《输入法编程漫谈》问答

路路通

有问题的朋友可在这里发表。

三三龙

我对自由拼音的字表和词表的结构感到模糊。
不知道，楼主有没有空细说？

路路通

《自由拼音》的码表结构很复杂，作者当初设计码表时为了节省内存，作了特殊处理，初学者如果没有过硬的《数据结构》知识，很难理解和操作其码表。如果没有什么特殊原因，建议不要试图分析其码表。
    你的另一个问题也在这里回你：很抱歉，这段时间很多事情都忙不过来，除了与示例程序有关的问题外，其它的估计很难帮得上忙了。

lrk

两个不同区域的数字键有什么区别？

路路通

扫描码不同。

路路通

今天有点时间，重看了一下《自由拼音》码表的短语部分，它的码表结构是这样的：

        短语的最大长度为8
        第一个字节是短语的长度
        第二字节是拼音音节序号的第9位
        拼音音节序号
        短语

        比较难理解的是第二个字节，为什么会有拼音音节的第9位，是什么意思呢？我们知道，一个字节的最多只能记录256个数，拼音音节有410多个，用一个字节不够，用两个字节又浪费，因此《自由拼音》采用9位来记录一个拼音音节，音节序号的第9位统一放在码表结构的第2个字节里。比如“三三龙”，短语的长度是3，san的序号大于255，龙的序号小于255，因此第二字节是00000011,在码表结构里就是这个样子：

短语长度  拼音音节的第9位  san的序号   san的序号  long的序号     三字的内码          三字的内码          龙字的内码
00000011    0000011             xxxxxxxx       xxxxxxxx      xxxxxxxx     xxxxxxxx xxxxxxxx  xxxxxxxx  xxxxxxxx  xxxxxxxx xxxxxxxx

        音节的序号可通过表查。采用这个结构，最大好处是可为码表减肥，节省内存，长度为8的短语，就可节省7个字节的内存。但缺点也是明显的，查找时，每次都要计算一番，最大的短语长度只能为8（当然可增加一个字节达到16）。如今PC的内存配置都是GB级了，不必再像当年那样为区区几个字节大费周章了。

       希望能对你有所帮助。

aabm

表中的按键组合如“125”表示同时按下第1、第2和第5号键，“2345”表示同时按下“第2、第3、第4和第5号键，其余依次类推。实际应用中2个、3个、4个按键的组合用路路通键盘输入时，只需按一个按键就可完成输入。
===================================

不可思议

表中的按键组合如“125”表示同时按下第1、第2和第5号键
==============================================
实际应用中2个、3个、4个按键的组合用路路通键盘输入时，只需按一个按键就可完成输入。
===============================================
一键输入一字已经是天方夜谭了,一键输入三键的组合根本是办不到的,收录机发明已经多年了,还只能做到“125”表示同时按下第1、第2和第5号键

谢振斌

我设计的词语信息结构，不保存拼音信息，因为每个单字都有拼音信息。
对于多音字，采取不同的内码表示。这样最大限度节约内存，又可以简化操作，提高处理速度。

目前不足之处是，不支持包含非汉字的短语。不过这可以用其他办法解决，如果需要时。

Tiandy

我一直用的输入法，是自己在自由拼音源码上修改的。
但我只是想用哪部分才去改那部分，
现在见到楼主如此系统地讲解，颇为景仰。

enthos

请问龙文中文平台的简繁通用是如何做到的?
例如:
1. 控制台=>地区及语言选项=>非 unicode 语言 -> 中文(PRC)
   安装声笔飞码试用 => OK.
   coolvv 的 coolime => OK
   龙文中文平台的输入法 => OK.

2. 控制台=>地区及语言选项=>非 unicode 语言 ->中文(台湾)
   声笔飞码 => fail.
   coolime => 无反应.
   龙文中文平台 => OK.

自己改写的输入法程式也一样, 只能选一种语言，不能通用。

enthos

不知道有没有人想做输入法挂接程式, 假设名字 xyz,
它会 load ime.dll 再挂在真正的程式、例如 notepad.exe

32bit IME -> xyz32tsf32 => 变成 32 bit tsf 输入法
32bit IME -> xyz32tsf64 => 变成 64 bit tsf 输入法
(旧版的输入法孤儿有救了)
32bit IME -> xyz32ime64 => 变成 64 bit ime 输入法
(懒惰的工程师只需写一次 32 bit 输入法)
64bit TSF -> xyztsf64ime32 => 可以在 32bit XP 用 64 bit 的vista 输入法
(奇怪的用途)
32bit IME -> xyz32ime32 => 32 bit ime -> 32 bit ime.
可以偷偷换介面(skin), 改字型, 改 window 座标, 记录打字速度等等

路路通

“对于多音字，采取不同的内码表示”
敢问谢兄，一个汉字用占用几个字节？如果是两个字节，好像最多只能表示两个读音，当然短语的字集在GB2312-80范围内是没问题的。

三三龙

原帖由 路路通 于 2008-6-11 14:36 发表
今天有点时间，重看了一下《自由拼音》码表的短语部分，它的码表结构是这样的：

        短语的最大长度为8
        第一个字节是短语的长度
        第二字节是拼音音节序号的第9位
        拼音音节序号
   ...

你太厉害了。
我几天都看不明白的地方，你看一下就知道了。

路路通

几年前研究过，不过没什么印象了，重看一下是能够明白的。
输入法程序用到的位操作较多，如果这方面不过关的网友，最好补一下课。

谢振斌

原帖由 路路通 于 2008-6-11 19:45 发表
“对于多音字，采取不同的内码表示”
敢问谢兄，一个汉字用占用几个字节？如果是两个字节，好像最多只能表示两个读音，当然短语的字集在GB2312-80范围内是没问题的。

我已经实现的系统是处理7万多汉字的。对于词语，我不储存拼音的。

不过，我把Ext-B汉字单独储存，而且目前也没有考虑Ext-B汉字构成的词语，所以：

（1）BMP汉字，每个汉字内码用2个字节，拼音2个字节（采用简单压缩便于分解，声介韵调，或声韵调，5+6+2共13bit，多余3bit另有用途），频度信息（目前用2个字节，必要时我考虑自动生成频度，不储存）。
（2）Ext-B汉字，内码-0x20000，得到16bit编码，然后类似BMP处理。
（3）多音字，用的是我自己扩展的内码，利用BMP空闲区域（韩语、PUA等都没用）分配新内码，需要对应原汉字，查映射表即可。
（4）词语，目前只有BMP汉字和频度。对于多音字，用得就是上述的扩展内码，所以我不需会浪费空间储存拼音。
（5）部件信息，我只储存二元拆分信息，从中派生出其他需要的信息。
（6）笔画信息，我还没写进去。计划是由部件信息自动生成，仅对于少数无法生成的字查表。
以上透露的信息，也算是给同行一点贡献吧。

我目前做出的输入法，约2M，压缩一下不到1M，包含15万基本词汇，计划进去的功能不会输给几十M的输入法。
当然如果日后增加外挂码表等功能，以及英中输入、字典能力、发声功能等等，可能会膨胀，但那些锦上添花的功能不迫切，有精力考虑时再说。