泰瑞的世界

第一階段：檢查是否有設定範圍內的漏字

我們設定的字元集範圍是 CJK、CJK Ext-A、CJK Ext-B 合計的 70,195 個字，
那麼最終版的對照表裡應該要能找出這 70,195 個不同的字，
否則就是有漏字的問題。
對於形碼（比如：倉頡）輸入法而言，漏字問題較好解決，
因為只要知道字元的形狀，就能推斷出它的組字字根為何。
對於注音輸入法而言，漏字問題有點麻煩，
因為用全字庫網站、康熙字典、漢典…來查找，
可能都找不到這些漏字的注音，
最後只能用「有邊讀邊，沒邊讀中間」的原則來勉強為漏字補上組字字根。

經由前一篇文章的解說，我們得到「CNS_phonetic.xlsx - 工作表1」，
它的表格是這樣的：
A 欄：原始行號
B 欄：字元
C 欄：注音符號
D 欄：曝光名次
E 欄：Unicode 10 進位碼
F 欄：Unicode 字元集種類
它是依照注音符號、曝光名次、字元集種類、10 進位碼的階層順序，
由小而大排列。

我們先準備一個 Excel 檔（命名為：Lose.xlsx），並設定好 4 個工作表：
1.「CJK」工作表：A 欄填入「19968」到「40869」的數值；
2.「CJK-Ext-A」工作表：A 欄填入「13312」到「19893」的數值；
3.「CJK-Ext-B」工作表：A 欄填入「131072」到「173782」的數值。
4.「Temp」工作表：A1 輸入「十進位碼」。
然後將它存檔。

複製「CNS_phonetic.xlsx - 工作表1」E 欄全部的資料，
到「Lose.xlsx - Temp」的 A2 儲存格貼上，
然後以 A1 儲存格為標題列，由小而大排序；
再用「進階篩選」的「不選重複的記錄」功能，
將篩選後的 A 欄數值置放於 B 欄。

接著，
找出 B 欄為「13312～19893」的資料列，複製後，貼到 CJK-Ext-A 工作表的 B 欄；
找出 B 欄為「19968～40869」的資料列，複製後，貼到 CJK 工作表的 B 欄；
找出 B 欄為「131072～173782」的資料列，複製後，貼到 CJK-Ext-B 工作表的 B 欄。

然後，借助「彰化一整天」所提供的「比較ab資料」網頁運算工具，
（網址是：http://272586.blogspot.com/2007/04/blog-post_28.html）
用它來找出「Lose.xlsx」前 3 個工作表的 A、B 欄差異。
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，就會在「目的」區域得到結果，
把它全選後，複製起來，
將「CJK」工作表的資料全清空，再於 A1 儲存格貼上，
就能得到下列結果：
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「缺字碼位」，
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「缺字碼位」。

再運用「Unicode code converter」網頁將「缺字碼位」轉為「缺字字元」後，
在「CNS_phonetic.xlsx - 工作表1」裡添加這些缺字的資料，
唯獨要注意的是：
A 欄（原始行號）：一律填「-」；
D 欄（曝光名次）：一律填「-」；
然後本階段的工作就算完成了！

第二階段：檢查錯誤

錯誤分為三種：

第一種錯誤是注音符號的長度超過 4 碼；
假設注音符號放在 C 欄，由第 2 列開始，可在 G2 儲存格設定公式「=LEN(C2)」。
記得 G 欄的儲存格格式必須先設為「通用」，公式才會有作用。
然後用向下填滿的方式，填滿 G 欄，
最後用排序或自動篩選方式，即可找出注音符號長度超過 4 碼的資料。

第二種錯誤是注音符號夾帶全型或半型空白；
可以用「尋找」的方式過濾出來。

第三種錯誤是注音符號不合邏輯（無法唸出或具有多個音節）。
這種錯誤較難尋找出來！
所以以下介紹一種一次解決這三種錯誤的方式。

首先，將「CNS_phonetic.xlsx - 工作表1」的 C 欄（注音符號）
複製到 EditPlus，
取代「˙」、「ˊ」、「ˇ」、「ˋ」成為「」（NULL），
也就是消除聲調的意思。
（註：其實這樣做有點不嚴謹，細節請參考下面的回應）
然後再全選後複製到一個新開的 Excel 工作表的 A 欄中，
再用「進階篩選」的「不選重複的記錄」功能，
將篩選後的 A 欄數值置放於 B 欄，
然後刪除 A 欄並儲存為 Temp.xlsx。

其次，將「全字庫拼音資料表格」（CNS_pinyin_20100413.txt）的內容全選後，
複製到一個新開的 Excel 工作表的 A 欄中，
刪除 C、D、E 欄，然後在 B 欄為「ㄅㄧㄤ」的漢語拼音補上「biang」。
再下載我修改過的「完全符合-批次取代-Excel」檔，
開啟後，記得點選「啟用內容」，才能啟用巨集功能。
接著，將剛才新開的 Excel 工作表的
A 欄貼到「full_replace.xlsm」的「原字串」欄，
B 欄貼到「full_replace.xlsm」的「取代成字串」欄，
再將 A2 儲存格修改為剛才進階篩選後的「Temp.xlsx」，
最後按下「開始整批取代」按鈕，
等待一段時間後，當畫面提示「取代完成,請切換視窗查看結果」時，
即可將當下開啟的兩個 Excel 檔儲存，
這時「Temp.xlsx - 工作表1」的資料會變成：
A 欄：取代後的漢語拼音，外加未被取代的注音符號。
利用排序的方式，
即可將漢語拼音排在前段；未被取代的注音符號排在後段。
未被取代的注音符號即是代表錯誤的注音符號，
我們可以以未被取代的注音符號為尋找條件，
在「CNS_phonetic.xlsx - 工作表1」裡找出相對應的資料，
然後手動修正這些錯誤
（如果該字在其他資料列裡已有注音，則不妨將該列直接刪除），
最後依照注音符號、曝光名次、字元集種類、10 進位碼的階層順序，
由小而大排列，那麼檢查錯誤的工作就算完成了！

第三階段：檢查重複

重複的情況是「CNS_phonetic.xlsx - 工作表1」裡可能存在：
兩列或兩列以上的資料都有「ㄏㄨㄥˊ V.S. 紅」，
如果轉成對照表後，輸入「ㄏㄨㄥˊ」時，
候選字就會出現兩個或兩個以上的「紅」，
這種錯誤必須加以修正。

首先，將「CNS_phonetic.xlsx - 工作表1」的
C 欄（注音符號）複製到一個空白工作表的 A 欄，
B 欄（字元）複製到一個空白工作表的 B 欄，
然後，全選、複製後，貼到 EditPlus，
再用正規表達式將「\t」（Tab 字元）全部取代為「 」（空白字元），
「ㄅ」取代為「1」、「ㄆ」取代為「q」…「ㄦ」取代為「-」…
（這部份的工作可以用「part_replace.xlsm」的方式來做，
但是 Tab 字元取代為空白字元的部份則需要用 EditPlus 來做）
然後，全選、複製後，貼到一個空白工作表的 A 欄，
再用「進階篩選」的「不選重複的記錄」功能，
將篩選後的 A 欄資料置放於 B 欄，
最後將 B 欄的標題列刪除，
B 欄全部的資料再全選、複製後，貼到 EditPlus，
存檔後即為我們所要的最終版注音輸入法對照表。

補充一下：
如果想明確知道是哪些地方重複的話，
前段「進階篩選」的工作可以改成：
因為「組字字根 字元」放在 A 欄，由第 2 列開始，
所以我們可以在 B2 儲存格設定公式「=COUNTIF(A:A,A2)」；
記得 B 欄的儲存格格式必須先設為「通用」，公式才會有作用。
然後用向下填滿的方式，填滿 B 欄，
最後用排序或自動篩選方式，
即可找出重複（B 欄數值大於或等於 2）的部分。