收集字符，“文理”結(jié)合

為滿足文字及其他書(shū)面符號(hào)在計(jì)算機(jī)上的表示、傳輸、存儲(chǔ)等種種要求，需要對(duì)文字和符號(hào)予以編碼，并用符號(hào)的位序?qū)⑺鼈兘M織為一個(gè)字符集。這一編碼字符集，俗稱“字庫(kù)”。簡(jiǎn)單地說(shuō)，“中華字庫(kù)”就是一個(gè)收納了中國(guó)古今的漢字及少數(shù)民族文字形體的龐大編碼字符集。對(duì)于這項(xiàng)國(guó)家重大工程，《國(guó)家“十一五”時(shí)期文化發(fā)展規(guī)劃綱要》作了如下表述：“中華字庫(kù)”工程是要“建立全部漢字及少數(shù)民族文字的編碼和主要字體字符庫(kù)。重點(diǎn)研發(fā)漢字的編碼體系、輸入、輸出、存儲(chǔ)、傳輸以及兼容等關(guān)鍵技術(shù)。”

這一簡(jiǎn)潔表述的背后，其實(shí)包含了很多復(fù)雜的內(nèi)容。張力偉說(shuō)，這項(xiàng)工程不是只簡(jiǎn)單地收集文字進(jìn)行編碼整理。一方面，我們要從數(shù)千年流傳下來(lái)的文字載體中，盡可能全面地搜集匯聚古今各種文字形體，在所出現(xiàn)過(guò)的實(shí)際文本原形圖像的基礎(chǔ)上，確定歷史演變，整理字際關(guān)系等等，對(duì)學(xué)術(shù)質(zhì)量的要求很高。為此，工程聘請(qǐng)中國(guó)文字學(xué)會(huì)第一任會(huì)長(zhǎng)，在文字學(xué)界極具威信的裘錫圭教授擔(dān)任首席專家，會(huì)同文字學(xué)界的許多專家參與研發(fā)；另一方面，這么龐大的整理工作，若像傳統(tǒng)的那樣人工搜集、抄錄，將不可避免地存在人為錯(cuò)誤多、記錄信息量少等問(wèn)題。“中華字庫(kù)”工程將以現(xiàn)代信息技術(shù)作支撐，通過(guò)有效的人機(jī)結(jié)合，讓計(jì)算機(jī)巨大的存儲(chǔ)能力和便捷的檢索類聚能力為文字專家的專業(yè)研究服務(wù)，利用機(jī)器來(lái)放大和倍增專家的工作效力。工程決定由中國(guó)科學(xué)院軟件研究所等軟件研究的精銳部隊(duì)來(lái)承擔(dān)工程的技術(shù)研發(fā)，為工程的開(kāi)展提供技術(shù)支撐。

由此看來(lái)，“中華字庫(kù)”不僅關(guān)乎學(xué)術(shù)，還關(guān)乎技術(shù)，“文理”結(jié)合十分緊密。這項(xiàng)工程是在對(duì)文字學(xué)深入研究的基礎(chǔ)上，研究各種文字收集、篩選、整理、對(duì)比和認(rèn)同的方法與原則；充分利用先進(jìn)的數(shù)字化技術(shù)，開(kāi)發(fā)相應(yīng)的軟件工具，在統(tǒng)一的數(shù)字化平臺(tái)上，建立人—機(jī)結(jié)合的文字收集、整理、篩選、比對(duì)和認(rèn)同的操作與管理流程。中華字庫(kù)工程不僅會(huì)全面收集整理全部漢字、建立漢字的主要字體字符庫(kù)，還會(huì)盡可能全面地收集整理少數(shù)民族文字并為其建立主要字體字符庫(kù)；不僅要提交古今漢字及少數(shù)民族文字的國(guó)家編碼、國(guó)際編碼標(biāo)準(zhǔn)提案，還要為中華字庫(kù)在不同領(lǐng)域的應(yīng)用提供支撐工具與環(huán)境、實(shí)現(xiàn)中華字庫(kù)在互聯(lián)網(wǎng)的在線發(fā)布，并且建成面向用戶的動(dòng)態(tài)補(bǔ)字系統(tǒng)。在數(shù)字化服務(wù)方面，可謂是一應(yīng)俱全。

已有整理，難應(yīng)所需

也許你會(huì)說(shuō)：全面整理文字，有必要么？咱們不是有《漢語(yǔ)大字典》了么？其實(shí)不然。據(jù)了解，1985年開(kāi)始分卷定稿的《漢語(yǔ)大字典》共收列楷書(shū)漢字6萬(wàn)左右，已可以算是中國(guó)漢字的一次全面梳理，亦是當(dāng)時(shí)條件下最優(yōu)秀的漢字科研成果。然而，對(duì)于我國(guó)浩瀚的文獻(xiàn)檔案中的實(shí)際用字，對(duì)于不同時(shí)代不同地域社會(huì)生活中的實(shí)際用字，當(dāng)時(shí)還不具備全面調(diào)查的手段和條件；而且該書(shū)以楷書(shū)文字為主，至于甲骨文、金文、小篆和隸書(shū)等古文字形體，并未全面整理，只在楷書(shū)單字條目下收錄了有代表性的一部分，用以反映形體演變關(guān)系。除了漢字，我國(guó)還有許多少數(shù)民族文字，包括不少海外收藏的少數(shù)民族古文獻(xiàn)文字，沒(méi)有被整理出來(lái)。研發(fā)成功后的中華字庫(kù)，不僅將包括針對(duì)社會(huì)應(yīng)用的實(shí)用楷書(shū)字表，也將形成楷書(shū)總字表，還將有一個(gè)包含古文字的整體的漢字字表，到了最后階段，少數(shù)民族文字也將被整合進(jìn)來(lái)，最終形成一個(gè)完整有序的，有著內(nèi)在聯(lián)系的大型“中華字庫(kù)”文字資源庫(kù)。

與之前已有的文字整理工作相比，“中華字庫(kù)”的優(yōu)勢(shì)還在于，其文字整理將面向出版及網(wǎng)絡(luò)數(shù)字化需求。也許有人會(huì)問(wèn)，咱們的電腦不是已經(jīng)能方便地輸入漢字了么？是，可能你覺(jué)得夠用了，可是像派出所負(fù)責(zé)戶籍管理的警察或者街道辦事處負(fù)責(zé)人口普查的同志等肯定會(huì)給出不一樣的回答。目前，我國(guó)的數(shù)字化建設(shè)正遭遇瓶頸。小到自然資源、地名、人口等清理普查，大至國(guó)家的經(jīng)濟(jì)、地理空間等戰(zhàn)略性、基礎(chǔ)性的信息庫(kù)建設(shè)，還有公安、民政、金融、保險(xiǎn)、海關(guān)、民航等行業(yè)的信息服務(wù)與監(jiān)管存在很大的用字缺口。我國(guó)文字種類繁多且字量龐大，特別是漢字，內(nèi)部關(guān)系又異常復(fù)雜，現(xiàn)有的計(jì)算機(jī)字庫(kù)，無(wú)論是國(guó)家標(biāo)準(zhǔn)還是國(guó)際標(biāo)準(zhǔn)，都存在收字不全、字際關(guān)系不清等問(wèn)題。少數(shù)民族文字缺口更大，除幾種主要少數(shù)民族的文字外，許多甚至還沒(méi)有編碼。這些問(wèn)題都嚴(yán)重影響了國(guó)家數(shù)字化建設(shè)的方方面面，也在直接或間接地影響著人們的生活。建設(shè)“中華字庫(kù)”工程，就是要徹底解決這一瓶頸問(wèn)題，全面推動(dòng)我國(guó)的數(shù)字化建設(shè)。