專利名稱:在計算機(jī)內(nèi)采用無標(biāo)志的漢字機(jī)內(nèi)碼時防止錯譯而便利用戶的方法
在使用英文計算機(jī)處理漢字的工作中，經(jīng)常遇到原計算機(jī)的軟件或硬件對輸入字符有限制的問題。例如PDP-11機(jī)的屏幕編輯程序，和Solar機(jī)的所有軟件和硬件，都不允許字節(jié)的最高位為1;Cyber機(jī)則連小寫字母都不行。此外，幾乎所有的程序語言對其標(biāo)識符(包括變量名、子程序名、語句標(biāo)志等)的構(gòu)成都有更為嚴(yán)格的規(guī)定。因此，當(dāng)用漢字的國標(biāo)碼(GB2312)來代表漢字進(jìn)入主機(jī)時，往往不能被接受。解決此問題的途徑通常有二一是修改主機(jī)的系統(tǒng)軟件。對于微型機(jī)可以這么做，但對稍大規(guī)模的系統(tǒng)軟件、修改就有困難，甚至不可能。在此情況下，就得采取另一途徑，就是改變機(jī)內(nèi)碼的形式，使其能為主機(jī)所接受。
這種經(jīng)改變而能為多數(shù)計算機(jī)接受的漢字內(nèi)碼大多只用大寫字母或數(shù)字組成。由于允許使用的字符數(shù)少，組成的漢字機(jī)內(nèi)碼都不免偏長(有達(dá)4個甚至6個字節(jié)者)，而且必需使用指定的符號(區(qū)分符)加在漢字字串的開始和結(jié)束，或加在每個漢字代碼的起頭，以免與英文相混。在漢字字串的前后加區(qū)分符(如同括號)，對于字串的分解、聯(lián)結(jié)，或插入、刪改等操作是不利的。然而，在每一個漢字代碼的前面都加區(qū)分符就更增加了代碼的長度，對系統(tǒng)資源的利用更為不利。此外，所選區(qū)分符如在大寫字母與數(shù)字以外，也可能正恰是主機(jī)不能接受的;如徑用大寫字母或數(shù)字做區(qū)別符，則造成問題更多。
82年秋，北京大學(xué)毛德行在中文信息研究會于承德召開的漢字系統(tǒng)學(xué)術(shù)會議上提出一個大膽的根本不用區(qū)分符的方法-通過折算使國標(biāo)碼變?yōu)槿齻€英文大寫字母，如與COBOL的保留字有沖突，則順推作些修正;漢字串代碼的字符數(shù)必需是三的整倍數(shù)，不得與其他英文或數(shù)字串相連(詳見毛德行“中文信息與COBOL語言的聯(lián)接”，上述會議論文)。這個方法的明顯特點是突破了一向認(rèn)為必需區(qū)分符的框框，但其實際辦法卻有缺點，最主要的是①要為每一種語言都編制一個不同的修正表，同一漢字經(jīng)由不同的語言，產(chǎn)生的機(jī)內(nèi)碼將不相同。②用戶如需輸入英文字串，必需提防哪些英文是有可能被誤譯成漢字的，例如，僅對國標(biāo)CB2312的區(qū)號1及2共188個漢字的范圍，就有g(shù)ib，gig，gigmanity…giving…GMT，gnomon，gnomon-ics…god，…got…GPU(按《新英漢詞典》)共54個字或縮寫可能被誤譯。要求用戶避免使用正常的英文，必然會遭到強(qiáng)烈的反對。
本人鑒于毛德行方法的優(yōu)點和缺點，進(jìn)一步研究出一個新的方法，就是把三個字母中的第二字母換成數(shù)字，就可避免上述兩個缺點。1983年5月本人送交中國科學(xué)院的科學(xué)基金申請書(課題名為《全兼容硬拷貝漢字終端和廉價漢字電傳的原理試驗》)中述及的G9A碼，是本人提出新方法的最早書面見證。因為當(dāng)時我國沒有專利法可予保護(hù)，所以后來陸續(xù)有些單位已使用了相似的方法。例如84年福建計算機(jī)研究所宣布研制成漢字終端和個人計算機(jī)，其中所用漢字代碼的第一字節(jié)是G～Z，第二字節(jié)是數(shù)字，第三字節(jié)則是數(shù)字或字母均可。此法與本人的G9A碼相似。(該法已用于批量生產(chǎn)，投放市場，故已失去新穎性)期刊《微型電腦》1984年第3期上也刊登了湖南大學(xué)周有文的文章《具有最短長度的漢字西化碼》、所謂“漢字西化碼”，除第一字節(jié)是A～Z外，其余兩字節(jié)和福建計算機(jī)研究所完全相同。
上述福建與湖南兩種做法，都是在第三字節(jié)上允許使用數(shù)字。這造成漢字與英數(shù)字串混淆的可能性極大。例如在計算機(jī)程序中，象K23，L12這樣的標(biāo)識符是很常用的;微機(jī)芯片Z80極普遍;電路元器件R12，U23，則更多見。如把這樣的英數(shù)字串輸入計算機(jī)，按上述兩做法，都將被錯譯成漢字。為了防止被錯譯，用戶必需謹(jǐn)慎提防并避免使用常見形式的英數(shù)字串，這是不受歡迎的。
本說明書下面所述的方法，可使用戶在輸入通常一般的英數(shù)字串時都不必小心提防或避免什么。
一般地說，因為在英文中(隨之在各高級語言的保留字中)有大量的冗余度(redundency)，故可推斷，要找到一種不與任何保留字發(fā)生沖突的漢字代碼形式是可能的。例如，不用A，E，I、O、U、Y六個母音字母，只用其余20個子音字母來組成漢字代碼(三位共8000個組合)，就不可能與任何保留字沖突。(按毛德行的原意，只求與COBOL的保留字不沖突)。但在實際中，除高級語言外，還時常要用到匯編語言(需用到助記符如JMP，HLT等)，在用戶輸入的字符串?dāng)?shù)據(jù)中還?？赡軍A有英文縮寫(如BCD，TTL等)，這就使問題棘手起來。
經(jīng)調(diào)查后發(fā)現(xiàn)，一般匯編語言的助記符(mnemonics)都不帶數(shù)字。因此在漢字代碼中夾用數(shù)字可避免相混。但又因此可能與16進(jìn)制數(shù)相混，所以又需對字母作些限制，即需在某一位上避免使用A～F，共有以下六種代碼形式可供選用GA9、AG9、GG9、G9A、A9G及G99-其中A代表字母A～Z，G代表G～Z，9則代表數(shù)字0～9。這6種形式都能避免與一般計算機(jī)系統(tǒng)里的高級語言保留字、匯編助記符、或16進(jìn)制數(shù)相混，但不能保證與用戶可能輸入的各種英數(shù)字串相混。
如果用戶輸入的只是英文單字(詞)，則因漢字代碼中必有數(shù)字而自然區(qū)分。問題是用戶經(jīng)常要使用帶數(shù)字的英文標(biāo)識符(包括變量名)如STRING2、LOOP3等，這就不宜使用GA9，AG9、或GG9形式的代碼。此外，用戶很可能要輸入各種產(chǎn)品型號(如C-5A銀河式飛機(jī)，PC-100C熱印機(jī))，醫(yī)學(xué)代號(如白細(xì)胞血型HLA-B15，大腸桿菌K12株)，幾何說明(如直線A1C1、角BOC)，線路元件號(如集成電路U23，電阻R12，插口J2)，甚至如照象機(jī)光圈大小必需說是F8～F11等等。這些都有可能與所述漢字代碼相混。實際中以各種產(chǎn)品型號較常見。下表為上述幾種代碼正恰被各種型號含納的統(tǒng)計
由此可見，只有A9G形式的代碼與各種型號發(fā)生混淆的可能最小，所以只應(yīng)該采用A9G碼或其字集。(在本人實際研制的設(shè)備中用的是A9I碼，I＝I～Z)。但因仍不能完全避免混淆，所以還需另設(shè)制約。在前述毛德行的辦法中，要求漢字串的代碼長度必需是三的整倍數(shù)。那一制約所起的作用是很弱的，因為有很多英文字串正恰是三的倍數(shù)。這里提出的極為有效的方法是采用如下的約定①漢字與數(shù)字可以任意連接(指在漢字碼與相連數(shù)字之間無需間隔)。因而連成“漢字?jǐn)?shù)字串”的長度不拘;漢字與一般英數(shù)字串也可隨意連結(jié)(除下述例外)，因而連成“漢字英數(shù)字串”的長度也不拘。
②在任一“漢字英數(shù)字串”中，除連續(xù)為漢字的情況外，凡遇連續(xù)兩個大寫字母，即認(rèn)為從這兩個字母開始，以后均為英數(shù)字，直到遇到非大寫字母并且非數(shù)字為止。
按此約定，非但上述表中A9G碼尚存混淆已全部排除，而且迄今為止，尚未在任何其他方面發(fā)現(xiàn)有被誤譯可能的實例。(舉例說，曾發(fā)現(xiàn)匯編程序ASM-86中還有FYL2X和FYL2XPI兩個保留字，某一軟件的代號為MZ2Z006E等，都因有上述約定而不致誤譯)。
實際上，按此約定，反而有可能漏譯漢字。例如字串“MX導(dǎo)彈”，如在MX和導(dǎo)彈之間沒有空格，就會把“導(dǎo)彈”的代碼誤作英數(shù)字串而不譯。再如字串“U3芯片”、如在U3和芯片之間沒有空格，也會導(dǎo)致誤譯。這兩種可能發(fā)生的混淆，是可以由機(jī)器程序來自動檢測、自動防止的凡由輸入英數(shù)字態(tài)轉(zhuǎn)入漢字態(tài)時，機(jī)器即自動檢測此前已輸入的英數(shù)字與后隨的漢字代碼有無發(fā)生混淆可能，如有，即自動插入一個空格，(沒有就不插入)。因此，對于用戶來說，就象任意英數(shù)字串都可以和漢字相連一樣，使用時可以完全放心而方便。
為了完善，還應(yīng)讓機(jī)器自動執(zhí)行如下的監(jiān)測。因為，盡管所述漢字代碼按照相應(yīng)的約定與英數(shù)字串發(fā)生混淆的可能性已經(jīng)極小，但仍不能說已絕對不可能。這種極小的但總歸存在的可能也可用自動監(jiān)測的方法來徹底排除。就是讓機(jī)器自動對英數(shù)字狀態(tài)的輸入字符進(jìn)行不斷的監(jiān)測，凡遇形如A9G而在此前沒有連續(xù)兩個大寫字母的，就自動在第三字節(jié)前插入一個短橫(hyphen)。例如輸入“3J5M”會自動成為“3J5-M”。這樣就可100%保證絕不會發(fā)生誤譯的事。
上例3J5M如是產(chǎn)品型號，在插入短橫后，仍只可能被認(rèn)為是型號。然而，如有計算機(jī)操作命令形如A9G，卻是不允許在其中插入短橫的。所幸的是，所有的操作命令在計算機(jī)按命令執(zhí)行之后都自行消失(不進(jìn)入文件)，所以也不存在是否會誤譯的問題。所以當(dāng)編輯、調(diào)試程序時，可以按鍵命令不進(jìn)行監(jiān)測。而當(dāng)連續(xù)輸入大量數(shù)據(jù)時，所述監(jiān)測將可完全防止誤譯。
A9G碼或G9A碼各自可能組合(應(yīng)稱“碼字”codeword)總數(shù)都只有5200個。對于一級字已足夠了，但不足以包括二級字。在A9G和G9A這兩個集之間(即兩者之交)有4000個碼字是相同的。同時用兩個集，而減除重復(fù)部分(用兩者之并)，也只6400個碼字，仍不夠。因此，對于二級字及基本集以外的字，應(yīng)該采用四位碼，其形式為A9GX、G9AX、A9IX，其中X為字母或數(shù)字均可。三位碼與四位碼混用是不會發(fā)生分不開的問題的。例如在本人實際研制的設(shè)備中，凡以A～X開始的都是三位碼，而以Y、Z開始的即認(rèn)為四位碼。因為根據(jù)統(tǒng)計，二級字的總使用率還不到0.2%，所以雖用四位，但與一級字一起實際使用的平均碼長仍低于3.002字節(jié)。由于不需要區(qū)分符，這比一切需用區(qū)分符的方法要短許多。
權(quán)利要求
當(dāng)采用沒有區(qū)分符的漢字機(jī)內(nèi)碼時，采用本方法可使用戶覺察不到系統(tǒng)對于輸入英數(shù)字串的形式有限制，并可保證不會發(fā)生機(jī)器誤譯的事。本方法有如下特征1、限制機(jī)內(nèi)碼的構(gòu)成，除第一位必需為大寫字母、第二位必需為數(shù)字外，在第三位上仍必需為大寫字母，不得用數(shù)字。碼字總數(shù)不夠時，可加用第四位的字母或數(shù)字。2、使用如下的由機(jī)器執(zhí)行的約定除了連續(xù)為漢字，凡遇連續(xù)兩個大寫字母，即認(rèn)為從這兩個字母開始，以后都是英數(shù)字，直到遇見非大寫字母而且非數(shù)字為止。3、采用如下的自動檢測當(dāng)機(jī)器處于輸入英數(shù)字態(tài)時，它將自動對輸入字符進(jìn)行不斷的檢查，凡遇形如規(guī)定的漢字代碼而在此前沒有連續(xù)兩個大寫字母的，就自動在第三個字符之前插入一個短橫;而當(dāng)機(jī)器每次由輸入英數(shù)字態(tài)轉(zhuǎn)為漢字態(tài)時，它也進(jìn)行一次檢查，如此前字符與后隨的漢字代碼相連后有發(fā)生混淆可能，即自動插入一個空格。請求對上述方法給予保護(hù)。
專利摘要
近年來出現(xiàn)了一種完全不需要區(qū)分標(biāo)志(或稱區(qū)分符、引導(dǎo)符)的漢字機(jī)內(nèi)碼。這種機(jī)內(nèi)碼通常由三個大寫字母和數(shù)字組成，其主要優(yōu)點是能適用于任何計算機(jī)，并且可用于程序中的標(biāo)識符(包括變量名)。但有一個缺點用戶在輸入英數(shù)字串時將受到明顯的限制，稍一不慎就被機(jī)器誤譯成漢字。本方法旨在克服這一缺點。在采用本法之后，將使用戶覺察不出有什么限制，而且能保證不會發(fā)生誤譯的事。
文檔編號G06F11/28GK85100956SQ85100956
公開日1986年7月23日 申請日期1985年4月1日
發(fā)明者錢文浩 申請人:中國軟件技術(shù)公司導(dǎo)出引文BiBTeX, EndNote, RefMan