佛典共用造字集的規畫(原文)

佛典共用造字集的規畫

莊德明中央研究院資訊科學研究所研究助理

摘　　　要

近年來，佛教典籍的電腦化在國內逐漸受到重視，其中的應用包括電腦打字排版、電腦輔助教學、佛學書目及佛典全文的檢索等等。由於國內的中文電腦應用程式大多採用五大碼．然而五大碼並不足以應付佛典用字，所以「造字」便成了佛典電腦化不可缺少的工作。

假使每個單位都得各自造字，不但是資源上的浪費，更形成電子佛典流通上的困擾。本文分析了幾個佛典造字集，並且嘗試由字、字形、及字體的觀點來確立佛典造字收錄的原則。在收錄造字的過程中，為了避免重覆造字，筆者還在微軟中文視窗上發展了一個造字檢索系統的雛型，在這個系統中，可用漢字部件及屬性來檢索造字，藉以判斷新字是否已在造字集中。

再者，五大碼的造字空間有限，而且造字內碼也非連續排列，為了編碼的方便，本文嘗試將其內碼線性化，並以序號代替內碼。佛典造字集除了收錄漢字外，還包括梵文、巴利文、藏文的轉寫字，流水號及佛典常用的符號，另外也收錄了漢字的筆畫、字根及部件。為了妥善應用有限的造字空間，造字區還依照使用的頻次分成公用區及專屬區。

本文對於中文內碼的討論，雖然只限於五大碼，然而編碼的規則實可適用於其他的中文內碼。另外為了兼顧倚天中文系統及微軟中文視窗使用上的需要，本文也提出點陣字形及縮放字形的解決之道。

中華民國八十四年十一月二十一日

中央研究院資訊科學研究所文獻處理實驗室

壹、幾個使用中的造字集

自八十三年十月起，本實驗室陸續收集了多位法師及大德所提供的造字集，其造字總數共為5807字。造字集的字數及提供者如下：(依提供時間先後排序)

悲廣文教基金會489字 (陳惠珍小姐提供，有造字檔)
西蓮淨苑46字 (釋慧觀、釋慧明法師提供)
佛光山《禪藏》2041字 (佛光山陳履碚居士提供，有造字檔)
大乘精舍印經會2000字 (彌勒內院釋道果法師提供)
慧燈文化事業有限公司464字 (彌勒內院釋道果法師提供)
某造字公司444字 (彌勒內院釋道果法師提供)
漢功企業63字 (林光明居士提供)
佛教電腦資訊庫功德會260字 (沈家楨居士提供，有造字檔)

以下就針對這些造字集，提供幾點意見。裏頭的例子，有關造字部分，為了便利文件的流通，只用「字根式」表達，其中符號「∞」或「Ｈ」表橫連、「％」或「Ｖ」表直連、「◎」或「Ｃ」表包含，這部分在下一節會繼續說明。

一、字集中相同的字應予合併，如「彳∞扁」、「金∞本」、「少％兔」等。其中也有幾個字五大碼中本來就有，只是沒有發現而已。所以造字的認定，可以分成兩個階段：1. 確認五大碼中不包含這個字(缺字)。 2. 確認造字集中也沒有收錄這個字。使用者通常透過一種或兩種以上的輸入法間接認定新字，本文將在下一節中提出其他的方法來確認新字。

二、除了漢字外，這些字集還包含部分特殊符號，其中有些符號用以區分文章結構，如「□◎經」、「□◎解」等；用些則是用以排序的流水號，如「□◎甲」、「（∞10∞)」等；有些則為外文字母，如日文、梵文等；其他如「○◎佛」、「○◎日」等。

三、字集中還有一些字只是字體(Font)上的變化，五大碼中已有該字，卻當作缺字而予編碼。如「飯」、「躺」兩字五大碼中已有，由於楷書和明體有所出入，而另外造字，這些字實不應收錄。另外一些則是字(Character)和字形(Glyph)的問題，或稱為異體字、通用字，如「彳∞扁」和「遍」、「去∞刀」和「劫」、「君％羊」和「群」等，這些字若以「字」為收錄的原則，就不應收錄；若以「字形」為收錄的原則，這些字就該收錄。有關字、字形及字體的定義，可參考[一]。

貳、造字的檢索

文字輸入時，一旦發現缺字，接下來就要檢索造字集，檢查這個字是否已經存在，需不需要再造新字。造字檢索的方式可分為部件檢索及屬性檢索。

一、部件檢索。漢字由部件(Component)構成，可將字形以橫連(∞或Ｈ)、直連(％或V)和包含(◎或C)等三種方式，分解成基本的部件，稱為字根。如

「根」的字根式為「木∞艮」；
「時」的字根式為「日∞(土％寸)」；
「閃」的字根式為「門◎人」；
「噤」的字根式為「口∞((木∞木)％示)」；
「幫」的字根式為「((土％土)∞寸)％(白％巾)」。

部件檢索時，部件

「日」可以檢索「時」、「袒」、「椿」……
「土」可以檢索「時」、「奘」、「摯」……
「寸」可以檢索「時」、「村」、「廚」……
「寺」可以檢索「時」、「詩」、「待」……

所以「時」字，就可用部件「日」、「土」、「寸」及「寺」來檢索。

二、屬性檢索。漢字的屬性有筆畫、部首、音標(國語注音、漢字拼音…)、輸入法(倉頡、注音、行列、大易…)等。由於輸入法內建於中文系統內，當缺乏部件、筆畫、部首、音標等資料時，就只能以輸入法來檢索。

這兩種檢索方法實應兼容並蓄，互補不足。部件檢索雖然較為簡易，卻不利於文字輸入；若能先由部件檢索字形，再找出該字形的輸入法，則字的檢索及輸入皆可各蒙其利。

筆者於八十四年六月底於微軟中文視窗(以下簡稱中文視窗)3.1上完成部件檢索的系統雛型。在這個系統中，使用者可以分解字形，定義字根，查閱目前字形、部件及字根的個數，並且可隨時作部件檢索。這個系統除了部件檢索外，還能處理異體字：如可由「牆」找出「墻」、「廧」；由「床」找出「爿∞木」；由「雞」找出「奚∞鳥」、「又∞鳥」等。若要作更深入的瞭解，可參考[一]。至於屬性檢索部分，則尚未完成，往後將和部件檢索相結合。

參、五大碼的造字區

五大碼(Big-5)為兩位元組的內碼，共可定義19,872個字碼，其中常用字、次常用字共13,053個字(包括兩組重複字，實際上只有13,051個字)。若要對五大碼作進一步的瞭解，可參考[二]、[三]。以下的討論僅限於使用者造字區。

一、五大碼的使用者造字區如表格一，可分成四段，共6217個字。

造字區	內碼範圍	字數
第一段	FA40-FEFE	785
第二段	8E40-A0FE	2983
第三段	8140-8DFE	2041
第四段	C6A1-C8FE	408
合計

表格一：五大碼的造字區

第四段408個字在倚天中文系統(以下簡稱倚天)下另有定義，故倚天造字總數為6217 - 408 = 5809，在中文視窗則維持6217字。為了兼顧倚天及中文視窗兩系統的一致性，目前暫不考慮第四段造字區，所以造字總數仍為5809。

二、造字區中，段和段間並非連續編碼。即使同一段內，也未必連續編碼。表格二列出第一段的內碼分佈。

範圍	個數	範圍	個數
FA40-FA7E	63	FAA1-FAFE	94
FB40-FB7E	63	FBA1-FBFE	94
FC40-FC7E	63	FCA1-FCFE	94
FD40-FD7E	63	FDA1-FDFE	94
FE40-FE7E	63	FEA1-FEFE	94
合計			785

表格二：五大碼造字區第一段的內碼分佈

以下即是一些造字碼的順序： FA40, FA41, ...... , FA7D, FA7E, FAA1, FAA2, ......FAFD, FAFE, FB40, FB41......。為了編碼的方便，可將所有的造字碼線性化成：1, 2, 3, ...... 5807, 5808, 5809，表格三則列出五大碼造字區各段的序號。

造字區	內碼範圍	序號
第一段	FA40-FEFE	1-785
第二段	8E40-A0FE	786-3768
第三段	8140-8DFE	3769-5809

表格三：五大碼造字區各段的序號

至於造字內碼和序號間的轉換方法可參考附錄一。附錄二的表格則列出序號1-99和內碼間的對照。

肆、內碼空間的分配及編碼

由於造字空間只有5809個，在使用上至少應分成公用造字區及專屬造字區。若造字使用頻次較高者，應置於公用造字區；頻次較低者，則依個別的需要而置入專屬造字區。這部分可參考[四]。然而在造字初期，若無頻次的統計資料，可先收錄佛經中非咒文的用字。

佛典用字除了漢字以外，還有特殊符號。特殊符號包括外文字母、流水號及佛典常用的符號。

流水號的編號有「１、２、３……」、「一、二、三……」、「壹、貳、參……」、「甲、乙、丙……」、「子、丑、寅……」等，樣式則有「○、（）、●……」等，以五大碼有限的造字空間，自不可能將這些流水號通通收錄。原則上可以保留100個造字空間給流水號1-100，其編號及樣式則取決於所使用的造字檔。例如造字時選取的編號為「一、二、三……」，樣式為「○」，則流水號3的字形就是「○◎一」。

常用的外文字母包括梵文、巴利文、藏文及日文。在第三節介紹五大碼時，曾提到造字區第四段C6A1-C8FE在倚天下另有定義，其中就包括了日文字母，若要兼顧倚天及中文視窗使用的一致性，這一段日文字母的造字區可採取相同的定義。另外依據八十四年十月十七日於臺大佛學研究中心舉辦的「梵巴藏羅馬字轉寫與中文軟體的相容問題」討論會議結論，有鑒於五大碼造字空間有限，目前只收錄梵文、巴利文及藏文的轉寫字母。楊郁文及廖本聖老師並提供目前所使用的32個字母，其字根式如下：

(–％ａ)、(–％Ａ)、(ｄ％．)、(Ｄ％．)、(ｈ％．)、(–％ｉ)、
(–％Ｉ)、(ｌ％．)、(．％ｍ)、(ｍ％．)、(ｎ％．)、(．％ｎ)、
(～％ｎ)、(．％Ｎ)、(ｒ％．)、(Ｒ％．)、(ｓ％．)、(′％ｓ)、
(ｔ％．)、(Ｔ％．)、(–％ｕ)、(–％Ｕ)、(′％ｚ)、(′％Ｚ)、
(︿％ａ)、(︿％ｅ)、(︿％ｉ)、(︿％ｕ)、(ˇ％–％ｉ)、(ˇ％–％u)、
(ˇ％–％ａ)、(。)

除依頻次考量外，若要採取第二節的部件檢索方式，還得預留部分空間存放部件、字根。在交通大學林樹教授的中文電腦基本用字研究一書中，共收錄了9129個字形，本實驗室將此字集分解成561個部件及485個字根，需要造字者分別為528 + 180 = 708個。若採用其他字集拆解，如五大碼13051字，部件個數或有增減，字根個數應無多大變異。

綜合上述，內碼空間的分配可建議如表格四：

使用區	類別	使用序號	字數	保留序號	字數	合計
	漢字			1-4000	4000	4000
	流水號	4001-4100	100			100
公用區	轉寫字母	4101-4132	32			32
	其他符號			4133-4200	68	68
	字根與部件	4201-4908	708	4909-5200	292	1000
專屬區				5201-5809	609	609
合計			840		4969	5809

表格四：內碼空間的分配

至於公用區的字形可依筆畫排序，各筆畫所佔的內碼空間可依其頻率作分配。表格五係參考大學字典[五]所作的頻次統計，總字數為10659。其中頻次係指該筆畫於字典中的字數，序號及字數則指預留的造字空間序號及字數。

表格五所建議的使用序號實可作較靈活的運用。例如十畫使用的序號若為929-1240，編碼時可由(929+1240) /2=1085開始，依次為1085, 1084, 1086, 1083, 1087,……，也就是由中間往上下兩端擴編，如此或可彌補統計上的偏差。

筆畫	頻次	頻率(%)	使用序號	字數	筆畫	頻次	頻率(%)	使用序號	字數
1-3	129	1.21	1-48	48	14	801	7.51	2249-2548	300
4	141	1.32	49-101	53	15	832	7.81	2549-2860	312
5	186	1.75	102-171	70	16	663	6.22	2861-3109	249
6	257	2.41	172-267	96	17	571	5.36	3110-3323	214
7	425	3.99	268-426	159	18	434	4.07	3324-3486	163
8	640	6.00	427-666	240	19	367	3.44	3487-3624	138
9	697	6.54	667-928	262	20	276	2.58	3625-3728	104
10	832	7.81	929-1240	312	21	221	2.07	3729-3811	83
11	884	8.30	1241-1572	332	22	164	1.54	3812-3873	62
12	892	8.37	1573-1907	335	23	125	1.17	3874-3920	47
13	910	8.54	1908-2248	341	>23	212	1.99	3921-4000	80

伍、點陣字形與縮放字形

不論是倚天或是中文視窗，皆使用點陣字及縮放字。倚天使用的點陣字為16x15、24x24，而中文視窗則為16x16、20x20、24x24：至於縮放字或採部件組合，或描其外框。

筆者於八十四年八月底於中文視窗3.1上發展一個點陣字轉換程式，可取出倚天或中文視窗24x24點陣造字檔中任一個內碼的字形，再將其存到另一個造字檔中。如此，不但可利用現存的造字檔；新字亦可獨立造字，最後再予合併。此程式將會改進到也能夠轉換20x20及16x16點陣字。以下則提供一些造字的經驗供大家參考：

倚天和中文視窗的造字雖然都是明體，但是粗細不一，部分字根的字樣也不太相同，若考慮字形的一致性，應該各自造字，字形不要互用。
倚天16x15字形雖然可由24x24字形轉換而得，然而並不美觀，還得作人工修飾。16x15字形，事實上只是16x14，最後一列通常為空白。
中文視窗16x16、20x20、24x24字形造字時，雖然也可互相轉換，但是人工修飾仍然無法避免。這三種字形上面及左邊第一列通常為空白，所以字形大小實際上為15x15、19x19、23x23。
部件檢索系統可用來輔助造字。例如要造「者∞見」字時，可用部件「者」檢索出「都」、「堵」、「渚」、「緒」……等，部件「見」則可檢索出「峴」、「現」、「規」、「視」……等，此時可挑取「都」、「峴」兩字或其他兩字來組合「者∞見」。

縮放字的造字遠較點陣字專業，市面上雖也有造字工具，但若要兼顧美觀、多樣化(各種字體)及一致性，可能還是要借助於造字廠商。至於廠商造字的費用，以華康公司為例，其報價如下：

開發費用：NT$120元(含稅)／每個字／單一字體(如細明體)
授權費用：NT$180元(含稅)／每台PC

陸、工作的分配

依據八十四年九月二十六日的「佛學文獻造字」會議結論，為了使佛學文獻造字日後能統一規畫，會中成立「技術委員會」及「管理委員會」，其中管理委員會負責收集已經自行造字的檔案，再交由技術委員會統一整合，免費提供給各界使用。目前再將工作細分如下：

一、各單位輸入佛典時，若是發現缺字，可參考附錄三的表格，先行記錄該字的筆畫、注音、出處等資料，再用郵寄、傳真或電子郵件將這些資料轉寄到臺大佛研中心。佛研中心聯絡方式如下：

聯絡電話：（02）3630231轉3414（02）3639029
傳真：（02）3639029
電子郵件：cbs@ccms.ntu.edu.tw

二、臺大佛研中心將資料彙整後，再轉傳到中研院資訊所文獻處理實驗室。本實驗室聯絡方式如下：

聯絡電話：（02）7899751 (分機 1465)（02）7825472
傳真：（02）7824814
電子郵件：derming@gate.sinica.edu.tw

三、文獻處理實驗室則進行下列工作；

首先確認這些缺字並不收錄在五大碼字集中，其次判斷目前的造字集裡是否已經收錄，若確認需要造字，則根據其筆畫數編碼。
造字及加入倉頡、注音等輸入法。
更新部件檢索系統。
將新版的造字檔(倚天16x15、24x24，中文視窗16x16、20x20、24x24 共五個)、輸入法檔案(倚天及中文視窗注音、倉頡共四個)、部件檢索系統資料庫檔案(資料檔及索引檔共兩個)轉傳到臺大佛研中心。

四、臺大佛研中心再將這些檔案分送到各單位。

柒、結語

由於五大碼字數不足及造字空間有限，對於電字佛典的輸入及流通造成相當大的困擾，希望藉由共用造字集的規畫，能稍緩電字佛典缺字之苦。這次規畫的造字集中，漢字佔了四千字，字根與部件則有一千字。在造字初期，漢字將以佛經中非咒語用字為主，希望能夠滿足大多數使用者的需求。至於字根與部件，除了作部件檢索外，還可以利用字根式來表達新字，這對於面臨缺字，又急著流通的文件，或有少許幫助。

這次造字集的規畫，雖然是針對五大碼，但在內碼空間的分配上，事實上是直接採用序號，而非內碼；所以其應用並不只限於五大碼，若採取其他的內碼，仍可作類似的規畫。

佛典共用造字集，原本就是為了電子佛典的流通而規畫，期望這個造字集能真正為各單位所共用。在此也祈盼諸位法師、大德能夠不吝指正，以使規畫上的疏失能減低到最少。

參考文獻

『中文字形資料庫的設計與應用』(謝清俊、莊德明、張翠玲、許婉蓉，1995年4月)
『倚天中文系統使用手冊』(倚天資訊股份有限公司，1992年10月二十版)
『倚天中文系統技術手冊』(倚天資訊股份有限公司，1991年元月初版)
『中央研究院古籍全文資料庫的發展概要』(謝清俊、林晰，1995年7月)
『大學字典』(中國文化大學出版部，1987年二版)