两分输入法码表捺笔编码问题 转自《马黑博客》

admin

https://mahei.ccccocccc.cc/art/?st=1&id=1769233044

综观两分输入法码表，其对第二字元为捺笔的字，在编码中对捺笔画字元以三种形式进行编码：其一，视为【丶】（dian），这与多数需要处理笔画的输入法做法一致，方案可取；其二是，看成【水】（shui），取其形状与【水】字末笔画相似联想而得，属“形托”做法，其做法在输入法领域也不鲜见；其三，保持笔画原本名称，【捺】（na），“音托”做法，亦为可以接受的处理方式。然而，三者混用则令人莫名其妙，试比较如下例字：

孓
liaodian
八
piedian
史
koushui
又
yishui
𢎡
gongna
𠮺
kouna

分析上述随机抽取的例字，很难找到将末笔画捺笔字元编码为点、水、捺的依据或规律，两分手册（第一版）亦未对此提供细节说明，这会造成编码难度的提升，更给文字录入操作带来诸多困惑。实际上，抽样检测发现，字海网在对以捺笔收笔、不能拆出成字的字进行两分字元拆解时，都确定捺笔画为【丶】字元，二字元拆解思路一以贯之。但码表编码环节却将此类字的一部分定义捺笔字元的编码为【丶】，另一部分为【水】和【捺】，不知是何用意、依据何来。笔者曾向DS、Kimi等AI求解，它们认为原因应该是内部编码优化需求所致，具体而言是为了分化重码。如果确实是为了减少部分编码的重码率，那么不妨检索码表，将以捺笔画作为第二字元进行编码的单字全部找出，然后进行分析比较。以下汇总的例字数据均来源于字海官网中州韵版两分法码表5.0，检索结果应该没有重大遗漏：

1️⃣捺笔画编码为「丶」的例字：

乂 义 乑 八 刄 发 孓 尺 衣 豖 长 𠆢 𥫻 𩁾 𫝕 𰀠 𰛅 𱍸 𱝪 𲇆

2️⃣捺笔画编码为「水」的例字

【注】「水」字的第二字元编码亦为shui，整体编码为yishui，疑为取「水」的左右合成部件，类似的例字还有其变体「氺」yishui，后者以丶收尾，不编码为dian就是将其左右合成部件视为「水」，因此可以佐证笔者对前者编码规则推测的合理性。 3️⃣捺笔画编码为「捺」的例字

前面提到，字海网拆分字元时均将捺笔画当作【丶】，而从上述罗列的例字看，真正将捺笔当作【丶】的占比并不高，保留原本【捺】的编码数量最多、编码为【水】的次之。官网拆分字元的方法与码表编码实际情况存在较大分歧，编码规则与编码操作思路并不完全一致。

比较两个表格提供的各例字原始编码总条数和现有该编码第一字元不变第二字元为【丶】编码的现有条目总数，可以发现若将这些例字捺笔画原始编码的第二个字元替换为【丶】，其所产生的重码率并不特别严重，在近十万单字的码表中属于正常现象，而且还存在相反的情形即一些例字反而可以倒过来分化原始编码的重码率。由此可以认为，分化重码并非客观和急切需要，之所以出现捺笔画作为三种形态进行编码的现象，应是在编码过程中多次进行规则调整和修正，最后定型的内部规则未能全面落实到码表制作中，或说由于种种原因尚未来得及修改。再者，在对这些例字进行建检索、分析过程中，笔者发现4.0码表和5.0码表在处理捺笔画字元上存在一定差异，有修改、调整现象的迹象，可见在编码过程中存在左右为难的取舍情形。不论如何，还是建议全面统一捺笔画字元编码，以提升输入法的科学性、严谨性与易用性。

总而言之，统一捺笔画字元的编码对输入法在应用层面而言是刚性需求，如果没有其他专业且合理的重要考量，笔者认为不应细分捺笔为三种编码方案，在【丶】和【捺】中人选一个，前者为最佳。

以上拙见或不合时宜，若此，请一笑置之。

admin

马黑博客     https://mahei.ccccocccc.cc/art/?st=1&id=1768798421 《花潮论坛》马黑黑教程专版  https://www.huachaowang.com/foru ... 9&page=1#pid2496132

admin

序号 编码字数 编码条目数 编码字数合计 1 1 10,759 10,759 2 2 4,986 9,972 3 3 2,688 8,064 4 4 1,827 7,308 5 5 1,291 6,455 6 6 867 5,202 7 7 657 4,599 8 8 494 3,952 9 9 420 3,780 10 10 300 3,000 11 11 258 2,838 12 12 217 2,604 13 13 213 2,769 14 14 135 1,890 15 15 124 1,860 16 16 116 1,856 17 17 83 1,411 18 18 63 1,134 19 19 71 1,349 20 20 54 1,080 21 21 52 1,092 22 22 56 1,232 23 23 38 874 24 24 20 480 25 25 21 525 26 26 39 1,014 27 27 16 432 28 28 24 672 29 29 18 522 30 30 17 510 31 31 16 496 32 32 16 512 33 33 13 429 34 34 15 510 35 35 15 525 36 36 12 432 37 37 9 333 38 38 12 456 39 39 8 312 40 40 8 320 41 41 1 41 42 42 5 210 43 43 2 86 44 44 11 484 45 45 6 270 46 46 2 92 47 47 5 235 48 48 8 384 49 49 4 196 50 50 5 250 51 51 8 408 52 52 2 104 53 53 2 106 54 54 4 216 55 55 2 110 56 56 1 56 57 57 1 57 58 60 2 120 59 61 2 122 60 62 1 62 61 63 1 63 62 64 1 64 63 66 5 330 64 67 1 67 65 69 1 69 66 70 2 140 67 71 1 71 68 73 1 73 69 75 1 75 70 76 1 76 71 78 1 78 72 82 1 82 73 85 4 340 74 96 1 96 合计 98,793 【说明】“编码字数”指一个编码下包含的字数；“编码条目数”是包含N个字的编码条目数合计；“编码字数合计”是对应编码总字数汇总，右下单元格是码表总字数合计。