贵乃花爱宫泽理惠么:无字库汉字电脑的可行性

张时钊(高级工程师)
现在的电脑，处理文字时都离不开字库。在文本文件中，存贮的是一串内码，一个内码对应着字库里唯一的一个字形。每个字形虽然形状不同，但都呈大小一致的矩形，文本或文字串就是由它们线性排列形成的。对这种形式的文章，电脑技术可以进行快速高效的编辑：删除、插入、查找、 置换、朗读、校对和排版，进一步还能从大量文章中检索、提取，甚至能理解文意。所有这一切都是继承印刷技术后，再发展而成的。

在活字印刷里，不同的字必须有不同的铅字字模，而且每种字模都必须是大量的，以备排版之需要。在电脑里，由于字形字模的拷贝是很容易的，一个字只要一个字模就足够了，不过要给它一个独一无二的内码，以便取到这个字形。这些字形的集合就形成字库，对应于活字印刷里大量铅字库。虽然电脑字库比铅字库简小而方便，但在每次阅读时都必须带着，如果字库里的一个字形有了变化，整篇文章里的这个字的字形都会改变，如果缺了一个字，就成为空白。没有了字库或安装错了，就不能正确显示，成了无意义的乱码。

   电脑是西方发明的，开始只使用英文,安装了ASCII码字库。它们不到100个，可以一键对应一个字符,不要另外的输入法。内码安排在32到127之间， 只要一个字节。因为这第一个字库很小，用当时简单的点阵字形，字库大小不到1K，就直接放在BIOS中，一启动就可显示了。它们的显示程序也特别简单，只 用几句汇编语言，每个字母只要把8字节的点阵数据复制到表示屏幕的内存（显存）里就可以了。

   汉字数量比字母多几百到上千倍，1980年的第一个国标码字库取了6763个汉字，其内码至少要两个字节。因为必须保证ASCII字符能正常使用，不发生 冲突，所以只使用字节高位为1的161到254的值，即每字节只有94个，这就是区位码的来历，高字节表示区，低字节表示位。每个汉字字模的数据，又比每个字母多4倍，所以这个字库大小达240K左右。在上世纪80年代，这个字库是太大了，更主要的还可能是软件的版权问题，它一直没有进入BIOS。于是， 汉卡就应运而生，固化在汉卡里的字库数据，读写（指写到显存，显示字形）都快，且一启动就可使用。后来因为硬件的快速进步，计算机的内存由几百K增加到几 M以后，软字库可以一次读入内存，硬字库汉卡才退出历史舞台。

   我是在1985年提出无字库技术的，而且是在内存只有18K的袖珍计算机上实现的。当时，这个技术对微机应该也是有用的。记得比IBM微机低档的苹果机， 只能用台湾朱邦复先生的汉字系统，他应用字形复用技术，字库大小降低为四分之一。字形复用，就是用其他笔画较少的汉字组成新汉字。这种组字技术也是无字库 技术的核心，不过它是直接由笔画来组字，或者先组成字根，再由字根来组字，因而可以不要任何字库字。

当内存增加到连汉卡也失去意义后，用无字库技术来降低内存的开消，在一般微机里就没啥意义了。不过，在较小的嵌入式系统中，例如目前大多数仪器用的的液晶显示及手机等，为了节省存贮空间，还是有作用的。另外，随着用电脑处理汉字的飞速发展，仍存在并突显以下五个方面的问题，需要用无字库技术才能解决。

   1、随着文字工作的发展，要用的汉字愈来愈多，虽然字库也不断增大，现在已达7-8万了，还是有缺字，使一些人的名字打不出来，甚至办不成第二代身份证。

   2、汉字输入都要使用某种输入法，字库不断扩大，研制输入法愈来愈困难，以致现在万码奔腾，还是没有公认的好方法：既好学又能输入所有冷僻字。因为汉字 多，键盘小，显然不能一键一字，必须连按数个键的组合才能输入一个汉字的内码。又因为汉字至今没有科学的自然排序方法，内码是人为规定的流水码，输入法要建立键的组合与汉字内码的一一对应关系，几乎不可能，所有输入法都要辅以从提示栏选择。形码选择量少（即重码率低），但难学难记；对于年轻人，音码几乎都会，但输入速度慢，碰到不会读的字就没办法了。无论用现在的那种输入法，长期打字不熟识汉字结构，许多汉字都不会写了。

   3、能使用的汉字必须是字库里有的，虽然电脑也能够造字，但新造的字只能在你的机子上用，不能流通。这样一来，汉字再也不能发展了，而任何事物一旦僵化，最后必然导至死亡。

   4、字库太大，容易出错，现在已有网友发现所谓的电脑错字。按现在的硬件技术，内存里装多大的字库都没问题，但是，万一某个字模的数据错了一点，这个字就不能正确显示了。常常碰到这样的情况，一篇文章在一种字体下，显示是正常的，但换了另一种字体，有些字，甚至不是冷僻字，也会成为空白，因为这种字体里没 有它的数据。

   5、二十多年前，我就提出研制真正的汉字电脑，认为现在的电脑虽然能够处理汉字，但都不是汉字电脑。这首先影响到中国人的学习使用。因为电脑出了深层问题 时，最后都要显示大量英文信息，不精通英语的人看不懂，要掌握高深的电脑技术是不可能的。现在虽然大部分人都学过或正在学习英文，但能够看懂这些英文提示 的人可能只有百分之一，甚或千分之一。西文电脑还影响国家的安全。因为大部分软件，尤其是基础软件，都是微软一统天下，它可以隐含窃听程序，收集我们的资料。我们虽然也研制了中文操作系统以至中文CPU（但是底层似乎还仍是英文的），至今还没有得到推广。
   以上所有这些问题，采用无字库技术，都可得到解决。

不要汉字字库，只需要几十个（我现在用50个）笔画数据。如果键入的都是笔画码，可以一键一码，且直接作为汉字内码。因为汉字笔画太多，这种直接方式，输入慢，内码太长，不实用。所以要先组成字根和少量汉字供调用，这就是说要一个小字库。小字库内的汉字当然只选用高频字，大小取2000到3000个。因为2000个高频字的使用频率合计达98%以上，研制这几个汉字的符合汉字组字原理的输入法，不困难，可优化固定。而另外百分之一的汉字，称为合成字，其内码由笔画字根串组成，码长长一些也关系不大。作为试验或过渡，我现在编研的小字库WORD 2.0版，干脆可使用所有字库字，也可用字库字进行组字。这样，只有字库里没有的汉字，或者实在输不进去的汉字，才使用合成字。

要由合成字的“内码”（实际是字符串）来显示汉字，需要一个显示子程序，它要按该字符串（内码）调用相应的笔画、字根或字库字的数据。当然，所有合成轮廓线后，还要进行填充。这些显示子程序都是优化的高效的汇编程序，放在基础软件（BIOS或操作系统）里。但是，我现在只能把它放在我的试验软件里，而且是用高级语言VB编成的，没有优化，速度较慢。

一些讨论

1、作者并非没有字库，而是字库不再存储字体的外观，而是存放笔画顺序，然后用算法来即时合成字体外观

2、我在想，如果是中国人发明的电子计算机，那现在的电脑会是什么样子？纯属想象，不含任何讽刺，侮辱，大家先想想看键盘会是什么样子？——或者就根本没键盘这回事了. 为什么一定要用手输入? 你的思维到底还是被局限了

3、这种思路是可行的，但汉字博大精深，仅仅记录少量的矢量笔画数据，合成出的字肯定会有些不够美观，在极端情况下使用者可能可以理解，但普通情况下呢？也许靠外挂的汉字库所营造的效果更能吸引人。

4、就没有键盘了，直接是手写的。

5、似乎有过用这种方法做字体的 除了常用字其它的用笔划顺序代替

6、1。就字库来说 我赞同把本地语言固化到硬件ROM或者将全球语言统一起来 做成一个统一的字库 如果容量可以接受 固化到BIOS/EFI 。 2。就输入法而言 我还是习惯拼音输入 如果是笔画输入 我没有心情去背诵一个输入法的字根。

7、我期待一款能把我名字打出来的输入法，不管你是什么电脑有没有字库! 因为你们没法用电脑打出传统中文，我已经隐姓埋名整整10年了!

8、估计这样的系统比vista都要吃资源实时渲染啊而且优点实在有限——传统字库，如果大一点，都是矢量的，矢量字库的运行效率也不高。

9、有点矢量汉字的意思,想法不错.不过如果在美术体上会碰到问题.同样的一个"撇"比划,不同的字有不同的写法,不是简单的缩放可以解决. 不过作为BIOS级别汉字或者超微型设备的折衷方案，这还是可行的。

10、既然在研究这种字根组合的算法，或者去研究如何写字的矢量算法或许更为妥当，我觉得矢量字体也算是个趋势吧。把字符全部描绘成一系列矢量图形的组合，看是否有办法做出既美观，又有速度的电脑计算字体。

11、按笔划的话，土和士怎么分？己、已、巳又怎么分？

12、先指出一点，嵌入式设备字库一般放在rom中，不占用ram空间。既然作者知道一些嵌入式设备的ram很小，那么就不知道，这些ram很小的嵌入式设备， 速度也只有几M到几十M么？组合笔画再填充需要多少时钟周期考虑了么？该功能需要消耗多少堆栈空间考虑了么？用汇编造成的可移植性差考虑了么？而且这些 mcu一般只运行专用的前后台系统而不是linux或者wince。如果是指arm9以上的处理器，那么flash的空间一般不至于连个传统字库或 turetype字体都放不下的。而sdram一般也是几M到几十M。

13、这种拼写式汉字库已经有人尝试做出来过，但是效果不好。因为汉字笔画分布不均匀，如果按照统一算法来排列，出来的汉字不好看。

14、如果电脑是国人发明的，那么我估计键盘就是一个八卦（按键估计不超过16个，不过还是有可能国际化后演变成现有的E文键盘）。现在的电脑键盘是使用洋人的打字机的键盘（先于电子计算机出来的）。

15、因为中文尤其是繁简编码都有的，可能得十几兆大小，这样对硬件成本和设计成本要求太高

16、我这么认为：对于目前的字库，是否美观全看字库的设计者。而这个文章作者说的，可能是靠“印象”算法来决定美观。比如，笔画挤到一起肯定不好看，于是就是当调整……

17、1.缺字补上就是了； 2.没觉得研制输入法越来越困难，拼音输入法的搜狗一出来也广受欢迎；3.你活不到汉字；死的那天；4.字库出错是字库商违约，和大小没关系；5.20年 之后您对电脑的认知还停留在处理汉字上，您可以洗洗睡了。综上所述：How awful a learned fool———1. 谁来补缺字？2. 输入法很困难，你对比英文就知道了。只不过“身在此山中”，你习惯罢了。3. 汉字永远不会死，汉字是寿命最长的文字了。4. 不是字库出错，而是早期字库基于 gb2312，没有那么多字而已。

18、建议考虑其他方面的应用, 如手写识别,教学等

19、“无字库”如何实现丰富多样的汉字字体？——算法实现。就像目前的字库一样，一个字库一个字体，而不会用一个字库实现所有字体。到时候，每个字体其实就是一种字体算法而已。——注意美观问题……不明白的话到英文Linux下走一圈就知道了嵌入式系统内存宝贵，计算能力就不宝贵了？合成笔画不需要资源来计算？现在的 TrueType字体的渲染都存储的有合成后的bitmap作为缓冲，更不要说笔画合成这更困难的了。另：你以为文泉驿黑体是怎么弄出来的？还不是拆笔 划？

20、我有这样的想法，不管中文英文，都能表达语言使用者的意思，所以从基本的语言完备性来说，两种语言都是满足的。但是英文只需要26个基础字符，中文却需要 上千个，这值得去考虑。我觉得中文单字多的优越性在于每个字都能独立表达意思，这使得很多时候生造一个词，即使你完全不理解这个词的意思，但知道每个字的 意思，也能大致猜出来。英文在这种时候就就显得有些无力了。 但是我们也知道英文中有词根词缀。大多数情况下这又能帮助他们去理解生词。所以其实在这上面中文占不到很大的优势。 我认为中文的这种单字特性决定了中华文化崇尚“虚”的特点。这也是古文中单字表意占主要成分的原因。

21、作者的理论不错。原字模的方法仅仅是消耗内存，显示汉字时只需查表，如果是向量表，那就是O(1)的复杂度。“组字”的方法虽然节省了大量内存，正如作者 所说，显示汉字时需要大量的CPU运算。如今内存越来越便宜也越来越大，相对而言CPU仍然是需要竞争的资源。譬如跑一个能要求较高的应用如3D游戏、多 媒体处理等，若在汉字显示上就花费了相当的CPU而导致程序性能严重下降，那么对这些应用而言，这是一个倒退。 同样在嵌入式系统中，CPU比内存也更昂贵。

22、在嵌入系统上，内存是很宝贵的资源，一个GB18030字库就占用10多M，要是用完全的unicode的话，占用就更多了。但如果能实现作者所述，那么这样的字库将大大缩小，当然是有价值的事情。
至于计算能力，当然是也是个问题，但有理由相信能顺利解析TrueType字库，这样的计算能力也能顺利解析作者所述汉字字型方案。用曲线表示时，其计算能力要求是差不多的。
可以看到，作者现在还是停留在技术研讨的阶段，远没有做到实用的程度。要是真如作者所述的有那么多优势，当然也有现实意义。但无论如何，这样的研究还是有其意义所在的。