3.倉頡碼索引：
倉頡碼的設計，主要的目標，就是為了建立中文的索引觀念。倉頡碼的應用，不
論對資料或者程式，即相當於索引功能的處理。
拼音文字最大的長處，在於其字母的索引序列，這種序列觀念，絕非僅僅能增進
文字處理的效率而已。人們在思考及工作的習慣上，經常受到自我經驗的限制，中文
的表意功能遠非其他文字可以比擬，但卻缺乏全面的系統觀念，以致中國人通常都忽
略了「系統」，而在各個獨立的機能上打轉。
這種習慣養成了，自然而然，做起事來，就缺乏系統的認識。其結果是與西洋相
比，中國人在任何單一的技術領域中，都可能有出人頭地的成就，卻在整個的技術體
系上，經常瞠乎他們之後。
我個人在多年的努力研究中，功夫下得最大的，是在尋求瞭解文字應用效率。「
倉頡字母」絕非為了嘩眾取寵的噱頭，而是採用了拼音文字的系統序列優點，配合中
文本具的表意強大功能，而賦與中文時代的新生命。
在中文字形產生器的技術上，索引是使空間濃縮及速度增快的主要原因；對中文
應用的其他範疇，如字典、目錄等，有了中文字母為索引，也變得方便易用；中文文
字辨識同樣建立在字母的索引效率上。
倉頡碼的索引，是以 ASCII的字符碼為基準，但為了程式的處理，在內部轉換為
十六進位值，我們稱之為「序碼」。序碼只需要五個位元值，所以只取每個輸入碼最
低的五位元。當字庫得到序碼後，用前兩碼作為索引碼，第一碼僅有25個，相當於AS
CII 的Ａ至Ｙ；第二碼則多一種可能，即單碼字，以空格結束，故有26個。
在字形產生器中，最理想情況，為完全符合倉頡取碼規則者。然而，取碼方法是
依據既有字形歸納而來，並非真正有一種「理想的規則」。在我們的理念中，所有符
合規則的字形，視之為「自動組合字」，而不能完全符合的字形，則稱之為「例外字
」。舉凡自動組合字，都是能利用規則，使「字首碼」與「字身碼」所代表的字形，
自動地依循著預設的「指令」，組合出有效文字來，而例外字則是無法依這些規則組
出的字形。
舉例說：以「日」為字首，「月」為字身，輸入字碼後，「日」、「月」自動組
合，成為「明」字。以「日」形而言，可以與很多其他的形組合，「月」亦然，是則
空間佔得極少，而組合的字幾乎可以說是無限。
至於「日」、「月」兩個字，都是一個獨立的字形，不能經過「自動組合」的規
則，用其他的代表形來組合，因此，這兩個字即為「例外字」。
再舉一個例外字的例子：當輸入碼為「日、弓、日、山」時，按照我們的設計，
因為「日、弓」是「門」部，而門部的自動組合字極多，如果讓這個字去作自動組合
，其結果將是一個「門」字中加一個「巴」字。當然，這是無效字，為了要得到有效
字，最簡單的方法，便是將正確寫法的「晚」字，當作「例外字」。
也就是說，我們在設計字庫時，在以「日、弓」的索引區內，建一「日、山」的
對照碼，當程式找到此對照碼後，就會按照該對照碼後面的資料內容去做。至於這個
字怎麼處理呢？方法很簡單，因為「門」字部我們定義為「複字首」，所以要用「日
、弓」兩碼為字首，「日、山」為字身，這個字即為「複字首自動組合」。但是「晚
」字卻是以「日」字為字首，「弓、日、山」為字身，因此，只要加一指令，令這個
字去做以「日」為字首的、「單字首自動組合」即可。
用前述的「日、弓」這兩個序碼作為「索引碼」，建一個索引表，再用後三個序
碼「日、山、空」，（註：「空」表示無字碼，為20H）作為「對照碼」。索引碼與
對照瑪的觀念，相當街名及地址，配合使用，以便找字。
在字形產生器中，如果把每個字碼都排在一起，即使有序列，找字時，時間的浪
費也相當多。此外，每個字碼壓縮成為四字元，上萬個字也要佔不少空間。電腦最重
要的價值在於效率，我們理應發揮其所長，責無旁貸。如果採用前述的索引技術，則
只要把二字元的對照碼建檔，再將索引碼相同的對照碼群之起始住址，建一索引表。
每當有字輸入，根據索引表的起始住址，再去查對照碼，在此區內，如果查到，表示
有此字，否則則無。
這種做法，因為只需要查索引碼相同者，而索引碼相同的機會，大約是1/650 ，
故速度效率高。同時，空間也相對的濃縮了一倍。
更重要的是，這是一種系統設計的理念，在字碼設計時，應該先有這些認識，否
則無法利用電腦的特性，而有損功能。有些輸入方法的設計，完全沒有考慮到內部索
引的觀念。比如說，凡是輸入鍵超過32個，就不能再用5個位元。即使輸入碼較少，
除了損害到收字取碼的彈性外，要設計為字形產生器，必然會面臨效率的問題。
在我們所分析的六萬字中，字首有五百多個，字身有九千多個，除非採用了五百
多個鍵位，否則字首碼一定要取一至兩碼；字身一至三碼，總共是一至五碼。這五個
碼就是前文所提的「索引碼」及「對照碼」，可以組合出所有的、中文特具的「形聲
字」。不僅能滿足目前的文字需求，且可以保留著組合的機能，以供未來新生事物、
以及新生觀念所需要的文字概念。
當然，也可以考慮一些合併的方式，以簡省一碼。而其結果呢？最多僅能勉強把
當今所要用的文字解決了，而喪失了中文經過數千年發展出來，特有的法則：「形聲
」組合。本來，在過去技術尚不成熟的時代，中國人能運用「不夠科學化」的工具，
如「毛筆」等，自由自在地運用文字，發展文化，而在我們這一代，工具現代化了，
反而使得中國文字變成了「死字」。至於中國文化呢？有心人不妨多想一下，究竟什
麼叫做「中國文化」？又是誰「危害了中國文化」？
僅談輸入方法，不過是仁者見仁，智者見智的技術問題。唯有全面考慮到「寫字
」、「認字」、「識字」，才能理解到我們設計「索引碼、對照碼」的苦心。今天人
們一時難以理解，並非人人都對文字的關鍵技術有所認識，而我們站在歷史的潮頭，
早已看到了明天和未來，所差的只是時間及苦功。我願意把這些心得提出來，供有心
人士參考，也希望眾志成城的，共同來完成這項歷史使命。
最後，我再介紹一下這個似乎不起眼的「索引碼」及「對照碼」更令人難以置信
的功能，就是在中文「點陣字形辨識」中，它們是效率的重要因素；到了「語音辨識
」以及「語意理解」時，一個代表「形碼」，一個代表「音碼」，奧妙無窮！
茲奉勸研究中文的朋友們一句良心話，僅只是「鐵杵磨成針，只要功夫深」是不
夠的。中文是人類智慧累積的海洋，其中的寶藏無窮無盡，正因為她太過於豐富、太
過於淵博，以個人之力，得難以掌握應用。現在，電腦時代來臨了，電腦的運作時間
無限，容量空間也沒有限制，正是發揮中文全部功能的良機。各位應該在中文的字義
上，多下些功夫，然後，才能認識到未來的、正確的方向。
當然，光是說中文有多麼了不起等於空談，我認為與其寫些理論，不如自己親自
動手去實現。這就是我個人願意把「中文字形產生器」的全部心得，公開發表的基本
原因。明知眼前就是「金山、玉礦」，哪裏還會死抱著「字庫」不放呢？
倉頡碼是我們精心設計的「智慧之鑰」，而其中的索引、對照碼，則是這鑰匙的
把柄。各位只要掌握住這些觀念，很多細部的技術問題，當不難迎刃而解。
|