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。
（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）取得包含罕見字的注音輸入法「組字字根 V.S. 詞組」對照表：
到 OpenDesktop 網站，點選左方選單的「OXIM 輸入法 1.2.2」，
再點選「ftp://ftp.opendesktop.org.tw/odp/OXIM/Source/」，
然後下載「oxim-1.2.2.tar.gz」這個檔案。
（二）解壓縮「oxim-1.2.2.tar.gz」，在「tables」資料夾中，有一個「cnsphone.cin」，
這個檔就是行政院主計處公開授權的「全字庫注音輸入法參考檔」，
（應該稱為「對照表」或「輸入法表格」比較正確，
但主計處在此 cin 內的註解使用「參考檔」這個用詞）
我就是用這個檔案來編修成「泰瑞注音輸入法對照表」！
三、製作步驟：
（一）新增一個空白的 Excel 活頁簿檔，先規劃 7 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。
註：以上 6 個數值為三個 Unicode Block，
首、尾字的「Decimal code points」（十進位碼）。
4.「cin」工作表：等會要用它來放置從「原始檔案」裡擷取出來的「組字字根：詞組」。
5.「Loss」工作表：等會要用它來放置短缺的「組字字根：詞組」。
6.「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。
7.「Final」工作表：等會要用它來放置最終的「組字字根：詞組」。
「cin」、「Loss」、「Sort」、「Final」的 A 欄為存放「組字字根」之用，
等會如果直接貼上的話，
純粹以數字組成的組字字根（如：「04」，即「ㄢˋ」）會被 Excel 自動修正格式，
所以需先將 A 欄的儲存格格式設為「文字」。
（二）以 EditPlus 開啟「原始檔案」的 cin 檔，
（EditPlus 詢問是否選擇其他編碼時，先選擇「是」，再選「UTF-8」）
然後將 cin 檔中「91～98015」行的內容貼到「cin」工作表中。
注意！貼上前要先將「組字字根：詞組」分隔的空白改為 Tab
（可用 EditPlus 的取代功能來做）；
依上述步驟貼上後，即可獲得 A、B 兩欄資料。
將 B 欄的字元分批（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，再貼到「cin」工作表的 C 欄，
然後在第一列新增標題。
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。
（此舉的目的是要去除「同一個字會有不同的組字字根」）
（三）將「cin」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 欄列數並不相符，
CJK 短缺 269 個字；CJK Ext-A 短缺 3 個字；CJK Ext-B 短缺 27 個字
（這三區合計的 299 字將在「補完計畫篇」中再做說明）
此即表示「cin」工作表的「組字字根：詞組」在去除「同一個字有不同拆法」（破音字）後，
可用上述的方式檢驗出 CJK 三區合計的 70,195 個字，在這個 cin 檔裡少了 299 個字！
（四）要知道這 299 個字是哪些字，
就得借助「彰化一整天」所提供的「比較ab資料」網頁運算工具，
它的精簡版網址是：http://f272586.googlepages.com/272586.htm
因為它是用 VB Script 寫成的程式，所以請用 IE 進行操作。
將「CJK」工作表 A、B 欄的資料，
貼到網頁中的「來源」區域，然後按下「比較ab資料」鈕，
靜候一陣子（約 10-40 分鐘；
如果 IE 不斷詢問您是否要中止 Script，請一律按「否」；
如果要避免 IE 不斷詢問您是否要中止 Script，可在開啟 IE 前先修改系統登錄值為：
[HKEY_CURRENT_USER\Software\Microsoft\Internet Explorer\Styles]
"MaxScriptStatements"=dword:ffffffff），
就會在「目的」區域得到結果，把它全選（Ctrl + A）後，複製（Ctrl + C）起來，
將「CJK」工作表的資料全清空，再於 A1 儲存格貼上（Ctrl + V），
可得下列結果：
前兩欄為原始的 A、B 欄資料，
第三欄應是空白的（代表 B 欄有，A 欄沒有），
而第四欄的資料（代表 A 欄有，B 欄沒有），即是我們想知道的「缺字」，
第五欄的資料代表 A、B 欄都有的資料，所得結果和 B 欄是一樣的，可以將它刪除。
採取以上相同的作法，
即可為「CJK-Ext-A」、「CJK-Ext-B」兩個工作表找出我們想知道的「缺字」。
（五）把「CJK-Ext-A」、「CJK」、「CJK-Ext-B」三個工作表 D 欄（缺字）的資料，
一一貼到「Loss」工作表的 C 欄，
然後將 C 欄的 299 筆資料複製起來，貼到空白的 EditPlus 檔案裡，
用取代功能將分行符號「\n」取代為「 10 」，
再將結果貼到「Utilities: Unicode code converter」
的「Decimal code points」欄，按下「Convert」後，
再將「Characters」的字元貼回「Loss」工作表的 B 欄。
然後在「Loss」工作表的 A 欄為 B 欄的字元一一補上組字字根（即注音符號）。
（六）將「cin」和「Loss」工作表 A、B、C 欄的資料貼到「Sort」工作表的 A、B、C 欄，
然後在第一列取標題後，
先依「Decimal code points」（C 欄）排列，
接著在 D2 儲存格輸入「=CODE(B2)」，然後用「向下填滿」的功能，
產生各字元的 Big5 碼（十進位）數值。
（七）「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），
以「Unicode Decimal code points」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「〇」或注音符號者，E 欄輸入「20」，
(2)C 欄數值介於「63751～64013」（CJK 相容字元）之間者，E 欄輸入「29」，
(3)C 欄數值為「64062」
或介於「194560～195101」、「1029723～1048575」之間者，
E 欄輸入「99」（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！
（八）「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（Big5 常用字）
對應的 E 欄從「19」改為「11」；
再把 D 欄數值介於「51520～63964」之間者（Big5 次常用字）
對應的 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！
（九）將 E 欄數值介於 11～40 之間對應的 A、B 欄，複製後貼到「Final」工作表中，
再加入從「亂倉打鳥」輸入法對照表整理出來的「組字字根：符號」條目，
我採取和「泰瑞倉頡輸入法對照表」共用符號條目的方式，
先將「泰瑞倉頡輸入法對照表」的符號條目複製到空白的 EditPlus 中，
將分隔字元由空白改為 Tab，
然後貼到「Final」工作表的末尾。
（十）注音輸入法的組字字根為 1～4 碼（拆字時不超過 4 碼），
為了修改從「泰瑞倉頡輸入法對照表」擷取而來的符號所對應的組字字根的長度，
以及找出其他超過 4 碼的組字字根，並將其修正為 4 碼，
可在「Final」工作表第一列取標題後，接著在 C2 欄輸入「=LEN(A2)」，
然後用「向下填滿」的功能填滿至最後一列，
最後使用「自動篩選」功能，即可找出超過 4 碼的組字字根，
（組字字根需介於 1 ～4 之間，若為其他數值時，應加以修正），
修正完成後，將全部內容（不含第一列的標題）複製後，
貼到 EditPlus 的空白文件中，
接著將「組字字根：詞組」的分隔改為空白，
再於前面幾列加入「可用按鍵宣告」，
再儲存為 *.txt 檔（編碼格式需為「Unicode」），
就完成了「泰瑞注音輸入法對照表」！
「泰瑞注音輸入法對照表」的候選字排列順序與 Windows 內建的傳統注音類似，
但對照表是可以修改的，
產生輸入法軟體後，儲存在 C:\Windows\System32 的檔案可以刪除，
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。
其他輸入法對照表的製作方式與
「泰瑞注音輸入法對照表」、「泰瑞倉頡輸入法對照表」的製作方式雷同，
有關輸入法對照表製作過程的文章，我就寫到這篇為止，
後續如果有發表「泰瑞嘸蝦米」、「泰瑞行列」、「泰瑞大易」輸入法對照表時，
就不再發表製作過程。
留言列表
