漢字字首排檢及信息處理方法
【技術領域】
[0001] 本發(fā)明涉及漢字排檢技術領域，特別的涉及一種漢字字首排檢及信息處理方法。
【背景技術】
[0002] 目前最常用的漢字排檢法分為三類：一、義序排檢法，二、音序排檢法，三、形序排 檢法。
[0003] 義序排檢法按字詞的意義進行排列和檢索；音序排檢法通過漢字讀音轉寫成的注 音符號或拼音字母及相關符號對漢字進行排列和檢索；形序排檢法按漢字的字形進行排列 和檢索，嚴格意義的形序法應與字的音、義無關。
[0004] 當代主要的形序排檢法有筆畫法、部首法、四角號碼法。筆畫法的排列原則是單字 按筆畫數(shù)從少到多進行排列，同畫數(shù)的按筆順起筆的筆畫形狀排列，在進行排檢時需要首 先要數(shù)清需要排檢的漢字的筆畫數(shù)，應用不方便，而且由于漢字中相同筆畫數(shù)的漢字很多， 也為排檢造成了麻煩。所謂部首法排列原則是先分析漢字結構中的偏旁，把偏旁相同的字 歸于一個部首之下，再按筆畫來排列。查字前，首先分析字形結構，熟悉部首的位置，查出部 首后，再按部首以外的筆畫數(shù)查字。目前雖然對取部位置有了明文規(guī)定，但部位仍是忽上忽 下忽左忽右，檢索者必須對300個形態(tài)了如指掌，否則很容易把部首判錯。所謂四角號碼法 是將漢字按照筆形分為十種并編號，每個漢字定有左上、右上、左下、右下四個角，每個角按 筆形分配一個阿拉伯數(shù)字，共四位數(shù)字，成為"四角號碼"，四角號碼排檢法出現(xiàn)于上個世紀 二三十年代，因查起來比部首法快而異軍突起、風靡數(shù)十年，但由于歸納的筆形及取角方式 不合漢字固有性質、加附碼后重碼仍多等原因，雖經(jīng)不斷修改卻難成主流排檢法。
[0005] 隨著計算機的普及人們越來越多的借助計算機對文字進行處理，然而現(xiàn)有技術中 排序方法存在的各種不確定的因素，會使得在使用計算機處理排序過程時計算機無法完全 準確的將所有漢字按照預定的規(guī)律進行排序。當出現(xiàn)計算機無法按照預先設置的數(shù)據(jù)庫中 排序方法進行排序的漢字時，需要工作人員進行手動排序，使得整個排序過程費時費力。

【發(fā)明內容】

[0006] 基于上述問題，本發(fā)明公開一種漢字字首排檢及信息處理方法。技術方案如下：
[0007] -種漢字字首排檢及信息處理方法，其特征在于，包括：
[0008] 預先建立筆段特征庫，所述特征庫中保存有各個筆段的名稱以及對應的圖形特征 信息，所述筆段根據(jù)漢字筆畫單元的形狀確定；
[0009]確定待處理的漢字集合，所述漢字集合中的各個漢字具有相同的字體以及字號；
[0010] 對各個漢字的組成結構進行圖形檢測，確定所述漢字所具有的筆段，并將各個筆 段的圖形檢測結果與所述特征庫中的圖形特征進行比對，確定所述漢字筆畫位次，生成漢 字筆畫位次表，所述筆畫位次表根據(jù)筆段排列；
[0011] 確定漢字的筆序，所述筆序為單字筆畫的先后次序；確定各個漢字的字首以及字 身，所述字首為所述漢字根據(jù)所述筆序開頭筆畫的結合體，所述字身為除去字首筆畫以外 的部分；
[0012] 將所述獲取到的字首相同的漢字進行分組，并獲取所述字首起始筆畫，按照所述 字首起始筆畫在所述筆畫位次表中的排列順序，將組別中的各個漢字進行排序；其中，當所 述獲取到的字首起始筆畫相同時，獲取所述字身起始筆畫，根據(jù)所述字身起始筆畫在所述 筆畫位次表中的排列順序，將所述字首相同的漢字進行排序；
[0013] 根據(jù)分組以及排序結果生成漢字信息數(shù)據(jù)庫。
[0014] 可選的，還可以包括：所述筆段特征庫中，各個筆段的名稱以及對應的圖形特征信 息包括：
[0015] 橫，形狀特征是自左而右，或稍斜向右上方，兩端粗細相同，可自成筆畫，也可作為 折筆的首段、中段或末段；
[0016] 提，形狀特征是自左下而右上、由粗而細提為尖，可自成筆畫，也可作為折筆的首 段或末段；
[0017] 豎，形狀特征是自上而下，或稍斜向左下方，兩端粗細一樣，可自成筆畫，也可作為 折筆的首段、中段或末段；
[0018] 撇，形狀特征是自上而下再向左偏收尖，或自上而左下斜收尖、或平斜收尖，可自 成筆畫，也可作為折筆的首段、中段或末段；
[0019] 點，形狀特征是自尖而頓圓，或向右下，或向左下，可自成筆畫，也可為折筆的首段 或末段；
[0020] 捺，形狀特征是自左上起尖漸粗，然后平拖或向右下斜拖，獨自成畫時收為尖，可 自成筆畫，也可作為折筆的前段、中段或末段；
[0021] 左彎，形狀特征是自上尖細而左彎垂粗、或自右上粗左斜彎，只能作首段，與鉤合 成折筆；
[0022] 鉤，形狀特征是一個尖，或朝左，或朝上，只能作折筆的末段；
[0023] 圈，形狀特征為圓形，本身是個筆畫，不能構成別的筆畫。
[0024] 可選的，還可以包括：所述開頭部分為所述漢字書寫時的前三筆筆畫，當單個漢字 全部筆畫數(shù)不足三筆的，取其全部筆畫構成字首。
[0025] 可選的，還可以包括：所述字首包括：分段字首、方位字首、示意字首、并列字首、 單筆字首、前位字首、引字字首、引首字首。
[0026] 可選的，還可以包括：同時獲取所述字首起始筆畫，按照所述字首起始筆畫在所述 筆畫位次表中的排列順序，將組別中的各個漢字進行排序；包括：
[0027] 當獲取的起始筆畫相同時，取下一筆畫，前面皆同、筆畫已盡的在前。
[0028] 可選的，還可以包括：所述筆段分為九種，分別以從1到9數(shù)字為碼，生成筆段碼， 橫為1，提為2,豎為3,撇為4,點為5,捺為6,左彎為7,鉤為8,圈為9 ;筆畫三十五種，分別 以每種筆畫的前兩個筆段的段碼組成，生成筆畫碼；
[0029] 根據(jù)所述生成的筆段碼以及筆畫碼對各個漢字進行編碼，生成字碼，并按照所述 字碼進行排序。
[0030] 可選的，還可以包括：根據(jù)確定的筆段碼以及筆畫碼將所述獲取到的各個漢字的 字首以及字身進行編碼，生成字首碼以及字身碼。
[0031] 根據(jù)本申請?zhí)峁┑木唧w實施例，本申請公開了以下技術效果：
[0032]通過本申請實施例，可以實現(xiàn)一種漢字字首排檢及信息處理方法，在一種實現(xiàn)方 式下，該方法可以包括，預先建立筆段特征庫，所述特征庫中保存有各個筆段的名稱以及對 應的圖形特征信息，所述筆段根據(jù)漢字筆畫單元的形狀確定；確定待處理的漢字集合，所述 漢字集合中的各個漢字具有相同的字體以及字號；對各個漢字的組成結構進行圖形檢測， 確定所述漢字所具有的筆段，并將各個筆段的圖形檢測結果與所述特征庫中的圖形特征進 行比對，確定所述漢字筆畫位次，生成漢字筆畫位次表，所述筆畫位次表根據(jù)筆段排列；確 定漢字的筆序，所述筆序為單字筆畫的先后次序；確定各個漢字的字首以及字身，所述字首 為所述漢字根據(jù)所述筆序開頭筆畫的結合體，所述字身為除去字首筆畫以外的部分；將所 述獲取到的字首相同的漢字進行分組，并獲取所述字首起始筆畫，按照所述字首起始筆畫 在所述筆畫位次表中的排列順序，將組別中的各個漢字進行排序；其中，當所述獲取到的字 首起始筆畫相同時，獲取所述字身起始筆畫，根據(jù)所述字身起始筆畫在所述筆畫位次表中 的排列順序，將所述字首相同的漢字進行排序；根據(jù)分組以及排序結果生成漢字信息數(shù)據(jù) 庫。通過本申請?zhí)峁┑臐h字排序方法能夠將所有漢字按照統(tǒng)一的標準進行歸納總結，并根 據(jù)歸納進行統(tǒng)一的排序，解決了傳統(tǒng)漢字排序方法存在的筆形位置不固定、重碼多以及添 加附加碼后重碼驗證等問題，使?jié)h字的排序更加簡潔方便。
【附圖說明】
[0033]為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn) 有技術描述中所需要使用的附圖作簡單地介紹