和码5.0版的说明

和码5.0版的说明

欧阳贵林 www.HeZi.net

2014年03月28日

和码字形编码的前一个方案是4.2版，完成于2009年10月《点击看记录》，之后的4年半时间里，字根表与编码方法没有修改过。

4.2版之后，我并没有停止对和码方案的推敲，我看和码一直是带着挑剔否定的态度，在输入汉字时，也是推敲可能存在的改变。

虽然我很早就写出了《和码是最好最终的汉字形码》的文章。这篇文章说明了字形编码的几大的基本问题，如：①为什么要用数字码；②为什么是25个数字码；③为什么要用以“横竖撇捺”四个基本笔画分区；④为什么每个汉字是四个码。

但还有些问题没有说清楚。如：编码是否是汉字字形信息的代码？汉字形码是以检索输入汉字为目的，还是以包含更多的字形信息为目的？形相似的字根是否应该归并在一起？为什么和码不能分四块取，依顺序取四个编码？为什么字形技术可以用于字形教学？为什么字形教学需要采用汉字字形技术？等等。只有对这些问题有了清楚的回答，才能建立坚固的信心。 

很早的时候我就想到字根“米”是“木”的延展，应该把“十土卄木米”放在一起，这更能说明汉字字根的关联，说明汉字字形的表义特点，尽管第一笔画不同。但我没有足够多的理由去做个新版。

2013年6月，我在看汉字的25个常用字根时，忽然感到，字根表中的两个横(一)(码11,码21)，两个口(码33, 码34)，是个问题，怎样区分这两组字形相同的字根，初学者都会问到。尽管有清楚的解释，但仍是增加了初学者的难度。

英文字母表中，iL(Il), Cc, Oo, 给书写辨认带来了许多的麻烦。

如果以和码字根表为基础，建立字形字母表，就更不能有两个“一”，两个“口”了。

我责备自己为什么这么多年，都没有注意到这个问题。且很多人都问过我，怎样区别两个“一”(码11, 码21)，怎样区别两个“口”(码33,34)，我也解释过很多次。

和码的研究，开始是以汉字输入为目的，因此特别注重低重码率。因为汉字中，字根“一”与“口”出现的频率特别大，将与其它笔画相交的横分出来，形成两个码(11,21)“一”，将中间有笔画的“口”分出来，形成两个码(33,34)“口”，不失为一个好办法。

后来我也认识到，对于3800(或5200)个常用汉字，形码的分辨率很好，即使不分“一”与“口”，常用字的重码也不严重。

当和码字形技术应用在于汉字字形教学时，“一”分为两个，“口”分为两个，增加了很多教学中的麻烦。

我试着调整字根表，合并码11与21,33与34，并把第二、三区(列)交换，就形成了“横竖十撇捺”的排布，这比“横横竖撇点”容易解释，容易记忆得多。

汉字的基本笔画是“横竖撇捺”，和码4.2版试着从“横横竖撇点”来解释25个常用字根，以建立字形基础概念，进而解释所有的汉字。

现在我认为“横竖十撇捺”更简单，更能体现汉字字形的合理，简单，与易记。

2014年03月初，我开始做和码5.0版的编码，过程中又考虑了很多的问题，在这里做一些记录。

和码5.0版 25个常用字根表

以“横竖十撇捺”为起点，建立汉字字形概念

和码字根表(25个常用字根表的拓展)

说明，以下的统计数字，都是以国标字库GB2312(含6763个字)为范围，常用字一般为3800个(或5200个)。

一、字形编码是否是字形信息的代码，是否应该尽量多地包含字形信息？

我得出的答案是否定的。字形编码的本质是汉字集的检索(输入)工具，字形编码不等于完整的字形信息，以检索为目的的字形编码，不必包含完整全面的字形信息。

汉字有简单的，如：二，三，如，困、圆、从、茹、染、始、吩、算、莫、保，等等；

汉字有复杂的，如：韱、肈、糮、龔、襷、裫、癟、褫、癛、殛、夔、馕、蠻，等等；

汉字字形信息包括，字根，笔顺，与字根位置等信息。

要求字形编码包含所有的字形信息，那么：

1)、字根表应包含尽量多的汉字字根；

2)、单字编码不能固定码长；

3)、编码要取尽所有的汉字字根与笔画；

4)、编码还要包含字根间相对位置的信息。

这样的编码就非常的复杂。

我们知道，给出几个英文字母，就能唯一地组成的英文单字，如：English, Chinese。

对于上面的字根表，当给出42,34,42的编码时，你没有办法组成一个字，因为同一个码里有多个字根，字根的组合又有多个不同的位置。

但是对于一个给定的汉字集，一组编码，如42,34,42，(依照一定的规则)可以对应一个，或几个单字。

因此汉字字形编码，是对于给定汉字集的检索(输入)工具。检索对象(汉字集)是不可少的，离开了检索对象，字形编码对应不了汉字。

离开了检索对象(汉字集)，想用字形编码反演出字形，是不可能的。这个结论对于所有的字形编码(笔画编码与字根编码)都是一样的。

因此字形编码的本质即：字形编码是汉字集的检索工具(字形编码离不开背后的汉字集)。字形编码不可能，也不必要包含所有的字形信息。

有了这个结论，就为形码必须取全字形信息的困难解了套，为以下编码问题给出了理论依据：

1)、字根表不必包含所有的汉字字根；

2)、编码可以固定码长；

3)、编码不必取尽所有的字根与笔画；

4)、单字可以分块(在定点位置)取码；

5)、字形编码的目的是(对汉字集)检索，编码方案应该：

①编码容易(字根表简单，取码方法简单)；

②检索效率高(输入码数少，重码少)。

6)、可以制定有利于检索的规则。

 

二、为什么不是分四块，顺序取四个码？

有了对字形编码本质的认识，就容易接受《和码是最好最终的汉字形码》一文中，单字最好取四个码的结论。

既然单字是四个码，为什么不是最多分四块，顺序取四个字根码？

1)、《最好最终的汉字形码》一文中，也说明了，绝大多数汉字的输入，只需前三码，第四码只是少数情况下才用到的辅助码。

2)、单字有一块字，二块字，三块字，四块字与多块字。三块字占多数(70%左右)。

对于四块字，顺序取四个码。那么对于三块字，是否也要顺序取四码呢？

如果对三块字，也顺序取四码，以下常用字根都要取两个码,：

穴(22,43)：窃,容,窑,窜,窝,窗,窍,窒,窖,窘,窟,窀,窈,窕,窠,窨,窭,窸,窝,窕,梥,窇,窉,窌,窐,窓,窙,窞,窣,窩,窮,窸；

阝(12,21)：阶,防,际,阿,降,限,除,险,陷,陪,坠,陨,阮,陀,陂,陉,陟,陧,陬；

马(15,11)：驱,驳,驶,驼,骄,骆,验,驹,骚,驷,驸,驺,驿,骀,骁,骈,骋,骍,骐,骒,骓；

虫(23,21)：蛇,蜓,蜂,蜻,蜡,蝇,蝶,蚣,蛉,蛤,蜈,蛹,蝗,蝙；

足(23,21)：跨,跳,路,跟,踢,踏,踩,蹈,跷,跺,踊,蹂；

禾(41,34)：季,积,秧,称,透,梨,犁,移,稍,程,愁,稻,秕,秸,秽,稚,稆,逶,稞；

以上列举的只是部份常用字根的部份例字，可以看出对于三块字，如要求顺序取四个码，很多常用字根上要取两码，就增加了输入码数，增加了重码数。

3)、在单字中顺序取四个码比取三个码，要花费更多的注意力，这从上面列举的单字也可以看出，以下例字也可以说明：

俭，修，谋，些，郁，涛，佑，若，园，革，涤，帮。这样的字还有很多。

字形编码是字形检索(输入)码，以简单，快速为目的。因此和码单字取码规则：“单字最多分三块，最多取三个主要码”更好。

三、为什么汉字字形教学，需要有字形理论

我常看到识字课本上，教汉字书写是一笔一画地叠加，忽视汉字是由很多常用字根(口木人月心火氵王等)组成的基本字形知识。一笔一画地教汉字，很烦很难。要克服汉字难学，需要有汉字字形理论。

学生学了汉字，需要练习使用才能掌握与不忘。在信息时代，汉字字形的练习使用，重要的途径是在键盘上的汉字字形输入。

有效的汉字教学，需要与键盘字形练习与使用(输入)方法结合起来。

我在《解汉字难学之谜，创汉字易学方法》一文中，对汉字教学需要字形理论与技术有更多的说明。

四、为什么和码字形技术，适用于字形教学

字形教学需要有字形理论，那需要什么样的字形理论呢？

是否有包含了全部字形信息的字形描述技术与理论呢？我认为适合于字形教学的全息理论没有，如果有的话，那就是汉字字形本身。

字形教学所需的字形理论，是能帮助分析理解，认识记忆汉字字形，又可以在键盘上字形练习与使用(输入)字形的技术与理论。

和码汉字字形技术，以汉字的基本笔画(横竖撇捺)为起点，建立汉字的字形概念，又有和码25个常用字根，和码汉字字根表，汉字的字形分析与字根组合方法，也有汉字字形练习与输入软件。是一套系统汉字字形理论与技术。

和码汉字字形技术有很多成功的对外汉语与儿童识字教学实践，和码适用于字形教学。

五、将4.2版中的码(一)11,21，与码(口)33,34合并

1)、4.2版把字根“一”与“口”各分为两个码，给学习增加了难度。

2)、和码字形字母表，不应含有字形相同或相似的字母。

3)、5.0版第一码是(口)23的单字有625个(平均值为6763/25=270)，是最大分布值，但对常用字的重码仍不突出。

合并后字根‘十’由4.2版的码22(码值22)，变成了码31(码值13)，这是很好的变化。

字根‘十’在有些字中不好取码。如：‘乱敌重垂鹅’等字，如果认为‘十’是双笔画核心字根，那么根据衍生字根的取码规则，在4.2版里‘乱敌重垂鹅’的第一码就只能取‘十’而不是‘丿’，这样的感觉很不好。现在5.0版‘十’的码值是13，比码41‘丿’的码值(14)还小，这样‘乱敌重垂鹅’第一码就可以取‘丿’了。

六、将第二区与第三区互换

4.2版的5个区排布是“横横竖撇点”(一一丨丿丶)，修改后5.0版是“横竖十撇捺”(一丨十丿丶)。

这个修改使得大部份单字编码改变了。我问了两个朋友的意见，他们都说值得改。

和码的老朋友，长期的支持者叶志全先生建议，能否改为“横十竖撇捺”(一十丨丿丶)，这样就可以保持第三区的编码不变，这也是一个选项。

当我们看到‘米’(或米字旗时),可能想到这个图案就是“横竖十撇捺”。利用人们已经熟悉的概念(词句),也许可以增加人们接受和码的容易程度，可以减少很多的解释。

七、将‘月’与‘冃’，‘冂’与‘几’合并

在4.2中，‘月’与‘冃’不在一起，那时我认为学汉字，就要知道‘月’与‘冃’的不同，和码帮助用户区别‘月’与‘冃’。

4.2版中，还区分了‘礻’(55)与‘衤’(55,43)。这个细致的区别对谁都有些难。

我又问过几个中国人，‘胖’‘青’字怎么写，他们都不知道‘胖’第一笔是‘丿’还是‘丨’，也认为这不重要。

在不同的字体中，‘胖’的第一笔画还有不同。

和码5.0版，认为‘月’与‘冃’是不同的，但在输入的层次上，都在码25中。

同样，‘礻’与‘衤’是不同，但在输入层次上，都在码55中。

八、有四类字根，采用了特殊取码

和码有核心字根的衍生字根的概念，如：‘稼’的第一码取34(木),而不是41(丿)。

以下情况也可以看似衍生字根的特例。

1)、虎,虏,虑,虚,虐,彪,虔,虞,觑,遽,劇,慮,戲,獻,盧,膚,處,虛,虜,虧,覷,顱,鸕，等的第一码都取14(厂)，而不取21(丨)；

2)、顽,顾,顿,倾,颂,领,颈,颗,题,颜,额,颠,颤,颁,颅,颇,颊,频,颓,颖,濒，等的第三码都取25(贝),而不取11(一)；

弼,厦,廈,寡,嘎,嗄,等的第二码都取24(日目),而不取11(一)；

3)、语,悟,捂,梧,晤,衙,唔,圄,浯,牾,焐,痦,龉,語,等的第二码都取13(彐),而不取11(一)。

另外：伟,围,陆,建,承,捕,逢,害,铺,割,苇,哺,圃,浦,脯,楔,玮,炜,祎,匍,埔,莆,彗,晡,揳,葜,滟,禊,碶,锲等的第二码都取31(十)，而不取11(一)。 

九、5.0版与4.2版编码分辨率比较(以GB2312的6763个字为统计范围)

 4.2版5.0版改变不同的M1M2个数619618-1不同的M1M2M3个数47444572-172(3.6%)

5.0版对汉字的分辨率是减少了，但不多，对于常用3800(或5200)个字，分辨率减少会更小。

十、5.0版对于4.2版，单字编码改变量统计

 改变/6763第一码(M1)311446%第二码(M2)321147.5%第三码(M3)330748.9%M1M2484571.6%M1M2M3573084.7%

5.0字根表，因为第二，三区互换，使得单字编码改变比例很大。严重影响了用户形成的习惯，我深感抱歉与不安。我个人也为此修改付出了很大代价，有2千本和码书，很多打印的卡片与资料都作废了，所有的软件都要做修改，网上资料，视频教程都要修改。

对常用的简体与繁体字(共9176个字)的修改与输入检查，已花了我近一个月的时间，如果要把大字库约7万个字全部修改完，至少还要2个月的时间(暂时不做大字库)。

但我认为这次修改是必须的，重要的，有误就尽早改，希望能得到和码老用户的谅解与支持。

十一、5.0版的适应方法

这篇文章是用5.0版输入的。从4.2版改为5.0版是困难的，就象用右手写字突然要改用左手。

建议用户下载安装后，用和码练习软件从头开始做适应性练习。特别是多做一二码字的练习。

老用户开始练习时，会不断出错，象不断地遭到批评一样，很容易感到累，会烦燥，会引起心理与生理的不舒服，这时就要意识到，这是改变习惯引起的不良反应，要及时地休息。我自己就清楚地感知到。

我也认为一定程度上，人的大脑是多线程的，当你练习一段时间后休息时，大脑会在后面(在你无意识的情况下)帮你做适应性处理，再回头练习就会感到有进步。

十二、5.0版后是否还会修改

这次修改的幅度大，是因为两个区交换了，我认为“横竖十撇捺”分区之后，再换区导致大改变的可能性为零。

我也把这次修改的原因与考虑的问题，都尽量详细地写在这里，让用户了解与评估和码方案的稳定性。

经过这几天的使用，我对5.0版很满意，对其稳定性很有信心。

再次为和码5.0版修改对和码老用户带来不良影响，深表歉意。

让我们一起克服困难，把汉字字形技术再往前推进一步。

 

谢谢！祝好！

欧阳贵林

2014年03月28日

 

点击下载：和码输入法5.0版

 

附录1、《和码》4.2版的说明

附录2、《和码》是最好最终的汉字形码

附录3、解汉字“难学”之谜，创汉字“易学”方法