IT中文環境的血淚史(3)中文輸入與造字

以前我的美國籍英文老師看到我輸入中文時，都嘖嘖稱奇。中文字有上萬個，但鍵盤只有約100顆按鍵，對於許多不知道何謂IME軟體（讓使用者不安裝中文輸入法，也能使用簡單的拼音輸入法輸入中文）的西方人來說，如何輸入中文字，一直是一個神秘難解的謎團。

中文輸入
想輸入CJK（中日韓）文字，必須利用IME進行字的組合。常見的輸入法包括鍵盤、手寫、語音。微軟的鍵盤輸入法越來越好，我個人認為微軟新注音輸入法的品質，已經比一家號稱「自然就是美」的輸入法更好用了（至少新注音的錯字比較少）。我認為微軟語音輸入法的品質也快要趕上IBM，手寫輸入法的辨識率也相當高。經過數十年來的研發，中文輸入法已經不再是個問題了。

甚至再這樣發展下去，中文的語音輸入法或許可以超越英文的語音輸入法，中文語音的辨識應該比英文更容易，因為除了「兒化音」之外，中文幾乎都是一個字一個音節，而英文字，連斷字都會有問題，例如「I Scream」和「Ice Cream」的發音是一樣的。雖然現在的中文語音輸入法已經算很實用。但是，對於大量輸入文字的作家以及上班族來說，還是打字比較實際。我曾經在翻譯一本書的期間，使用語音輸入法，當時我每天喋喋不休，嘴巴很痠，喉嚨很渴，這些是我事先沒預料到的，我認為語音輸入法廠商應該要在產品上加註警語，提醒消費者長時間使用，可能有口渴、嘴痠的症狀。於是，沒多久，我又走回鍵盤輸入的老路。

至於手寫輸入，速度太慢，恐怕只有在掌上裝置等不方便使用鍵盤的地方，才適合將就著用。以上一期提到的「龘」（三個龍）這個字來說，筆畫是48畫，假設寫3筆畫需要1秒，那麼寫出這個字就需要16秒，加上寫完後停頓讓電腦辨識的時間，我們需要18秒才能輸入這個字。如果是講話連珠砲似的張小燕來用語音輸入法，或者像莫札特這種手指頭特別靈活的神童用鍵盤輸入法，恐怕18秒已經足以讓他們寫出一篇作文了。

IME，是CJK（中日韓）文字獨有的特色，但是很少有程式會好好使用它。有的時候，你不希望IME出現的時候，IME卻一直跳出來干擾你。如果你是軟體開發者，我建議你可以去看看IME相關的API，Flex和.NET都有這樣的API，如果這些API沒有你要的功能，你可以直接呼叫Win32的IME相關API。最近Windows平臺開始提供整合各種輸入介面的API：Text Service Framework，也值得參考。

中文造字
有許多怪異的中文字，只會出現在人的名字中。而且很可能造了這個字，就只給某一個人用，只要這個人一掛掉，這個字就沒有人用了。武則天就創立了不少怪字，其中最有名的是「曌」（上「明」下「空」），人家是女皇帝，我們拿她沒輒，只好眼睜睜地看她胡搞。如果武則天生長於現代，我會幫武姑娘寫推薦信，請她到Unicode.org上班，一方面可以借重她的長才，二方面可以讓Unicode.org的老闆叫她收斂一點。

為什麼名字中會出現這麼多的怪字，那是因為中國人是很迷信的民族，連名字都是迷信的一環。孩子出生了，為了他的命運著想，會去找大師命名，大師說：「這個孩子的生肖和出生時辰缺『龍』，所以名字中要多寫幾個『龍』；天格和地格的筆畫加總必須為質數，長大以後才能成為傑出的科學家。」然後這個大師會在紅紙上用毛筆寫一個名字給你，很可能名字中的字是不存在的，新的字就被創立了。早期沒有電腦化，所以姓名的登記都是用書寫的方式，所以隨便創造的字，也可以在戶政事務所登記成功。

Unicode有大量奇特的中文字，我常常懷疑，這些字的使用頻率，一年有沒有到達一次。但是這些奇特的字，有些是古書上的字，不見得沒有存在的必要。幸好Unicode有組字功能，例如，假設武姑娘想建立「曌」這個字，但是Unicode不存在這個字，她不用跺腳插腰發姑娘脾氣，可以直接用三個Unicode的code point來表示「曌」，第一個code point表示「這個字是由上下兩個部分所組成」，第二個code point表示「上面部分是明」，第三個code point表示「下面部分是空」。這種造字方式可以套疊（nested），所以可以造出相當複雜的字。

但是先別興奮，「中文組字」雖然是Unicode的標準，但目前Windows不支援，所以你無法在Windows上面看到自己造出來的字。（但是我最近用REBOL寫的程式不使用OS的文字輸出，而是用自己的文字輸出引擎，有支援中文組字。）

蔡學鏞－專職作家
清華大學資訊工程碩士，曾任華碩集團軟體工程師、元智大學資訊系講師、美商歐萊禮出版社技術編輯、臺灣微軟特約專欄作家。