有了「初次試作篇」的製作經驗後，
我對輸入法對照表的蒐集、整理，也有了更深刻的領悟，
因此，我想整理出一系列像樣一點的「中文輸入法對照表」，
並希望能對各位有所幫助！
本文將介紹我製作「泰瑞倉頡輸入法對照表」的過程，
使用大易、行列輸入法的網友們，
如果有興趣的話，可以參考我的方法試做看看，
只要用 Google 搜尋「大易 cin」、「行列 cin」的關鍵字，
就能找到一些可以使用的對照表檔案，
希望您也能做出一個可以滿足外字需求或達到理想目標的對照表。
一、使用工具：
（一）字型：
系統字型必須支援 CJK、CJK Extension A、CJK Extension B 的字元，
在 Windows XP/Server 2003 中可安裝「新細明體更新套件」，
在 Windows Vista/Server 2008（或以後版本的 Windows）則不需安裝字型。
本文製作環境為 Windows XP 加裝「新細明體更新套件」，
再將「新細明體」、「新細明體-ExtB」置換為 Vista 的版本，
有關新細明體的版本差異，請見《Big5、Unicode 中文字集總整理》一文。
（二）Excel 2007（或更新版本的 Excel）：
Excel 2003 和舊版的 Excel 中每個工作表最多只能有 65,536 列。
Excel 2007 中每個工作表最多可以有 1,048,576 列。
因為我要處理的「組字字根：詞組」數量會超過 CJK 三區合計的 70,195 個字，
所以必須使用 Excel 2007，才不會有列數上的限制。
（三）EditPlus 3：
字型設為「新細明體」，檔案編碼設為「Unicode」。
（四）W3C 的 Richard Ishida 提供的「Utilities: Unicode code converter」：
因為我對 Excel 的函數並不熟悉，也不會撰寫巨集程式，
所以將字元轉為 Unicode 十進位碼的工作，我是用這個網頁分批進行的。
二、原始檔案：
（一）取得包含罕見字的倉頡輸入法「組字字根：詞組」對照表
到 gcin 網站下載以下兩個檔案：
1.第五代倉頡輸入法（2008年最新版）
檔案說明：「倉頡之友 。馬來西亞」製作，不含詞庫， 2008-04-09 更新，支援 64544 字
（註：不管用➊以「imegen.exe」這支程式逆轉「倉頡之友 。馬來西亞」輸入法軟體的 mb 檔，
或➋gcin 網站上這個檔案，正確計算其「組字字根：單一漢字」可得 67,988 條，
用 Excel 對這 67,988 條裡的漢字進行「唯一化」的進階篩選，可得 63,972 字，
所以實際上這個「倉頡之友 。馬來西亞」輸入法軟體只支援 63,972 個漢字。）
2.第五代倉頡輸入法補完
檔案說明：cnscj.cin 裡定義的 17654 罕用字，配合「倉頡之友 。馬來西亞」可支援 82198 字
（註：cnscj.cin 指的應該是「中標倉頡」）
（二）取得第三代倉頡輸入法的「組字字根：詞組」對照表
一樣到 gcin 網站下載這個檔案：「微軟倉頡三代」
（三）取得亂倉打鳥輸入法的對照表：
一樣到 gcin 網站下載這個檔案：NewCJ3Win.zip
（四）前三個檔案解壓縮後，可以得到「cj5.cin」、「cj5-oxim-additional-1.1.6.cin」、「NewCJ3Win.txt」，
第三代倉頡輸入法的「組字字根：詞組」對照表則是「mscj3.cin」（不需解壓縮）。
三、製作步驟：
（一）新增一個空白的 Excel 活頁簿檔，先規劃 5 個工作表：
1.「CJK」工作表：A 欄填入「19968」到「40869」的數值，
等會要用它們來驗證 CJK 的字元是否都被收錄到「組字字根：詞組」裡。
2.「CJK-Ext-A」工作表：A 欄填入「13312」到「19893」的數值，
等會要用它們來驗證 CJK Ext-A 的字元是否都被收錄到「組字字根：詞組」裡。
3.「CJK-Ext-B」工作表：A 欄填入「131072」到「173782」的數值，
等會要用它們來驗證 CJK Ext-B 的字元是否都被收錄到「組字字根：詞組」裡。
4.「gcin」工作表：等會要用它來放置從三個「原始檔案」裡擷取出來的「組字字根：詞組」。
5.「Sort」工作表：等會要用它來放置正式的「組字字根：詞組」，並做排序的工作。
註：以上 6 個數值為三個 Unicode Block 首、尾字的「Decimal code points」（十進位碼）。
（二）以 EditPlus 開啟「原始檔案」的三個 *.cin 檔，
（如果 EditPlus 有詢問是否選擇其他編碼，則先選擇「是」，再選「UTF-8」）
然後將 *.cin 檔內容貼到 Excel 的工作表中：
「cj5.cin」：取第 42 行至第 68029 行。
「cj5-oxim-additional-1.1.6.cin」：取第 1 行至第 17654 行。
「mscj3.cin」：取第 34 行至第 22215 行。
將上述三段內容直接貼到「gcin」工作表的 A 欄。
因為三代和五代很多字的取碼方式是一樣的，
因此要過濾掉重複的部份，將來拆字時才不會在候選字窗格看到兩個一模一樣的字。
作法是：在 A1 儲存格新增標題，
再用「進階篩選」的「不選重複的記錄」功能，
將不重複的 A 欄資料置放於 B 欄。
（三）將「gcin」工作表 B 欄得到的不重複資料，貼到「Sort」工作表，
不過貼上之前，應先將「組字字根：詞組」分隔的空白改為 Tab
（可用 EditPlus 的「取代」功能來做），
這樣貼到「Sort」工作表時，即可獲得 A、B 兩欄資料。
（四）將「Sort」工作表 B 欄資料分批（每批 1 萬至 2 萬字）貼到
「Utilities: Unicode code converter」的「Characters」欄，
算出對應的「Decimal code points」後，
將分隔的「 10 」取代為分行符號（可用 EditPlus 的「取代」功能來做），
然後貼到「Sort」工作表的 C 欄，並在第一列新增標題。
再將全部資料依「Decimal code points」排序。
最後再用「進階篩選」的「不選重複的記錄」功能，
將不重複的 C 欄數值置放於 D 欄。
（五）將「Sort」工作表 D 欄裡
「13312 - 19893」、「19968 - 40869」、「131072 - 173782」三段範圍的數值，
分別貼到「CJK-Ext-A」、「CJK」、「CJK-Ext-B」三個工作表的 B 欄，
此時各位應可發現 A、B 欄列數正好相符，
將 A 欄各數值除以 B 欄對應的數值後（可使用「向下填滿」功能來做），
所得結果都是「1」，沒有別的數值！（可使用「自動篩選」功能來查看）
此即表示「Sort」工作表的「組字字根：詞組」在去除「同一個字有不同拆法」後，
可用上述的方式檢驗出 CJK 三區合計的 70,195 字都被收錄了！
（如果 B 欄跳號太嚴重的話，這就不是個好的驗證方式，
那時便需借助「彰化一整天」所提供的「比較ab資料」）
（六）刪除「Sort」工作表 D 欄的資料，因為它只是驗證是否跳號的暫時資料，
沒必要保留；如果保留了，反而會讓後續的排序產生問題。
（七）「Sort」工作表目前是依「Decimal code points」排列，
這會使得做出來的輸入法，如果出現候選字時，CJK Ext-A 的字元會排得比較前面；
但即使我們依 CJK、CJK Ext-A、CJK Ext-B 的順序來放置「組字字根：詞組」的話，
仍會有很多筆劃較少的「次常用字」比「常用字」排得較前面，
比如「冇」和「有」同樣都是 CJK 的字元，倉頡碼同樣都是拆「大月」。
為了解決這個問題，就必須引進 Big5 碼的分區管理，
Big5 碼的「A440～C67E」為常用字區，「C940～F9D5」為次常用字區，
要算出「Sort」工作表 B 欄各字元的 Big5 碼數值，
可使用「=CODE(Text)」函數，
做法是在 D2 儲存格輸入「=CODE(B2)」，然後再用「向下填滿」的功能，
產生各字元的 Big5 碼數值，不過這個數值是十進位的數值，不方便比較。
但我們可以將「A440～C67E」和「C940～F9D5」轉換為十進位制，
不會換算的人可以運用上述的「Utilities: Unicode code converter」，
把這四個十六進位值貼到網頁中的「Hexadecimal code points」，
按下「Convert」後，即可得到「Decimal code points」。
也就是「42048～50814」為常用字區，「51520～63957」為次常用字區。
（實際上，次常用字區應為「51520～63964」，
63958～63964 的 7 個碼位原本被 Big5 碼定義為造字區的一小段，
每個人可以隨意將造好的字元儲存在這一小段的碼位裡，
也就是說：
甲電腦的「63958 碼位對應的字元」可以不同於乙電腦的「63958 碼位對應的字元」，
但倚天中文系統有另外定義 7 個字元對應到這 7 個碼位，
Windows 延續倚天中文的作法，
所以每台電腦在 Windows 環境下都能共同顯示這 7 個字元，
因此它們也常被視為 Big5 碼的字元）
此欄函數計算結果為「63」者，
代表那個字不是「ANSI」（正體中文 Windows 為 Big5 碼）的字元！
（八）「Sort」工作表至此已有「組字字根」、「字元」、
「Unicode Decimal code points」和「Big5 Decimal code points」四欄，
並且是依「Unicode Decimal code points」排序，
可再增加「權數」欄（E 欄），
先以「Unicode Decimal code points」（C 欄）的範圍為判斷準則，
輸入 E 欄數值如下：
1.C 欄數值介於「19968～40869」（CJK）之間者，E 欄輸入「19」，
2.C 欄數值介於「13312～19893」（CJK Ext-A）之間者，E 欄輸入「30」，
3.C 欄數值介於「131072～173782」（CJK Ext-B）之間者，E 欄輸入「40」，
4.不屬於此三區者，則輸入 E 欄數值如下：
(1)B 欄顯示成漢字者，E 欄輸入「20」，
(2)B 欄顯示成符號者，E 欄輸入「50」，
(3)C 欄數值為「64062」或介於
「59413～59492」、「194560～195101」、「1029723～1048575」
之間者，E 欄輸入「60」
（這段範圍的字元不能正常顯示，等會不列入輸入法對照表裡）。
然後依 E、D、C、A 欄的階層順序，由小到大、由 A 到 Z 排序！
（九）「Sort」工作表至此已依接近我們想要的排列順序，
再把 D 欄數值介於「42048～50814」之間者的 E 欄從「19」改為「11」；
介於「51520～63964」之間者的 E 欄從「19」改為「12」，
然後依 E、D、C、A 欄的階層順序，由小到大、由 A 到 Z 排序！
至此，Big5 的常用字已排在最前面了！
（十）將 E 欄數值介於 11～40 之間對應的 A、B 欄，複製後貼到 EditPlus 的空白文件中，
然後將「組字字根：詞組」的分隔改為空白，
再加入「可用按鍵宣告」及從「亂倉打鳥」輸入法整理出來的「組字字根：符號」，
再儲存為編碼格式為「Unicode」的 *.txt 檔，
就完成了正式版的「泰瑞倉頡輸入法對照表」。
「泰瑞倉頡輸入法對照表」的候選字排列順序與 Windows 的傳統倉頡類似，
但我的對照表檔案是可以修改的，
產生輸入法後儲存在 C:\Windows\System32 的檔案可以刪除後，
再用「通用輸入法編輯工具」產生新的，
即會套用修改後的對照表裡的設定。
後記：
因為微軟的第三代倉頡輸入法對照表裡只有 CJK 字元，
沒有 CJK Ext-A 和 CJK Ext-B 的字元，
所以我後來又重新整理了一遍：
先將 gcin 網站上的「馬來西亞。倉頡之友」的第五代倉頡輸入法對照表及補完檔做成一個對照表，
再與「中標倉頡」（CNS 全字庫的第三代倉頡組字字根）對照表（有補了 253 個缺字）混合，
做成另一個對照表，
製作過程如本文和《支援 CJK Ext-B 字元的「泰瑞注音輸入法對照表」（製作過程篇）》的說明，
在此就不再多做介紹了！
對「泰瑞倉頡輸入法對照表」有興趣的人請到
《「泰瑞系列中文輸入法對照表」使用說明》一文內查看並下載回去使用吧！
留言列表
