《输入法编程漫谈》问答

路路通

原帖由 谢振斌 于 2008-6-14 23:55 发表


呵呵，有点越辨越乱的感觉。

你似乎总在谈论并击问题？并击的意思是“同时性”，而我没有一句话怀疑过同时性，怎么焦点变成“并击”去了。

引起你谈论并击的可能是这句话：
“手部动作不可能像大脑那样区 ...

好吧，咱们不谈并击了，谈谈你的码表吧。

        （1）“对于静态数据部分，我是力求简单。搜索匹配也是顺序搜索”
        十几二十万条的码表，不会是从第一条到最后一条这样搜索吧，连二分查找都不用？怎么个顺序法，愿闻其详。
        （2）“需要支持可以通过自定义编码部分来实现。”
        谢兄说力求简单，但自定义编码的算法肯定与系统码表的算法不一样，也就是说，需要两种码表结构，两套查找算法，这是否又回归复杂了呢？
        （3）“目前静态词库记录的就是“词语”、“频度”。 如果连频度都省略的话，那么10万个二字词就只需要400k字节。”
        省掉频度，如果只有静态码表，那没有什么不便，但是加入动态码表之后，排序的依据怎么确定呢？

[ 本帖最后由 路路通 于 2008-6-15 11:31 编辑 ]

谢振斌

原帖由 路路通 于 2008-6-15 11:29 发表


好吧，咱们不谈并击了，谈谈你的码表吧。

        （1）“对于静态数据部分，我是力求简单。搜索匹配也是顺序搜索”
        十几二十万条的码表，不会是从第一条到最后一条这样搜索吧，连二分查找都不用？怎 ...

顺序搜索和快速搜索各有好处，前提得看你已知什么，目标是什么。
如果你是已知一个编码，从码表里查找精确匹配的词语，那么你用任何一个优化算法都好过顺序搜索，比如binary、map、hash等。但那样无法很好地完成模糊匹配及部分匹配。
一句话，各有利弊吧。按照目前机器的速度和词库的规模，可以自己平衡一下进行取舍吧。

        （2）“需要支持可以通过自定义编码部分来实现。”
        谢兄说力求简单，但自定义编码的算法肯定与系统码表的算法不一样，也就是说，需要两种码表结构，两套查找算法，这是否又回归复杂了呢？

参考加加吧，它的自定义词库支持非汉字，系统词库也是不支持非汉字，我猜也是存在类似的理由。
我只能说内部编码是基于规则的，功能庞大的，外部编码是死的，非灵活的。
简单举一个例子吧，内部拼音可以用算法实现模糊音和混拼，外部拼音码表必须用枚举法才可以实现。

        （3）“目前静态词库记录的就是“词语”、“频度”。 如果连频度都省略的话，那么10万个二字词就只需要400k字节。”
        省掉频度，如果只有静态码表，那没有什么不便，但是加入动态码表之后，排序的依据怎么确定呢？

静态频度只是省掉不是不要，可以用算法计算出来。动态频度也依然存在。最后的排序按照算法计算决定。


你是不是在做可以外挂任意码表的输入法呢？

路路通

（1）谢兄的系统码表根本就不排序，对吗？
（2）简拼、混拼等，由于我的是基于双拼的，因此比较简单。
（3）是想做可以外挂任意码表的输入法，但还没想好。

[ 本帖最后由 路路通 于 2008-6-15 13:04 编辑 ]

谢振斌

词语按照频度排序。

路路通

谢兄对固顶、顶屏、智能组词之类有何高见？

谢振斌

原帖由 路路通 于 2008-6-15 19:03 发表
谢兄对固顶、顶屏、智能组词之类有何高见？

固顶：
我不是曾发过一个“关于动态词频于静态词频”的帖子，被版主“固顶”了吗，太久没人兴趣了已经释放固顶了，你可以参考一下。

顶屏：
这是编码设计方案的一部分，我的方案是空格或选字键上屏，少部分标点也可以顶屏。其他情况不能顶屏。

智能组词：
这个涉及智能算法问题，目前都是初步的智能，各家都有自己的优缺点，都在努力完善。

路路通

帖子已看完，看来谢兄在这方面费了不少精力。

        我觉得加加的间接辅助码的引导键tab的顺序不好，应该统一用直接辅助码，比如“帛”，直接输入bob，出来的是词组怎么办？这时才按tab将输入方式转换，虽然只是顺序的改变，但输入流畅得多。

        字词的联想功能，现在主流输入法都不用，但我觉得这里还有可挖掘的东西，有语境的配合加上句子的上下文进行动态联想，效果应该不错的。  
        
         路路通键盘现有的版本是4095键，由于按键多多，因此大师们挖空心思、极尽所能才弄出的功能，在我这里轻松的就能实现，比如辅助码，哪用得着分什么直接、间接这么麻烦？中文输入、英文大小写、中英文标点符号等等都有单独的键位，直接就可输入，这就是大键盘的好处。

        有一个疑问：微软的直接上屏方式非常好，既可增加一候选行，又可以节省屏幕资源，众多输入法为什么不采用呢？谢兄可知原因？

谢振斌

原帖由 路路通 于 2008-6-16 23:29 发表
帖子已看完，看来谢兄在这方面费了不少精力。

        我觉得加加的间接辅助码的引导键tab的顺序不好，应该统一用直接辅助码，比如“帛”，直接输入bob，出来的是词组怎么办？这时才按tab将输入方式转换，虽然只是 ...

直接辅助码本来就是可以的，如果怕候选太多，再加尾缀区隔。
Tab最早出现时主要是为了“辅助”，偶尔用之。当成为常态法后，就会觉得累赘。只是某些用法业界已经形成习惯了，有时不得不考虑兼容之。

联想功能我原先也以为被人忽略，以为我若把它弄进去也会算是一个亮点，可近来才发现，加加和google已经有这个功能，加加是通过选项选择（称呼好像是动态智能调频），google不需要选择。
虽仍有改进空间，但创意已失。

“微软的直接上屏方式”不知指什么？我这里现在只有在WORD状态才可以调出微软拼音，但没发现特别的地方。无非就是增加一层最后的确认，在确认之前用下划虚线显示在屏幕正文中。

因为我无法尝试它在非微软自己的产品中的表现。

我感觉一般输入法，要取得文档光标位置基本是没问题，但是要取得文档当前的字体字号，却很困难，除非拦截了很多API接口才能实现，不知你有没有办法？

路路通

微软的方式充分利用了文档的空间，其它输入法就得加宽自己的窗体。

既然可以取得宿主程序的句柄，应该可以拦截它的消息，没有试过，有时间试试看，你要是解决了，请拿出来分享一下。

路路通

原帖由 谢振斌 于 2008-6-17 12:30 发表
我感觉一般输入法，要取得文档光标位置基本是没问题，但是要取得文档当前的字体字号，却很困难，除非拦截了很多API接口才能实现，不知你有没有办法？

要取得文档光标位置对于EDIT控件来说不难，用lpIMC->cfCompForm.ptCurrentPos直接提取就行，但对于非EDIT类的文档就不灵了，只能用GetCareagePos（）。同理，取得文档当前字体字号，对于EDIT控件的文档来说，也是容易得很：
lpIMC->lfFont，非EDIT类的文档分两步，第一步取得当前字体的句柄：
        hFont = (HFONT)SendMessage(lpIMC->hWnd,WM_GETFONT,0,0);
        第二步通过字体句柄获取字体的信息，这一步费了不少的时间，主要是找不到相应的API函数，网上搜了很久也没有找到相关的信息，MFC的倒是有，但不适用，估计谢兄的IME也不是用MFC写的，没办法只能对Get开头的API函数一个个的查，最后终于找到了它：GetObject（）

        HFONT hFont;
        LOGFONT lf;

        hFont = (HFONT)SendMessage(lpIMC->hWnd,WM_GETFONT,0,0);
        GetObject(hFont,sizeof(LOGFONT),&lf);

        常用的软件我试过都没问题，谢兄抽时间对各种软件试一下，看看灵不灵。

路路通

原帖由 谢振斌 于 2008-6-19 11:51 发表


你的方法，我还没仔细研究。但你考虑一下这种情况：

当宿主控件频繁变换字体信息的时候，你如何判断你取得的字体就是前面显示的字体?
比如说，一个文本编辑器，支持多种字体字号混排，每次显示完，又有意把F ...

你何时、何地需要再提取一下不就行了吗？搞不清谢兄要字体信息干吗，微软输入法有很多软件也是没有捕捉宿主控件的字体信息，你可以试试。

[ 本帖最后由 路路通 于 2008-6-19 12:26 编辑 ]

谢振斌

原帖由 路路通 于 2008-6-18 23:31 发表


要取得文档光标位置对于EDIT控件来说不难，用lpIMC->cfCompForm.ptCurrentPos直接提取就行，但对于非EDIT类的文档就不灵了，只能用GetCareagePos（）。同理，取得文档当前字体字号，对于EDIT控件的文档来说，也是 ...

你的方法，我还没仔细研究。但你考虑一下这种情况：

当宿主控件频繁变换字体信息的时候，你如何判断你取得的字体就是前面显示的字体?
比如说，一个文本编辑器，支持多种字体字号混排，每次显示完，又有意把Font信息恢复为系统默认，那么你取到的最多只能是那个默认值，无法取到历史用过的每一个字体。
我常用BabelPad编辑器，记得曾试过没取到正确的字体。

当然，如果能适合多数场合的话，那也是不错，其他的就自己设置一个合适大小的字体。有空再看看。

谢振斌

原帖由 路路通 于 2008-6-19 12:23 发表


你何时、何地需要再提取一下不就行了吗？搞不清谢兄要字体信息干吗，微软输入法有很多软件也是没有捕捉宿主控件的字体信息，你可以试试。

不是要在编辑器窗口的光标位置，显示和原来一样的字号吗？否则大小悬殊，就很难看了。
也就是模拟微软拼音那样的显示。

字体或者没那么重要，得不到也是没关系。但字体和字号信息似乎是一体的，得到字号时顺便得到了字体。

谢振斌

你试一下BabelPad编辑器看看。

路路通

原帖由 谢振斌 于 2008-6-19 12:35 发表



不是要在编辑器窗口的光标位置，显示和原来一样的字号吗？否则大小悬殊，就很难看了。
也就是模拟微软拼音那样的显示。

字体或者没那么重要，得不到也是没关系。但字体和字号信息似乎是一体的，得到字号时 ...

谢兄原来也是想模拟微软拼音那样的显示，上次是不是我说的不够清楚？BabelPad没用过，能不能取字号，这个不敢保证，但UltraEdit是绝对没问题的。这个UltraEdit比较难伺候，一般的方法光标会跟丢，字体信息你也取不到，但按我的方法肯定能行。我找过BabelPad试下。