汉字字典序和自然序检字图.doc

汉字字典序和自然序检字图

早在2009年，我就编出用我的自然序检字图的《自然序汉字字典》但没有出版。2012年，另编一本用此检字法的《草书字典》，自印1000本。除送人和小量集体购买外，在西安市的西仓市集上，一位摆地摊的朋友，一年中竟为我卖了一百多本。说实在，用这检字图查字，我自己也不熟练，真怕别人不会用。后来看来我的顾虑是多余的。现在用手机查生字很方便，但如果手机里没有收这个字，那就没办法了。我就常碰到，尤其古典电视剧里的人名，会遇到这些冷僻字，手机查不到，用我没出版的字典就查到了。所以特别想出版缩排版，以备不时之需。当然也想用它推广我的汉字自然序和检字图，这里综合我过去的有关论述，先介绍一下此法。

无字库

此法来自我对电脑汉字无字库的研究，是该研究的副产品。早在1984年，我在袖珍计算机pc-1500上开发了第一个无字库汉字。这pc-1500实际上是个可编程计算器，可用内存只有18K，我用字根组字的办法，可使用并以它的袖珍打印机输出任意汉字，第二年推广于全国，1986年参加全国计算机展览。当时国内台式机起步不久，开始使用汉卡。可惜我未能继续研究，直到2001年才开设网站研究电脑无字库虽然2003年已能在微机上组出了2万多汉字，并写出《汉字组字机制》等理论文章，但微机使用字库已成定局，个人无法挽回。于是，我把我的研究资料用在汉字排序和检索上，编了《自然序汉字字典》。

字典和字典序

文字是人类用来交流和记录知识的信息符号。学习和使用任何文字，都需要字典。因为随着社会的发展，人类接触的事和物不断增加，作为它们的符号的文字数量很快达到不是一个人所能掌握的程度。这时，看别人写的文章，会碰到不认识的字需要查询，自己写文章也会遇到一时记不起来的字需要查考，于是就产生了专用的工具书——字典。
典，大册也。字典，搜集大量文字而成的备查工具书。大量文字按怎样的次序排列以便于查找，就成为首要的技术问题。拼音文字由少量字母组成，字母已有确定的前后次序，每个字（也就是词）的位置，先按第一字母的次序，再按第二个，这样顺次按各字母的比较排列前后，形成自然的字典序，很科学，检索很容易。汉字就没有这么简单，最早按部首排，有许多字部首不好定，常附很长的难字检索表，常常化很多时间，最终可能还是查不到。后来发明了许多别的方法，有的字典同时使用几种方法，附很多检索表，还是解决不了。
汉字难学，主要是由于查字典难，因为至今还没有科学的汉字排序方法，或者说没有自然的字典序。这也关系到电脑汉字的输入。无序的汉字，难以检索，也就难以输入电脑，更不利于后继的处理。比起字典检索法，近三十年发明的输入法，更是多如牛毛，但也没有一种能很好解决问题的。
字典的另一个重要作用是规范文字。因为大家都要使用，自然深入人心，这比下什么命令、发什么文件都有效。人们可以不顾文件、命令，但读书写文章总要用到字典。现在电脑时代使用“字库加编码”的方式，只能规范字形，字库里没有的字，你就不可能用。但这却逼出了不伦不类的网络字语和字母符号，应该说已影响了中文的纯洁性吧。

种种汉字序

中国最早的字典是公元121年的《说文解字》。它首创部首法，当时有540部，后代一直遵循此法，但部首不断简约，到《康熙字典》只有214部。因为部首是义符，不一定在一个汉字的左旁，常因不懂字源，定不准在哪一部，结果查不到。这些难查的字另按笔画数排表检索，《康熙字典》的“难字检查表”就有五千三百多字，占总字数的11%。刘达人发现以左旁为部首的占72%，以上旁为部首的占13%，合计85%以上，创“刘氏左上部首法”。查字不可能讲字源，应完全按字形来定部，单纯由偏旁定部首是正确的，但仍有许多独体字不知归属。
20世纪上叶，王云五只取汉字四角的形态，归纳为10种，分别用10个数码代表，形成一个4位数，字典中汉字按它的大小排列，这就是四角号码字典。如果有几个字同号，再附一个序号。可以说这是探求汉字自然序的第一个尝试，它真称得上第一个数字化方法，因为与现在所谓的数字化概念不同，姑称为自然数字化。现在说的数字化是指把汉字输入电脑，转换成内码。实际上电脑内码，与四角号码前的电报码一样，是人为的，不是某种自然序。正因为现在的内码无理，只能死记，绝大部分人记不住，才需要输入法，输入码被称为外码，倒是这外码才是尝试对汉字的自然数字化。上世纪80年代支秉彝的“见字识码”，与四角号码性质相似，实际上以后所有形码输入法，如陈爱文的表形码，王永民的五笔码，沈克成的表音码，以及其他难以计数的形码，都可对应一种汉字的自然排序，一种字典序。可惜都没有彻底解决重码问题，或者取码的规则太复杂、不自然，没有用到字典的排序上。另一种简单的首尾码，据说来源于林语堂的“上下形检字法”，后者不仅用于字典，还用在他设计的中文打字机上。
输入法中有笔画码，现代的字典大多附有笔画检字，但正文都没有按笔画排。王竹溪的《新部首大字典》，五万一千多字是按笔画排的，因为汉字笔画数多，直接用笔画组成的序列太长，所以笔画先结合为56个部首，再按这有序的部首排序。对此，后面再详细分析。
音韵学的升起，出了不少韵书，它不只供填词写诗用，实也是一种字典。从汉字百分之九十以上是形声字出发，李卓敏编纂了《李氏中文字典》，以一千左右的声旁为部首。现代的中文字典正文大都改用按拼音排序。会普通话的人，用拼音输入法写文章很惬意的，尤其使用词、句输入时，只要打声母。但用字典查生字时就不行了，因为不认识的字，当然不知道读音。所以这种字典必附其他检索表。

两种用途的字典

这里不是指普通字典和翻译用字典，而是按字典的两种不同实用性质分的，姑撰两个名词如下：
1、查生字典：看别人写的文章要用这种字典，碰见认不得的生字用它查。字典必须纯粹按字形特征排序，如四角号码字典，王竹溪的《新部首大字典》。如果是按拼音排序，不认识，自然也不知道它的拼音，就查不到了。一般部首字典，是按“义”定部首的，有些字的归属不知道，也不行。外文字典，如英汉字典，是按字母排序的，读英文或英译中时适用，反过来，要中译英或写英文时，就应该用汉英字典了。
2、检熟字典：自己写文章时用。我们当然只用自己熟识的字，只有这时，如果某字记不清如何写了，才适用拼音排序的字典。如果你读音不准，那就用部首字典为好。部首是义，但同部首内要按笔画数排，所以还没有纯粹按“义”排序的——外文里好象更没有这种字典——可按你要的义，容易找出所需要的字。这时肯定不能用四角号码字典，你记不清字形，怎么样定四角号码？
通常说，文字有音、形、义三个属性。实际上写文章是以“形”存贮和传播，读文章是以“义”获取其内容，这中间“音”倒是可有可无的。外国学者认为读和写都要通过语音这个中间环节，是不正确的，已被人证明。聋哑人也可以使用文字，就不会通过语音。不过口语是人类最早获得、最频繁使用的一种语言，文字和口语之间的联系和互译是经常存在的，学习文字就是要建立这种互译和联系，而音和义的联系（聋哑人应属例外）是在学文字之前就形成了的。正因为如此，才把音序字典归到检熟字典中，你脑子里的义，很容易转换成口语中的音，用音序字典自然容易找到你记不清的字了。字母文字的字典不一定是音序字典，因为像英文这种文字，字母序列和发音并不完全一致。但他们一定属于第一种“查生字典”，因为是完全按形排序的。汉字就还缺乏这种纯粹以形排的自然字典序，不只是编修字典的需要，它更关系到一般的汉字排序、检索和电脑输入法等，极需研究解决。它的解决，可能有利于当今电脑汉字的其他许多问题，特别是实现钱伟长说的最好的输入法是不要输入法。

汉字笔画序

探求纯形的汉字自然字典序，当然应该从汉字笔画入手。汉字笔画数大致与英文字母数相当，不同作者列出的笔画表都相近，容易统一。作为排序的依据，必须解决笔画表本身的前后次序和汉字笔顺。对笔画表排序，我曾在网上发起“关于笔画排序的投票”，请参见《汉字笔画表征求意见稿》中的详细论述。这里重述3点：
一、 笔画表：语委《GB13000.1字符集汉字折笔规范》（2001-12-19）的25种析笔（注意，有一些笔画包含几种变体），再加上平笔画：横、竖、撇、点、捺、挑、竖（左）钩，应该差不多了。
二、 前后次序：语委的折笔是先按折数排序，0折数的平笔画应在最前面，折数相同时，依次按笔形的走向（按主笔形次序：横、竖、撇、点）分前后。这种按两种以上标准的排序，可称为分级排序，在中文字典中常用，如部首字典都是先按部首次序排，同部首的字再按笔画数排。班门斧则提出不先按折数的统一排序，但0折的主笔形还是排在前面，即其原则没有贯彻到底，如果贯彻到底，大概会不习惯。
三、 笔画名称：语委《折笔规范》中的名称太长，也不直观，我曾应用例字，都改为两个字。如最长的是4折笔画，达8个字“横折竖折横折竖钩”，简称也有5个字“横折折折钩”，我则改称为“乃钩”和“杨钩”（因为《折笔规范》中此笔实际包含这两个笔画）。现在觉得，作为主笔的名称，最好只用一个字。
这样，我提出如下的笔画表，主笔名都只用一个字，折笔名的括弧内是原来用的双字名。每个主笔都配有副笔，他们与主笔相似或性质相近，有些甚至可以代替主笔。笔形栏有数码字者，是因为字库里找不出，用例字中的第几笔来示。

次序 主笔名 笔形 副笔名 笔形
Ａ 横 一 短横 于1
Ｂ 竖 丨 短竖 刂1
Ｃ 撇 丿 竖撇 川1
Ｄ 捺 人2 平捺 辶3
Ｅ 点 亠1 竖点 忄1
Ｆ 挑 地3 点挑 氵3
Ｇ 己（横折） 已1 短折 书1
Ｈ 买（横钩） 买1 短钩 子1
Ｉ 又（又折） 又1 癸折 癸1
Ｊ 亡（竖折） 亡3 竖弯 疑1
Ｋ 创（竖钩） 创6 了钩 了2
Ｌ 以（竖提） 以1 横弯 殳2
Ｍ 私（私折） 厶1 东折 东2
Ｎ 女（女折） 女1 撇钩 乄1
Ｏ 弯（弯钩） 犭2
Ｐ 戈（斜钩） 戈2 心钩 心2
Ｑ 言（言提） 讠2 凹折 凹1
Ｒ 司（同钩） 司1 力钩 力1
Ｓ 飞（风钩） 飞1 九钩 九2
Ｔ 专（专折） 专3 折撇 奊7
Ｕ 儿（儿钩） 乚 乙钩 乙
Ｖ 走（走之折） 辶2 建折 廴
Ｗ 耳（耳钩） 阝1 杨钩 杨5
Ｘ 马（马钩） 马2 鼎折 鼎6
Ｙ 乃（乃钩） 乃1 凸折 凸3

以上是完整的笔画表，主笔名可不可以用作序数：横竖撇捺点、挑己买又亡、创以私女弯、戈言司飞专、儿走耳马乃。
笔画还常常被归并为更少的类，如台湾戚桐钦按“永字八法”归纳为8种。字典中常用的是归并为5种：横、竖、撇、捺（点）、折。我不知道它的出处，也不知道为什么不把竖钩当作折笔，而横钩却属于折笔，且常作为折笔的代表。把“点”归并于“捺”有好处，因为捺笔频率小，且永不作首笔。但“横”的频数最大，把“挑”归并进来是不妥当的，虽然它的折数是0，可能还是算到折笔里有利。相对于完整笔画表，我称其为简笔，因为是所有折笔归并简化而来的。
无论是笔画序还是简笔序，每个汉字的序列都太长，动态平均（按使用频率加权）是7笔，比英文字动态平均5个字母长。静态平均是10笔，多的还超过30，英文字如果长达30个字母，恐怕难以认读，大概不会有吧。现在设想，如果把简笔序列每两笔合为一个，长度可缩短一半，序列元素也只有5*5=25个，加上最末不能成对的5种单笔，甚至把最末成对的25种也赋予特殊意义，即加上这30个可同时表示序列结束的元素，也只有55个，与英文大小写字母总数相当。这样的安排看起来很好，但使用起来恐怕仍不方便。
汉字笔顺基本一致，部分不一致的地方可规定严格的规则来解决。但现有的7条规则是：先横后竖；先撇后捺；从上到下；从左到右；先外后里；先外后里再封口；先中间后两边；这7条规则还有更长的“补充规则”。可从网上搜索到完全相同的这种表述，我不知道它的出处，是谁总结的，但不缜密，有歧义，例如“先横后竖”就不适用于“上”字。所以我把它改为下面的3条：
1、 不相交的诸字根或诸笔画，先上后下，先左后右（按起笔位置）；
2、 相交的诸笔画，先横后竖，然后再撇后捺；
3、 先外后里再封口，但左下连笔或左下偏旁则要居后。
中间是竖或竖钩，因它必处于最高位置，当然是先中间后两边，已包含在第一条中，可省。

汉字字根序

直接用笔画序列，序列太长，也不直观，使用不方便。如果先让笔画结合为字根（也叫部件、部首或字元），使用字根排序，序列短，很直观，又可避免笔顺习惯不同引起的歧义。但汉字拆分为字根的方法本身有随意性，字根数目也太多，200到600左右。字根拆分是研究输入法时形成的，由于键盘键位少，所以这么多字根都被归并为25-30种。排序用的字根也可这样归并，这样，一种字根会有不同的字形及笔画组成，字根序列就可能不与笔画序列一一对应，尤其是字根排序与笔画排序会不一致。第一部按字根序排列的字典是王竹溪的《新部首大字典》，他归并为56种字根，如下所列（由于一些笔形字库里没有，我用例字后加数字表示，两个数是指第几到第几笔。变体栏有些例字不是原书所列的字，是因为仿宋体字库没有该例字，“、”后没有例字，也是因为字库里没有适当的字）：
序号 字根 包括变体
1 一 地3
2 丨 五2、刈4、了2（及其颠倒）
3 亠1 鸟1、冲2、豕7、入2
4 丿
5 司1 今4、买1、书2
6 乙 儿2、亡3、弋2、切2
7 女1 厶1、
8 亠 、、
9 十 古12
10 义12乂
11 冖 冂、丹12
12 厂 后12、而12
13 人 从12、年12、亻、入
14 八 六34、关12、空45丷
15 勹
16 几 儿、沈67
17 艹 卉35、、
18 阝
19 山
20 小 当13、学13、夵
21 尸 、
22 女
23 土 士
24 口 囗
25 丰 青14、寿14、、
26 止 疋25
27 牛 特14、告14、舛47
28 辶
29 心 忄、忝58
30 手 扌，看14、拜14
31 犬 犭、豕35
32 水 氵、奉68、犀48
33 木 林14、茶69、朮
34 月 肯58、炙14、
35 爪 孚14、
36 火 灯14、灬
37 日 曰
38 示 礻、
39 疒
40 目 具15
41 田 贯14
42 四 置15、皿
43 西 要17、
44 虫
45 臼 、、
46 糸 纟、
47 衣 衤
48 竹 竺16
49 羊 着16、盖16
50 车 惠17、
51 门 、、
52 言 讠
53 雨 震18
54 金 钅
55 食 饣、
56 马 、、
从上表可见，有许多常见的字根字形没有包含在内，在变体中也没有，它们必须再拆分为笔画（表中第1到7）。例如“典”的上部和“曲”字要拆分成5个，其笔顺规则也不合理，把最高的两竖定为首笔，故其序列是“竖竖竖折横横”。与输入法不同，这里拆分后不能把任何组成部分抛弃，所以许多汉字的序列仍然很长，虽然该字典只列出首4个。
要进一步缩短序列，必须增加字根种类。而字根种类的增加会产生两个问题：一、记忆难，还因为键盘键位有限，用作输入法时难以分配安排；二、用作汉字内码时，在电脑中存贮一个字根要超过一个字节。我们且看看，字根种类数目可以增加到多少。因为不能把一字节的256种状态都用来存贮字根，需要预留一些作为他用，大概最多可用240，不能超过250。键盘上可用作输入键的，有字母键26个，如果把上部的数码键及右边的标点符号键也利用起来，共46个。同样也要留几个作他用，如果用40个键，每键要管6个字根，才达240。虽然一个键可以同时按SHIFT、CTRL、ALT形成4个输入值，但操作不方便，不如用单击、双击、三击来区分。可以把很少使用的字根安排给操作麻烦的三击、四击，但终究不能使用五击、六击。这样，大概可以使用120到160种字根，其他必须归并。首先，所有笔画的变形，不管是同质或异质的变形（参见冯寿忠《汉字笔画的异质变形概观》），以及所有异体字形，都视为同种。其他如：简繁部首可并为一种，字典里正好可排在一起；水和氵可并为一种，仅在序列之首才为三点水；罕用的字根可归并到与它形状或性质相近的字根里。归为一种的各个字根，仅当个别情况需要特别指定时，才需要后附序数加以区别，但这后附序数不参加、不影响整体排序。没有后附序数的，不是指频数最大的代表，就一定是可由前后字根等情况判断出用那一个。用这样的归并法，如果每种包含10个字根，总数可以上千。这样一来，可以让笔画交错的都不再拆分，连接紧密的也不拆，使汉字拆分非常自然，不要定什么规则，不会产生歧义。字根数几乎可以不限制，每键又可安排几十个不同的字根，总可以设计出可行的方案。因为各字根的频数相差很大，安排得好，一定可以做到输入快、存贮省，可以盲打，也可用来组出唯一的正确字形。不过作出并选择其中最佳的一种，还要经过实际验证，实在不容易，我现在还提不出具体的方案，但相信它是存在的。

自然序检字图

“查熟字典”，只能是纯字形的。我认为，王竹溪的《新部首大字典》是第一个，好像还是唯一的，像英文字典那样，有自然字典序的汉字字典。他选用了56个有序的笔画和字根。这个数目太多，检索码太长，不方便。我的自然序字典，把它缩为一半，且创用捡字图。不要死记用到的字根，它们都用黑体字按序列在这张图上，单凭这张图上，就可决定所查字在字典的那一页。
按笔顺把待查汉字拆分为字根序列。笔画交错的一定不拆，一些常用字形虽然笔画不连，也作为字根。因此字根取舍难定，所以规定只取捡字图列出的黑体字字根。它们分属28个根母类，其次序为：一二三四五十千，东西南北中心线，广大人民生子女，口目与手山土田。同一根母内的字根也有次序，有些偏旁有简繁两种字形的，以及一些形状相近的，被看作同一个字根（同位，没有用逗号隔开者）。

28种根母各有特点如下：
1. 一 ：以一点开头的字。另外，不属于任何字根之单笔也归此。　
2. 二 ：连续书写、但相互分离的二个笔画，和以两点开头的字形。
3. 三 ：三个分离的笔画，或以三点开头或含“小”“水”等字形，包括“州”字。
4. 四 ：四个分离笔画，含四点的字形，或似“四”字的字形。
5. 五 ：“五”字含笔画“”，其上下为一长横笔。凡有这两个特点之一的属之。
6. 十 ：首笔为长横，继有竖笔与之相交成十字形者。
7. 千 ：“千”字开头的独体字，“采”“乎”及“礻”“衤”亦属之。

8. 东 ：含木（朩）字形。车（車）虽没有木字形，因与东（東）相像而归之。
9. 西 ：以顶横开始，下面却不以一横结束，虽含笔画“”，也不属于“五”。
10. 南 ：含字形“冂”或周字框。
11. 北 ：左右对称，或以竖笔开头
12. 中 ：含“中”字形，以及“斲”字左上部、“繩”字右上部字形的。
13. 心 ：含笔画“乚”“乙”等右弯钩笔画的，都属之。
14. 线 ：含“幺”首笔（即向左下的锐角）及“弋”的未笔（即笔画捺钩）。

15. 广 ：右下和右上包围字根，如“厂广疒卢辶”等。
16. 大 ：含大字形
17. 人 ：以“人”“入”字开头，及偏旁“亻”“彳”。
18. 民 ：含笔画右挑的字根，另外，“牙”字也包括其中。
19. 生 ：以笔画“”开头的字根，或如“斤”“段”那样以撇和竖开头的字根。
20. 子 ：含笔画“乛”，以及部首“阝”“卩”。
21. 女 ：含两斜笔相交的字根。

22. 口 ：含口字形的字根。
23. 目 ：含日或目字形的字根。
24. 与 ：含“弓”未笔、“乃”首笔、“犭”次笔的字根，包括“丏”。
25. 手 ：含三横，首横可为撇，以及部首“扌”“才”以及“寸”。
26. 山 ：含字形“彐”“匸”“凵”的字根。
27. 土 ：含“土”字形或含两横的字形。
28. 田 ：含“田”字形的都属之。

下面列出的字根表中，最左边列出字根类（根母），右边列出它包含的所有字根，第一行1-j是序号，个别序号内可以有几个同位字根。

检字图分栏，每栏右边列出了字典正文每一页第一个汉字（特称为页首字），字后是该页码，字前是它的检字码。检字码即该汉字的字根序列，但只有第一个是字根本身，特别用粗黑体表示，其余则用字根所属的根母。如果其后还有页首字以同样字根开头，就省略为空格，所以在这张图上，所有字根都以黑体字出现一次。只有黑体字根的行，表示该字根没有页首字，或者，虽有页首字，但因为该字根有几个同位字根，为了列全它们，所以独占一行，后面的检字码的第一个也就省略为空格。
　　把待查汉字拆为检字码后（请特别注意：为了使以走之（辶,廴）为部首的汉字集中在一起，要把它们从末笔提为第一码）。在检字图中找到其第一码（黑体字根）。如果它不属于某个页首字，那么待查字一定在其前的第一个页码中。如果它参与组成页首字的检字码，则继续向后找第二、三个根母，确定待查字应在那个页首字之后，最后那个页首字的页码，就是要找的。
下面以已印出的《草书字典》为例，略述检字图的使用方法。为省印刷费，该书压缩到180页。在我网站文章《体验优异的自然序检字图》中，还把180页的汉字字头共7895个列在文后，可查验所查汉字是不是在该页。几个实例如下：
草：它可拆成三个字根“艹日十”，分别属于根母“十目十”，第一个不用根母，而用字根本身，所以检字码是“艹目十”。在检字图根母“十”之下，找到第一个字根“艹”，以它为首的页首字有7个。因为第二个根母“目”应在“口”之后，所以“草”字应在48页页首字“莒”之后。又因为49页的页首字第二码是“手”，不是“目”，所以不可能在该页。这样，“草”字必在48页。
涛(濤)：按简体字查。第一个字根是三点水，属根母“三”，在检字图“三”下找到“氵”，第二个字根含三横，应属于根母“手”，在“手”下最后找到字根“寿壽”。所以待查字的检字码是“氵手”。以“氵”为首的页首字有9个，最后一个是28页的“渍”，第二个码正好是“手”，而前一页是“口”，后一页第一码已是“永”，故待查字只能在27，28两页中，实际是在27页后部。
龈(齦)：第一个字根以竖划开头，应属于“北”，在根母“北”的最后，有字根“齿齒”，它没有页首字，处在81页页首字“鼢”之后，故以齿为偏旁的字只能在该页中。许多没有页首字的偏旁，都有这个特点，不要再拆分字根就可断定。
发(發髪)：两个繁体字“發髪”都简化为“发”，而发字属于根母“女”，没有以它为第一码的页首字，因为排在141页之后，必在141页。可是这简繁一对多的不对称对应，把这两个形状各异的草书混在一起了。好在它们形状各异，还可以分清。“髪”字第一个字根是属于根母“民”的“长”，如果有这个繁体字，应在124页。现在那里没有这个字，但有许多同它上半部形状一样的字，则“发”字下的上部有这样形状的草字，就是“髪”，其余就是“發”。“ 發”字本应在80页，那里也没有这个字。再版时，要把这种不对称字分开来。
学(學)：简体字的检字码为“子子”，字根“”没有页首字，它排在根母“三”的33页之下，34页的页首字已是另一个字根开头的，所以必在33页。33页还有“敩”字，检字码为“子子生”。它的繁体字“斆”却在34页，检字码为“子生”。原来后面还有个字根“”。这是因为“”与“小”相近，搞混了。举这个例子，想说明两点：一、本字典虽以规范简体字为准，但还有一些繁体字没有归到简体字中；二、有时查一个字查不着，是因为记不清它的规范简体字字形，这时可以试试其他相近的字形。