蒙古文編碼轉換研究.pdf

1、蒙古文信息處理開端于上個世紀70年代末期,隨著計算機技術在蒙古文信息處理中的應用,許多研究單位在蒙古文文字處理方面都取得了一些重要的進展。進行蒙古文信息處理的研究工作,首先要解決蒙古文編碼、蒙古文輸入、蒙古文字庫等關鍵基礎技術問題。就蒙古文編碼而言,由于研究工作相對獨立,且國家沒有及時制定蒙古文編碼統(tǒng)一標準,各研究單位一般都采用了自定義的基于字形的蒙古文編碼系統(tǒng)。在1993年,ISO/IEC10646國際編碼標準中才定義了蒙古文國際標準

2、編碼。 蒙古文信息處理的研究工作最先是在文字排版方面展開的,由于文字排版系統(tǒng)對文字而言比較關注的是文字的“形”,一個單詞只要能夠出現(xiàn)正確的形狀即可。因此基于形碼的蒙古文編碼方案也應運而生。蒙古文顯現(xiàn)字符中普遍存在“一形多音”現(xiàn)象,并且有些組成一個字符的部分結構,在其它多個字符中都可能重復出現(xiàn),不同的研究單位在制定各自的形碼方案時有的采用一個字符,只定義一個編碼,但可以表示多個不同發(fā)音的字母；有的采用一個字符定義多個編碼,相同字形

3、編碼不同,可表示不同發(fā)音的字母；有的采用將多個字母中都會出現(xiàn)的部分結構,重新定義為一個“字符”或從文字書寫的習慣和美觀角度出發(fā),將字母中的部分筆畫進行了重組,并為每一個“字符”定義一個編碼。 隨著蒙古文信息化的不斷深入,人們開始逐漸意識到蒙古文編碼差異造成的問題。由于蒙古文編碼系統(tǒng)的互不兼容,經(jīng)常導致技術上的重復開發(fā),在不同編碼系統(tǒng)上開發(fā)的信息資源無法共享,造成人力、物力和財力的極大浪費。 本文主要討論蒙科立蒙古文編碼、

4、智能蒙古文編碼、賽音蒙古文編碼和蒙古文國際標準編碼的轉換問題。這里提到的蒙古文特指傳統(tǒng)蒙古文,而不包括托忒文、錫伯文、滿文和阿禮嘎禮字符。蒙科立蒙古文編碼、智能蒙古文編碼、賽音蒙古文編碼采用的是基于UNICODE的形碼編碼方案,轉換后的蒙古文標準編碼擬采用正在報批過程中的蒙古文國家標準編碼。整個編碼轉換工作分三個步驟進行。第一步：分析編碼特征,制定編碼轉換規(guī)則,由計算機程序?qū)崿F(xiàn)編碼初步轉換。第二步：建立蒙古文詞典庫,用來校對轉換單詞的準