泰瑞的世界

雖然「亂倉打鳥」輸入法對符號的支援已經達到令我滿意的程度，
但它的懶人詞庫說穿了對我一點用處也沒有！
藉由編輯它的對照表的過程，
我發現它其實並沒有支援 CJK 擴展 B 區的字元，
（擴展 A 區的可能也沒有支援；以下為方便解說，姑且把這些字稱作「罕見字」）
而且老實說，它的符號很多都變成了重碼字，有時反而降低輸入的速度，
於是我有了打造一套適合自己的「改良式倉頡輸入法」的計畫。

我的計畫是用「通用輸入法編輯工具」產生一個「泰瑞倉頡輸入法軟體」，
它必須支援用組字字根就能輸入多種符號，
又能符合多數人用第三代倉頡拆碼的習慣，
最重要的是要能包含所有的罕見字。

第一個要解決的問題是：
要先找到一個包含罕見字的「組字字根：詞組」對照表。
畢竟 CJK Ext-A、CJK Ext-B 合計近五萬個罕見字的組字字根，
如果要靠自己一個字、一個字建置的話，
實在是非常耗大的工程，所以用現成的對照表是最快的。
我本來打算找個可逆轉的軟體把「新倉頡輸入法 2007」
或「Vista 倉頡輸入法」這兩套軟體，
轉成符合「組字字根：詞組」對照表格式的文字檔，然後再來編修，
但一直找不到這樣的軟體
（只有找到簡體版的 imegen.exe，它只能逆轉 *.mb 格式的檔案；
另一個是 uni2txt.exe，它只能在命令模式下將嘸蝦米特定的 *.tab 檔，
也就是所謂的「參考檔」，轉成純文字檔。
但是，說穿了！這兩支程式對我這項計畫是沒有幫助的），
於是只好乖乖找「組字字根：詞組」對照表的文字檔。

後來，我找到了這個網頁：http://hyperrate.com/thread.php?tid=6172
下載它提供的 CIN 檔後，再以 Notepad++ 開啟，
結果發現它的格式和我之前所下載的「亂倉打鳥」的對照表格式相去不遠，
看來應該可以成功打造我想要的「泰瑞倉頡輸入法」。

本來我是嫌它的檔案日期有點舊，
因為它是拿「倉頡之友 。馬來西亞」在 2008 年 4 月 9 日
發表的「第五代倉頡輸入法」軟體來逆轉的。
按照它上面的指示連結到「倉頡之友 。馬來西亞」網站的話，
其實可以下載到 2008 年 10 月 24 日發表的「第五代倉頡輸入法」軟體，
我仿照它的程序進行逆轉後，
發現得到的文字檔格式是顛倒的「詞組：組字字根」對照表，
而且它的「詞組」與「組字字根」中間並沒有空白字元或分隔字元，
有的話，還好辦一點，因為可以用 Excel 轉換成表格，
再把兩欄對調，就能做成符合「通用輸入法編輯工具」所需的格式，
沒有的話，雖然也能用 Excel 硬割出一條分隔線，但總是比較麻煩。
再看到「倉頡之友 。馬來西亞」網站上所寫的更新記錄，
其實兩個不同日期的檔案所用的「組字字根：詞組」應該是一樣的，
於是只好安慰自己接受那個 CIN 檔。

「gcin」的網站除了提供這個 CIN 檔外，
還提供 17,654 字的補完 CIN 檔。
我早期做的「泰瑞倉頡輸入法」把這 17,654 個字包含進去，
以為做出這種支援 82,198 個漢字的改良式倉頡輸入法會是最好的，
因為它可以支援的漢字比 CJK 及其擴充 A、B 區的 70,195 個漢字還多。
結果是：即使在 Vista 或已安裝「新細明體更新套件」的 XP 環境下
（意即「可顯示 CJK 及 CJK Ext-A、CJK Ext-B 字元」的環境下），
一些候選字會顯示成「□」（可直接出字的詞組也有這樣的問題），
原因是它們要在「支援別的 Unicode Block 字元的字型」下才能正常顯示，
但這種字型並不好找，
以致於讓產生的輸入法軟體會有「可拆出字但卻顯示不出字」的現象，
有鑑於此，後來我又重做一個對照表，這次就不納入這些「補完」的字，
所以「泰瑞倉頡輸入法對照表」不包含這 17,654 個漢字。

第二個要解決的問題是：
要確認 CJK、CJK Ext-A、CJK Ext-B 的每個漢字都被包含在對照表裡。
我先上「倉頡之友 。馬來西亞」網站的「漢字碼表」網頁，
記下各區第一個字及最後一個字，
再到這個「字元各種碼位表示法轉換」網頁，
算出各區第一個字及最後一個字的「Decimal NCRs」（十進位碼），
把第一個字的「Decimal NCRs」貼到 Excel 裡，
再用數字拖曳後會產生序列數字（即「向下填滿」）的功能
（拖曳到產生各區最後一個字的十進位碼為止），
來得到這三個 Unicode Block 的「Decimal NCRs」，
再用「字元各種碼位表示法轉換」逆轉回為漢字，
最後再貼回 Excel 中，
並把「Decimal NCRs」修改為「Decimal code points」，
這樣就得到「Decimal code points」與其對應漢字的檔案，
我把它們分為「CJK」、「CJK-Ext-A」、「CJK-Ext-B」三個工作表，
以方便後續的處理。

然後，我又把上述 CIN 檔的內容貼到 Excel 的工作表中，
貼上後讓組字字根在 A 欄，詞組（單一漢字）在 B 欄，
把漢字那欄分次（一次一萬字）用上述那個「字元各種碼位表示法轉換」網頁，
算出其對應的「Decimal code points」；
算出後還要用 Word 將 9,999 個分隔的「 10 」取代為「^p」（斷行符號），
然後貼到 Excel 工作表的 C 欄，
再對「Decimal code points」進行排序，
接著用「進階篩選」的功能，把重複的漢字去除
（重複的原因是因為有些字會有不同的拆法），
將去除的結果放在 D 欄，
再把這個工作表取名為「THCJ5」。

去除重複之後，接著要檢查有沒有跳號（遺漏）的問題，
我把「THCJ5」工作表裡，排序且篩選後的「Decimal code points」這欄貼到
「CJK」、「CJK-Ext-A」、「CJK-Ext-B」三個工作表的 C 欄，
如果用「向下填滿」功能產生的不重複、不跳號的 A 欄數值，
除以可能有跳號的 C 欄數值後，
得到的結果不是「1」的話，代表從不是「1」的那列開始發生跳號，
就記下跳號的「Decimal code points」，
並在 C 欄補上這個跳號的「Decimal code points」，
然後重新運行這個除法規則，
如此反覆進行，就能用這種方式找到所有跳號的地方
（因為我不會寫程式，也不知道有沒有好的 Excel 函數或功能可以用，
所以只好用這種最笨的方法）
我找到的結果是：
這 6 個十進位碼（字）發生了跳號：
28490（潊）
40472（鸘）
138128（）
145970（）
146668（）
163968（）
於是我在「THCJ5」工作表的 A、B、C 欄裡，
為這六個字補上應有的組字字根、字元、十進位碼。

不過我用 EditPlus 尋找原始 CIN 檔內容的話，
並沒有缺少這 6 個字的情形，
可能是先前製作最早期的「泰瑞倉頡輸入法對照表」時，
曾使用 Notepad++ 將 CIN 檔的編碼從「UTF-8」轉為「Unicode Little-Endian」
（這是「通用輸入法編輯工具」要求的編碼格式），
和用 Notepad++ 複製、貼上這些罕見字時，似乎有支援程度不佳的問題
（就連 EditPlus 在顯示 CJK Ext-B 的漢字時也不是很正常。
不過我還是建議各位用 EditPlus 3 或 Notepad2 做編輯的工作，
畢竟它在設定字型為「新細明體」後，
在 EditPlus 或 Notepad2 裡可顯示的字元與候選字窗格可顯示的字元會較一致，
至於 Notepad++ 就不要用了）。

第三個要解決的問題是：
要兼容第三代與第五代的取碼方式。
由於這個 CIN 檔的組字字根用的是第五代倉頡，
和我們一般早已經習慣的第三代倉頡是有落差的，
像「作」字，第三代倉頡碼是「人竹尸」，但第五代的是「人人尸」，
為了不影響原來的輸入習慣，
有必要找出第五代倉頡廢除了哪些字的第三代倉頡碼，
然後為這些字添加符合第三代倉頡的「組字字根：詞組」。
再經過一番搜尋後，
我在「鯨魚、我的倉頡輸入法」網站上找到了這個檔案：
http://www.reocities.com/Baja/Mesa/2118/ftp/cj3vs5.txt
雖然它只列出被刪除的第三代倉頡碼的「Big5 碼」字元，
但有勝於無，只好勉強接受！
我用 Excel 的篩選功能，把它的第三代倉頡碼複製出來，
添加到上述的「THCJ5」工作表裡，
最後把這個「THCJ5」工作表的 A、B 欄做成 Unicode 格式的文字檔，
並調整了格式，以符合「通用輸入法編輯工具」的要求，
我把它取名為「THCJ5.txt」。

最後就是加入「亂倉打鳥」的符號了！

有鑑於「亂倉打鳥」的對照表裡，
兩個字（含）以上的詞組其實對於熟練倉頡的人是用不到的，
所以我做的對照表把它們全部刪除了！
這樣可以符合傳統倉頡使用者的需求，
又可加快「通用輸入法編輯工具」産生輸入法軟體的速度。
另外，因為有些符號並不能正常顯示在候選字視窗裡，
我把這類的符號一一刪除，並做了一些調整。

最後把彙整好的「THCJ5.txt」裡的「組字字根 詞組」貼到新的 Excel 工作表裡，
這次只放在 A 欄，也就是 A 欄是「組字字根 詞組」的格式，
再用「進階篩選」的功能去除重複的部份
（「亂倉打鳥」的「組字字根 詞組」其實有很多列是重複的，
我彙整的 THCJ5.txt 裡也有一些重複的），
再貼回「THCJ5.txt」，取代原本的內容，
不過這次又遇到阿飄了！
沒有重複的「焘」字居然無故被剔除，
而且很多希臘字母大小寫被視為相同的字元而被剔除，
（本來該有的「㋀」至「㋋」、「㏠」至「㏾」、「㍙」至「㍰」，也只剩下「㋀」），
於是只好用人工方式補回去，
最後加上「/S」的可用按鍵宣告，就完成了這個完美的對照表。
我把用它來産生的輸入法叫「泰倉」（泰瑞倉頡）輸入法，
簡稱「泰倉」（很自戀的一種做法 ）！

延續「亂倉打鳥輸入法」的精神，符號的輸入方式如下：
【,】、  【.】、  【'】、  【[]】、    【,,】、 【./】、 【;】、 【;;】、【...】，分別是
【，】、【。】、【、】、【「」】、【！】、【？】、【；】、【：】、【…】的快速鍵。

正式版本的泰瑞倉頡輸入法的「組字字根：詞組」對照表的下載網址是：
http://www.mediafire.com/file/cwicp98a065lxda/THCJ5.zip
使用「通用輸入法編輯工具」産生新的輸入法軟體之前，
記得可以編輯其中的「blog」、「http://」成為你專屬的網址，
想要更多變化的人，可以儘管大膽的修改！

下圖展示我努力的成果：

基本上，要顯示這些擴充 A、B 區的字元要具備下列條件：
作業系統為 Windows Vista、Windows Server 2008 或以後版本的 Windows；
或是已安裝「新細明體更新套件」的 Windows XP、Windows Server 2003。
字型方面也要做些設定才行，
在 WinXP + Word 中可以將這些罕見字的字型設定為「新細明體-ExtB」，
就能正常顯示了！