2023年10月11日 星期三

漢字使用環境的建置 —— 部件檢索重要更新暨 Unicode 15.1 全宋體更新

全新的嘗試

「部件檢索」發布於 2015 年,八年來一直穩定地擔負著檢索「難檢漢字」的工作。期間歷經多次的擴編漢字,由最早的七萬多漢字到現在的近二十萬。也做了一些小改進,但整體的運作方式基本上並未改變。這一次的改版,我大膽嘗試了一項新的——「異體檢字」功能,讓「部件檢字」與「異體檢字」得以混合使用、相互支援,這讓檢字的操作能夠更加地靈活、方便,堪稱是一項突破性的創舉。

2023年6月30日 星期五

漢字使用環境的建置 —— 小學堂字頭全宋體更新

☆ 2023/10/13 《漢字構形資料庫》字典累積修正更新,原連結請重新下載。

漢字構形資料庫

漢字構形資料庫」是早年由中央研究院與幾個學術研究單位共同研發的一個大型漢字檢字系統。當時的時空背景仍是 BIG-5 碼的年代,於是設計者利用有限的使用者造字區,分做十三個外字集,把九萬多個漢字塞入這些外字集中。後來由於  Unicode  標準的興起,「漢字構形資料庫」所定義的「構字式」、外字集遂逐漸失去主導地位,於是官方在 2013  年宣佈停止更新,重點轉移至線上的「小學堂文字學資料庫」。我所製作的「部件檢索」,很多數據與理念便是承襲自「漢字構形資料庫」。以今日的觀點來看,要使用者安裝十三個編碼重疊的字型並藉助間接的「構字式」來對應,確實是難以使用,但任這些曾經的寶貴漢字資源,逐漸湮沒在荒煙蔓草之中,實在可惜。於是我又拉了 suns99 兄,開始了一段大規模的「搶救之旅」。

2023年2月22日 星期三

《說文解字》字典及全宋體更新

☆ 2023/10/13 累積修正更新,原連結請重新下載。

這部《說文解字》字典,自初始製作開始到今天,一晃眼居然已經快滿十個年頭。自己從中實在獲益不少,習得了不少相關知識,尤其是改版到大、小徐與段注的三合一版之後,更是確立了這部字典的布局、體例,實是深度學習《說文》的稱手工具。三合一版的意義在於橫向的關照,讓三家的短長在對照中益加清晰,這是這部《說文》字典的重點價值。不過個人的能力與時間終究有限,許多已知的缺點也只能邊用邊改,無法一次性地全面修訂。

2022年12月30日 星期五

漢字使用環境的建置 —— 中醫藥用字全宋體更新

☆ 2023/10/11 更新,詳情請見 漢字使用環境的建置 —— 部件檢索重要更新暨 Unicode 15.1 全宋體更新

中醫藥特用漢字

偶然的機會裏,在衛福部的網站上發現一個 94 年版「中醫藥造字檔」。這是個很舊的文件,利用早期 Windows 下的造字程式,於使用者造字區創建一些中醫藥領域的特用漢字。在使用 BIG-5 內碼的年代,這是補充缺字的常見做法。不過時至今日,已經很少人會用這種方法,這些曾經的漢字資源,遂逐漸湮沒在荒煙蔓草之中。根據文件所附的說明,這個造字檔是由中醫藥委員會歷年來統一造字 1605 個,再配合簡體版「中華醫典」的造字檔繼續增修,合計共造 4025 字。「中華醫典」涵蓋典籍七百餘部(最新版本已經超過千部),其造字檔相當於數千年來重要中醫藥典籍中罕用字之匯總,任其荒蕪實在可惜。於是我與 suns99 兄又開始了一段小規模的「搶救之旅」。

2022年9月19日 星期一

漢字使用環境的建置 —— Unicode 15 全宋體更新

擴展 H 區

九月十四日,Unicode 官方一如預告,發布了最新的 Unicode 15.0 版,等待多時的擴展 H 區四千多個漢字終於到來。基於以往的經驗,九月初我就開始偷跑,投入了新增漢字的整理工作。9月5日完成了 4193 個新增字形(C區 1 字、H區 4192 字),9月6日完成了部件檢索的 H 區支援,然後與 suns99 兄就雙雙投入了補充字對 H 區字的遷碼整理。這次 Unicode 15.0 除了增添了新字之外,也改動了一些舊字的字形,例如 U+22ACF 的「𢫏」字,從「⿰扌⿱冂山」改成了「⿰扌⿱冖山」。另外也把一些兼容字扶正,重新編碼收入了 H 區之中,例如「𢛔」、「甾」、「緇」,這些都需要進行調整、處理。

2022年6月10日 星期五

漢字使用環境的建置 ——十八萬漢字初稿登場

去年底我與 suns99 兄初步完成了《教育部異體字字典》宋體字頭的清理工作後(尚有 13830 個手寫字形待清理),本來打算休息一年,先把工作重點放在拆分數據的完善上。結果阿文兄硬是不讓我休息,跳出來說要幫忙清理手寫字形的部份,呵呵!計畫趕不上變化,於是只好牙根一咬繼續拼下去了。在經過波波折折、兩度重新編碼後,終於在半年後完成了全部的清理工作,共新增 8289 個手寫字形至字庫,《教育部異體字字典》的所有字頭全數「文字化」。至此「全宋體」這個大型字庫,收字正式突破了十八萬漢字,涵蓋了四大字典(《漢字海》、《教育部異體字字典》、《中華字海》、《漢語大字典》)的所有字頭,應該足供專業等級的漢字應用。

2022年4月8日 星期五

《本草綱目》辭典

☆ 2023/10/13 累積訂正更新,原連結請重新下載。

《本草綱目》是一部集醫藥、本草大成的著作,由明代李時珍費時二十七年,歷經三次改寫而成。萬曆六年(1578年)定稿,卻苦無書商願意承印,又歷十二年,才獲南京藏書家兼出版商胡承龍的贊助,於萬曆二十三年(1596年)正式在南京刊行。然而,李時珍在獲得贊助後,未及三年便撒手人寰,終究未能看到自己的著作問世。

《本草綱目》雖然不是字書,但算得上是中國古代一部劃時代的醫藥類百科全書,影響後世至深且鉅。清代著名的《康熙字典》,引用《本草》相關的引文就有五百多處。時至今日,我們還能經常在廣告文案上看到:「《本草綱目》有記載,……。」云云,讓人倍感親切、信賴。《本草》其實早已內化到每一個華人的骨子裡,是生活上、文化上無法切割的一部分。

2022年3月17日 星期四

《說文解字》字典更新

☆ 2023/10/13 累積訂正更新,原連結請重新下載。

我製作的《說文解字》字典,自發布以來受到許多朋友的肯定。我十分高興,高興的並不全是因為受到讚美,而是代表我製作的《說文解字》字典對很多人來說是「有用的」,這也是我製作這字典的初心——除了自己可以使用之外,我希望能幫助更多的從事研究或閱讀的人們。距離上次發布,也已經是三年前的事。三年來,我還是有做了一些小幅度的修訂,只是忙於漢字的整理,一直沒心思撰文把這些更新發布出來。現下剛好有點空檔,於是趕快把這些更新發布出來,省得始終費心記掛。

2021年12月29日 星期三

《教育部異體字索引字典》

☆ 2023/10/13 累積訂正更新,原連結請重新下載。

四年前,我從官網擷取了《教育部異體字字典》的相關資料,製作了一部離線字典方便自己閱讀時查閱。《異體字字典》共收漢字十萬六千餘個,大部分以圖片呈現,當時我還原了三萬多個圖片字頭,加上原本的兩萬個文字字頭,可以檢索的字頭約有五萬多個,仍有約五萬個圖片字頭無法檢索。這些年來,每每在古籍中遇到一些「奇形怪狀」的俗體字,查《異體字字典》經常能查到,但是圖片字無法直接複製取用,無法用來數位化這些古籍中的字,只能徒呼負負。所以我一直想方設法要將這些圖片字還原成純文字,只是數量龐大,也只能少量地一點一點還原。

2021年12月28日 星期二

漢字使用環境的建置 ——十七萬漢字初稿登場

☆ 2023/10/11 更新,詳情請見 漢字使用環境的建置 —— 部件檢索重要更新暨 Unicode 15.1 全宋體更新

七月初我與 suns99 兄完成了《中華字海》字頭的清理工作後,略事休息,接著又投入了《教育部異體字字典》的字頭清理工作。由於《教育部異體字字典》的字頭清理工作難度更高,我估計憑我二人之力難以在短時間完成,於是便在7月19日去函《教育部異體字字典》的維護單位——國教院,申請《異體字字典》字頭的構形數據。7月30日收到回函,國教院同意提供《異體字字典》字頭的構形數據供我整理之用,實際收到數據已是在10月15日。與此同時,我將尚未還原的《異體字字典》字頭摘錄出來做成工作檔(先前已斷續整理還原了六萬多字,再扣除掉 13830 個手寫字形後,還有 35046 字待清理),每五千字一包,切分成七個包,suns99 兄用倉頡輸入法逐字核對清理(每包平均約花兩週時間,平均還原率略低於 50%),每完成一包發回給我,我再針對可還原的字頭覆核一遍,確保還原的正確性。花了三個月的時間,十月中完成了初步的清理工作。經過統計,利用既有全宋體字庫可檢索的字頭計有 73803 字,需新增至字庫的未收字頭共有 18366 字。然後我將國教院提供的構形數據略事整理,吻合進我的字表,最後提取 18366 個未收字頭數據,加進「部件檢索」裡,至此「全宋體」這個大型字庫,收字正式突破了十七萬漢字,應該足供大多數的漢字應用。