字笔形序列，接一定规则进行分段拆分，每一段成一组，并作为一个字元；每一字元均以首两笔的笔形编号加以标记，从而可将所有字元分为25类。字元数目不加限制，并且无须记忆。其最大优点是：可对任意大小的汉字字符集进行编码，适合于所有会写汉字的使用者。

本发明的目的可以通过下述五条编码规则来达到。

一、对汉字笔画序列进行分段拆分、产生字元时依照下述4点进行：

1、字型结构的间隙处应加以分段，例如：“昌”为上下结构字型，“日”和“日”之间应加以划分，“仍”为左右结构字型，“亻”和“乃”之间应加以划分；

2、选取27个高频部首为主要字元，它们是：钅、木、氵、火、土、日、月、艹、竹、亻、宀、虫、犭、疒、足、扌、衤、讠、纟、口、女、阝、山、石、辶、王、忄；“小”，“人”，“了”三字作为字元，但不作为主要字元；

3、将汉字笔画依其相邻间的关系分为六种笔型结构，它们是：

相离：即笔画间有空隙，例如“奚”字中的“爪”字头；

相连：即笔画间没有空隙，但又不相互交叉重迭，例如“奚”字中的“幺”字；

相交：即笔画相互交叉重迭，例如“承”字中的竖笔和三横构成的部件；

成框：至少一个笔画为折笔的相连笔画组合，其特征是不形成封团区域，仅和折笔相交的笔画亦归入其中；例如“巨”字中的“匚”，“丙”字中的“冂”，“骨”字中的“冂”和“冖”，“聿”中的“彐”，部首“勹”，“巾”字等；

成圈：至少一个笔画为折笔的笔画组合，其特征是笔画本身构成形如矩形形状的封闭区域的边界，和边界相交的笔画亦归入其中，例如：“目”字中的“口”，“由”字，“曲”字等；

同类：连续书写的相同笔画，例如“匆”中的两撇；

规定汉字笔画不论属于何种笔型结构，凡连续笔画构成主要字元和“小”、“人”、“了”字时均应拆出，如“大”字拆为“一人”，“里”字拆为“日土”；

此外规定：

(1)相离的连续笔画应自成一组，作为一个字元；

(2)凡相连、相交笔画序列中如具有成框、成圈、同类的笔型结构，其相应笔画均应拆出，自成一组，单独作为一个字元，例如“骨”拆为“冂冖月”，“匆”字拆为“勹”；

4、几种特殊情况的处理：

(1)多横和一竖或一撇相交构成的部件中的相同横笔不拆，例如“丰”和“”；

(2)下挡位置的横笔不单独拆出，例如“隹”字应拆成“亻亠”；“丶”下的横笔和“”下的横笔不单独拆出，并和上一笔画一齐构成字元；

(3)相离的对称笔画组合不拆，例如“祭”字中的“”；

(4)“雨”、“贝”、“戊”不拆；