Re: [討論] 嘸蝦米規則和中文日文韓文大一統

[Frozenmouse (＊冰之鼠＊)]

※ 引述《deltazone (洋蔥)》之銘言：
: : 之前可能是我的誤解
: : 那這邊我用我的話解釋，你看看我有沒有理解錯誤 O_O
: : 先簡化問題，單純就漢字來說
: : 「大字庫」是一個納入了所有漢字正規編碼、簡碼與容錯編碼的編碼表
: : 這邊的容錯包含了同語言的異體字以及不同語言的同源字
: : 而「同源」是指像「龍、竜、龙」或是「體、体」這樣的字群
: : 所以打 LUL、LQL 或 AXF，龍、竜、龙都會同時出現在選字區
: : 這邊再輔以「語言模式」的功能，來決定第一順位的排序
: : 比方說，就算我打的是 LQL = 竜，我在簡中模式底下的第一順位也還是「龙」
: : 就算我拆的是 YJFK = 壊，我在繁中也還是以「壞」為第一順位
: : 是這樣嗎？
: 我用字也不夠精確，
: 另外大致沒錯!!!
: 擔心誤會再補一個說明，目前蝦米所包含的中文字
: 以現有的嘸蝦米字碼不變為準，不增加編碼，不減少編碼
: 其實編碼都沒變，只是把日 簡 繁 同樣的編碼(如lul)都統整在選字列中!
: 現行的簡體中文模式下:打lul會出現"龙"，但在繁體中文模式中，
: 打lul卻無法出現"龙"，改變成可以在字的選單中都出現"龙"

OK 我懂了，現在我們想的是一樣的東西了…XDDD
那我想這大字庫至少需要定義幾項東西

首先是一個文字的拆碼
有點像廢話，不過這是實際的問題 XD
而為了達成前述跨語言整合的效果，需要有人去整理我所說的同源字有哪些
現行的編碼表應該已經有相當程度的整理了
否則做不到打繁出簡或日文模式的漢字輸出
所以重點就是缺口有哪些了

再來是該文字在各種模式下的優先序
更精確來說，應該是考慮該文字的某種特定拆法的優先序
這會關係到切模式時或是撞碼時排序的問題
像是「圍、葉、啐、囲、叶」通通拆 OJJ
哪些屬於繁中，哪些屬於簡中，哪些是日文？
如果不屬於該語言就可以不定義優先序，通通塞到最後面就好了
若是該語言中有這些字，但拆法來自不同語言
則可用該語言的拆法為優先，其他語言為後
若是這些字同屬於該語言，那最後就是走現行的編碼順序

所以打 OJJ
繁中模式可能會排成「圍、葉、啐、囲、叶」
日文模式可能會排成「囲、葉、叶、圍、啐」（其中「啐」在現行日文模式打不出來）
簡中…我懶得切輸入法了，同理推論 Orz

: ===========================================================================
: 我覺得是不是誤會，以為我說要在中文模式下也要打日文很有效率!(不是這樣)
: 這不是我的初衷，在每個模式(日簡繁)時，是定義在此模式下，打此語言最有效率!
:
: "大字庫"的用意是每個模式(日簡繁)下，都可以用選字的方式，打出不同語言的文字!
: 雖然打不同語言文字時速度比較慢，因為要選字，但至少能打出來!
: 且此方式，不影響此模式下，該語言文字輸入的速度!
:
: 然後不要說這會拖慢輸入法的速度了XD
: 使用繁體中文模式!繁體中文還是一樣快!
: 但可以在繁中模式下，打出簡體字和日本漢字如此而已!!
: ============================================================================

是誤會，我並沒有「在中文模式下有效率地輸入日文」這樣的意思
可能是我表達的問題吧 Orz

: 至於怎樣才合格，你用的高興就算合格XD (開玩笑的別介意)
: 只是不知道怎麼回答了!
:
: 中文模式下，就照原本的方式輸入日文，
: 如打sa,等
: 但如打sa也出現さ和サ 在字的選單中，只是絕對不是在第一順位
: (這點可以討論，詳細日文你比我熟! 你來提建議如何 修改好了XD)

既然合不合格是自由心證，那我的想法是：不要改
或者說，不要打掉原來的編碼，我較傾向的是修正和補完
嘸蝦米的一些編碼其實就等於是把選字的動作內化了，我想善用這點

剛剛研究了一下現在的日文模式假名編碼，至少有以下規則：
（我是用官方提供的 gcin 日文模式表格試的）
* 以羅馬拼音為基礎，以「,」結尾輸入平假名，以「.」為結尾輸入片假名
  - 含有一定程度的容錯能力，如 TSU, TU, 都能出「つ」， LA, RA, 都能出「ら」
* 以羅馬拼音後接 V 輸入小型的假名，如 TUV, = っ
* 以 L 或 X 為開頭也能輸入小型的假名，如 LTU, = っ
* 拗音如きゅ可以一次輸出兩字，以此例為 KYU,
* 特殊規則，如 っ 尚有 SS, TT, 等拆法，ー（長音符號）拆成 EE, 或 EE.
日文模式的漢字就不贅述了，對擅長字形的華語人士來說不成問題

裡面確實可以找到幾個問題

首先是假名的規則不透明
上面這些不是我無聊試出來的，就是剛剛去官網查碼交叉比對來的
官網給的規則只寫了這些：http://boshiamy.com/feature_basic_4_1.html
但有其他字如 VA. = ヷ、ヴァ 沒寫出來
而本身也有撞碼而與一般羅馬拼音選字序不同的地方
像 LA, 我期待出的字是「ぁ」，但第一候選字是「ら」
像 VA. 第一候選字是「ヷ」，可我期待的是「ヴァ」

再來是標點符號
我們的逗號是「，」，但日文中作為同樣用途的是「、」，也就是我們的頓號
「，」反而比較少用
雖然這可能影響不大，但和英文輸入的習慣不一樣的話，還是會卡卡的

要改進有幾個方向
* 仿照拗音的出字方式，加速促音的輸入
  - 如打 KKU, 可以輸入「っく」兩字，會比分開打 TT, KU, 來得快且直覺
* 增加「、」拆碼「,」，在日文模式下比「，」優先輸出
  - 理由同上，「、」比「，」雖然功能一樣但更常用
* L* 的假名編碼改以小字優先，再來才是ら行容錯
  - 「ら」多數人會選擇打 RA, 而非 LA,
* V* 的假名編碼以「ヴ」的複合發音為優先，再來才是ヷ行字
  - 前者較後者常用…至少我自己是很少看到後者
* 規則透明化，官網真的寫得太簡略了
  - 「々」（漢字疊字）也算是常用符號，但我還得分開特別查才知道能怎麼打…

以上是日文程度 N95 的小弟一點見解 XD

: 補充說明:
: 優化日文，加入韓文，在如繁體中文模式下，大多打韓文和日文還是都會偏慢!
: 因為要選字!
: 只是因為大字庫的關係，在繁體中文模式下，也可以打得出來日文和韓文!
: 同理韓文模式下，打繁體中文也會變慢!但也可以打出繁體中文來!

這個我現在理解你想做的是什麼了

: 想反問，各位大大，那有什麼其他的改變可以幫助嘸蝦米走出台灣呢?

這個我還真的不知道…（倒

不過就你前面對我提出的客群的回應，你最大的重點就是「走出台灣」
而手段之一是「讓嘸蝦米不只是中文輸入法」
這也沒有絕對的對或錯，就只是個方法

我的看法是，嘸蝦米現在本身的環境是封閉的
在不了解法律的狀況下
我怕對它的編碼表做什麼事，或是基於它衍生新的編碼表，並且公開
會不會有法律上的問題
於是只能龜在這裡打打嘴砲提建議，官方接不接受又是另一回事
至於沒內建、授權問題這些前人也提過很多次了
要是能走出這個封閉的環境，應該會比較好推廣

: : 簡碼能加速是因為我們大量的常用字被配了簡碼，進而大幅減少輸入的字碼數
: : 如果日文的常用字和我們差太多，可能會發生冷門字反而在嘸蝦米有簡碼的狀況
: : 或是反過來，常用字反而得用正規拆碼
: : 我指的是這件事 XD
: 應該是我上面所說的問題?
: 我是用模式(日簡中)去區分!

我指的是像下面的狀況
比方說「對」這個字，在中文它很明顯非常常用，被指派了簡碼 A
但日文中「対」就沒有像中文那樣這麼常用
那這個簡碼在日文加速的效果就不明顯了

我明白你所說的切換語言模式不影響原本輸入速度的原因
但我的問題不在這裡

: → deltazone: 還有做變形字根表，但一踏入才知漢字之大XD             06/29 17:08
: → deltazone: 可是屬於一頭熱型! 目前變形和簡體字表難產中XD         06/29 17:09

多少可以體會劉先生當初發明嘸蝦米的辛苦了吧 XD
這部分如果有辦法讓多人共同作業的話，可能會輕鬆一點

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 122.116.109.225
※ 文章網址: https://www.ptt.cc/bbs/Liu/M.1435588014.A.BA9.html
推 xxvi: 如果大字庫指的是把同源（編碼相同？）的字甚至符號全
→ xxvi: 部列出，那麼感覺會比現有的候選字串長很多？這大概就
→ xxvi: 需要留給嘸蝦米公司評估實用性跟推出後能不能吸引新使
→ xxvi: 用者了，我個人是偏好它打字時幾乎可以不看候選字串這
→ xxvi: 一點就是XD
→ xxvi: 另外自製編碼表作為建議應該是沒有問題的，但是「對現
→ xxvi: 有編碼表做什麼」這邊我不太懂，如果是要自己建一套測
→ xxvi: 試版的新蝦米輸入並發布可能有疑慮，不過提出修正想法
→ xxvi: 公開討論或提給公司的話應該沒有太大問題啦:~
→ Frozenmouse: 沒有錯，假設今天我有時間整理了一個基於嘸蝦米的改
→ Frozenmouse: 進表格，自行發佈給人試用，那可能就會有問題…
→ Frozenmouse: 所以不是用其他方式規避就是只能交給官方決定了
→ Frozenmouse: 我那句主要指的是這個XD
→ Frozenmouse: 至於大字庫的候選字，以他的論點來說，應該是在不破
→ Frozenmouse: 壞繁中現有編碼的前提下做這件事，若排序得好的話打
→ Frozenmouse: 起來手感應該是和現在一樣的
→ Frozenmouse: 同源指的是跨語言判定屬同義的字，不知有無正式名稱
推 deltazone: 同源應該是指中日韓統一表意文字!?
推 deltazone: unicode編碼
→ deltazone: 連結打不上 自行維基百科 "中日韓統一表意文字"
→ Frozenmouse: 很接近，但我不確定有無因為異體字而被編成兩個碼的
→ Frozenmouse: 另外像叶(cn)和葉(tw&jp)是被我歸在同源的
→ Frozenmouse: CJK統一表意文字則著重在字形
→ Frozenmouse: https://goo.gl/J0zIiP 這是中文維基條目
→ Frozenmouse: 可能要找其他名稱，同源會和統一漢字的來源混淆XD
推 deltazone: 把現有嘸蝦米 繁 簡 日 模式中 所有字 所有編碼 統整
→ deltazone: 就可以初步解決 "鱇" 在繁中模式 找不到狀況!
→ deltazone: 也是我所說的大字庫 的雛型了 沒那麼複雜
→ deltazone: 現行的簡體模式打 rst可以打出"叶"
→ deltazone: 現行的繁體模式打 ojj也可以打出葉(只是要選字)
→ deltazone: 異體字的部分 之前整理變形字根有遇過!
→ deltazone: 如:"奐""換"有些字體 下面是兩點如八 看著字打 打不出
→ deltazone: 中日韓統一表意文字 的確 和你說的不太一樣! XD
→ deltazone: 目前可以聯想到的是 大陸官方發行的 簡化字 對照表
推 deltazone: 另外 編碼表要補缺口 我覺得看要(能)做到什麼程度!?
→ deltazone: 不補缺口其實也可 只是做的比較粗淺，
推 deltazone: 像andriod手機 使用lime-hd打嘸蝦米那樣!
→ deltazone: 另外"對"簡碼的問題，提個方案，日文模式下，簡碼重訂
→ deltazone: 但打a 也可以找到 "對"XD  只是在後面的順序!
→ deltazone: 有點大膽，但本著各個模式其實是獨立的輸入法看待!