由PC—1500汉字系统H试论中文计算机

张时钊

　　1.PC—1500汉字系统H的特点

　　1984年8月，我首次得到袖珍计算机PC—1500，20天后即完成第一个无字库的汉字系统。到12月经修改定名为汉字系统H，并开始推广到全国许多省市。因为我原未接触过微机，也没有中文信息处理的技术资料，现在看来该系统尚有许多明显的缺点，如字元的选取和在键盘上的分布不尽合理，没有用机器语言，故打印速度慢，一分钟仅10—15个汉字。但是却意外的得到用户的好评。现在看来主要有两大特点：

　　1），无字库，内存开销少，而能处理的汉字数几乎无限。PC—1500汉字系统H 选用239个字元（字根），每个键分配4个；每个字元要用两套数据，一套是打印用的，另一套则供屏幕显示，共耗内存4.5K。再加上3.4K Basic程序，进行输出方式控制（显示，打印，打印方向，汉字大小）、编辑，及由这些字元组成几乎所有的汉字，包括繁体字，冷僻字，怪字，自造字。

　　2），易学习，记忆量少。因为每个汉字是由字元（设有省略的或两义的）拼形而成，而全部字元都标在键盘上，且用不同的颜色指明每个字元是属于上下，左右，还是嵌套结构。所以，几乎与大键盘一样，不要记什么规则，而熟识二百多个字元的分布，显然比由成千上万个汉字组成的大键盘容易多了。按住每一个字元键时，将有四个不同的字元周而复始地显示在光标位置上，需要那一个，只要停在哪个上，所以这小键盘却实现了中键盘的功能。字元多即码元多，个别字的码长较长，但是常用汉字的平均码长3.5左右，不必进行内码转换，即键码直接作传输码、存储码用。实际上字元数再可压缩1/2—1/3，两套数据可省去一套，程序模块改用机器码写，则内存开销可压缩4—5K，打印速度可接近打印ASCII字符的速度，还容易改用针打。除了一个不能克服的缺点－－由于显示屏幕大小仅156*7点，不能显示整个汉字，只能显示其字元组成外，这巴掌大的袖珍机，已改造为中文计算机了。

2.中文计算计应是什么样的？

　微机的价格不断下跌，内存日益增大，现在都很容易配上汉字系统，可以处理中文信息了。但似乎只把那些配有汉字操作系统，使用中文高级语言的微机叫做中文计算机。实际上，它们都只不过用西文计算机来处理中文，而且要额外占用50—100K以上的内存或另加一个硬件汉卡，其价值已相当于一台低一级的微机。当然，对于计算机本身，都是用二进制（16进制）代码处理的，在硬件上本不分中文、西文的。只因该项技术从西方传入，只要1K左右的内存储存30—60个字母字形即可处理所有西文。所以我国的计算机都是以西文软件为基础的，处理中文的能力是以后扩展的，都不能称作中文计算机。确实，现在所谓的中文计算机都首先可以处理西文，没有也不会有人去设计制造专门处理中文而不能处理西文的计算机。众所周知，所有中文打字机都可打印西文，但却有充分权利享用“中文打字机”这个专有名词，因为其构造和性能完全不同于西文打字机。可能由于中文打字机笨重，打字员的训练较难，可能由于出现西文计算机后很长一段时间内还难以处理中文信息，才使人错误的认为方块字将影响我国科技文化的飞跃，这曾成为改革汉字为拼音新文字的理由之一。但是，现在已有人，甚至连外国人（英国李约瑟）都认为，汉字在许多方面都优于拼音文字。另外，近十年来400多种汉字系统的实践表明，除了汉字数量繁多需要很大的存储体来建立汉字库外，因为每个汉字的信息量大，在键入和传输速度，存储和处理效率上甚至优于西文。现在从PC—1500汉字系统H的实践看，可以不要汉字库，只要字元库，而该字元库的内存开销可压缩到西文计算机的“字母库”（即软件中的字母字形数据表）的3—5倍，不但有必要，也已有可能来探讨和设计制造以中文为基础的真正的中文计算机了。

　　３．中、西文的比较

　　为此，我们且从计算机技术的角度来比较一下中、西文。下表中，我们把由文字的元素（字母或字元）构成句子的过程分成0、1、2、3等4级来考察。所谓“无显界”是指：由2个以上的该级个体组成下一级个体时，不能明显地一一分开。例如：划分一个西文词的音节，把一个汉字拆分为字元，都必须有一定程度的该种语言文字知识，有时拆分结果还会因人而异，颇有争论，所以我们称汉字字元和西文音节为无显界，即不易为计算机处理规定一个明确的区分标志。

文种	第 0 级（元素）	第 1 级	第 2 级	第 3 级
西文(拼音)	音素：与形素（字母）一一对应，数目少，包括小写30—60左右，有显界	音节：无显界	词：有显界	句
中文 (拼形)	形素（字元）：与音素非一一对应, 数目多、约100—600个，无显界	字：有显界	词：无显界	句

由上表可见，西文的元素（字母）少，音素与形素一一对应，所以已会该种语言的人开始学习读写较容易，计算机处理技术亦较简单，用小建盘可盲打。但由于元素少，每个字母所含信息量亦少，所以输入一定内容的击键次数多，占内存大，处理、传输均较费时，就是手写、目阅的速度也受限制（字母的线性排列是限制原因之一）。中文则适相反，字元数多，非线性排列拼字，每个字元的信息量大，开始学习时要多花工夫，学会后手写、目阅均较快，受益终生；计算机软硬件稍复杂，但键入、传输、处理的速度快，占内存小，（这里不是指字库，也不是字库支持下的编码方法，因为西文也可采用此法建立词库来提高效率的）。

　　中文信息化比西文困难的原因也在上表中揭示出来了。其中词的无显界仅影响机器理解中文，暂不讨论。剩下的只有二条：字元个数多，字元间无显界及非线性结构。

　　四、汉字的拆分和结构

1）、汉字的拆分与字元集：汉字的拆分尚无公认的标准，字元集有大至500—600个元素的，也有在200个以下的。PC—1500汉字系统H选用239个字元，这是由以下两点决定的：首先，为了从充分利用一个字节的信息量，字元数在加上必须的结构符、标志码，应接近256，其次，该机共65个键，除去ENTER、OR及最底限度所必须的2个功能键外，还有61个键，每键分配3个字元，字元数仅180个左右，不能充分利用每一字节的信息量，今每键管4个字元，共244个（包括结构符），冗余的12个状态中，取一个充作区别中英文的标志符。实际上字元数和结构符还可以压缩。曾在苹果机上实验，只选用181个字元，加上64个AscII字符及结构符等，凑足256。这样就不需要区别中英文代码的标志码，使用户存储区的效率进一步提高了，唯一不能使用小写字母。字元数还可以进一步压缩，这虽会使个别汉字的码长增加，但对平均码长影响不大。最好的方案可能是，采用160左右的字元，4—5个结构符、52个大、小写字母及40个左右其他符号，凑足256。这时，汉字字元数仅为英文字母数的3倍。字元数据不采用点阵式，而采用笔划式（即只存储每笔的起止及转折点数据），既便于放大缩小，又可节省内存，字元库的内存开销就与现时西文计算机字母库的开销差不多了，就可设计制造出以汉字为基础，即中文为主，西文为辅的中文计算机了。

张时钊２００１年１０月

通信地址：陕西省气象局邮编：710015

电子信箱：mzsgls@263.net

mzsgls@pub.xaonline.com