电脑新时代汉字不再落后，其处理效率已经反超英文其一 汉字落后

电脑新时代汉字不再落后，其处理效率已经反超英文（其一）

在工业时代，在使用铅字的时候，汉字的机械化处理，诸如机械打字、四码电报、铅活字排版印刷，都显著地落后于英文。这是催生汉字落后论的一个重要社会技术原因。1995年，铅字被淘汰了，电脑打字、网络通信、计算机激光照排取代了繁难、低效的机械打字、四码电报、铅活字排版印刷。这时候汉字依然落后吗？有一些人，包括一些权威的语文学家和管理者，他们认为：电脑产生在使用拉丁字母的西方国家，电脑最适合使用拼音文字的西方，我们实现汉字电脑化处理，花费、开销比西方大得多，效率差得多。本文作者想在这里指出：这种认识是没有根据的，是不符合实际的。实际上，汉字的电脑化处理不再比英文落后、繁难，其处理效率实际上一节实现了对英文的反超。

汉字信息电脑存储----从沉重负担到比英文节省一半

汉英两种文字信息处理中，占用电脑存贮量的比较是个带有重要性的问题。许多作者在比较汉、英文字属性优劣时，在论及汉字发展前途时都谈到这个问题。一种观点认为：汉字字量大，结构复杂；一个汉字占两个字节；汉字字库比英文字库大得多；故而用计算机表示、存贮、加工都要耗费比英文大得多的存贮量，是计算机的沉重负担,并认为这是古老的汉字不能适应信息新技术的一个证据。另一种观点则认为：汉字简明、准确、信息量大，这些优点在电脑文字信息处理中也一定带来许多好处。哪一种看法更正确？我们具体分析如下。

1.字形的点阵表示

计算机的打印输出和荧光屏显示，从上个世纪70年代中期以来，已经完全摆脱了金属铅字，使用数字化点阵表示。就字形点阵表示、存贮来说，汉字确实要比英文至少多消耗数百倍、甚至数千倍的存储。例如显示英文，最低可用7×9点表示一个字符。显示汉字最低需用16×16点。英文字符总量取为100（实际上Ascii可见字符为94个），汉字取为7000。那么汉、英字形库占用存贮量分别为：

汉字字库：16×16×7000点

英文字库：7×9×100点

简单计算可知：此处汉字字形存贮量是英文的284倍。由于汉字结构复杂，同一种点阵规模，汉字字形视觉区分质量比英文差。如果取英文的点阵规模为ｎ×ｎ，汉字的为（2n）×（2n），英文仍取100个字符，汉字取五万个字符。那么

汉字字库：（2n）×（2n）×50000点

英文字库:n×n×100点

此时比值为2000，即这种汉字字形存贮量为英文的2000倍。这里所用的单位“点”，对应着计算机存贮的最小单位：二进制位。16×16点阵7000个汉字所占计算机存贮，用计算机术语说，占1750Ｋ位=218KB（K字节）≈0.2 MB（兆字节）。24*24点阵7000个汉字所占计算机存贮量为4032000位=504000字节=504KB（K字节）≈0. 5MB（兆字节）。这里K=1024，近似于1000；M=K*K，近似于一百万；G=K*K*K，近似于十亿；T=K*K*K*K，近似于万亿。就是说，KB近似于一千字节；MB近似于一百万字节；GB近似于十亿字节；TB近似于万亿字节。一个字节等于8个二进制位。

2.字符的二进制编码表示

电脑表示文字信息有两种方式。一种是上述的点阵方式，这只用于计算机的可见输出，即制作纸版本时的打印，或者应答用户操作时的屏幕显示。还有另一种应用更广的方式即内部编码表示，它广泛用于信息存贮、传输及加工处理。编码表示类似于用四位十进制数表示汉字的电报码，只是电脑文字编码中用二进制整数表示文字字符。一个拉丁字符，通常用一个八位二进制数表示，就是用一个字节表示。一个汉字字符，按国家标准，通常用两个字节表示。粗看起来，似乎仍然是汉字编码多耗费了字节。实则不然。因为拉丁字符和汉字字符负载的信息量大不相同，拉丁字母和汉字不是同一等级的。一个最简单的具体比较，例如：“你好”这句问候语，它的汉、英文版占用编码字节数分别为：

汉文版：你好，占2×2＝4个字节

英文版：How areyou，占11个字节（内含两个空格）

英文版使用字节数是汉文版的2.75倍，可记为d=2.75。这个例子似太简单，难于引出一般结论。1988年笔者曾做过如下统计。选择毛泽东选集、毛泽东诗词等材料，取英、汉两种文本输入电脑，计算英文版占用字节数与汉文版占用数的比值d，得结果如表9.1。

表9.1 英文、汉文计算机编码表达长度的比较

如果读者想要自己做一下简单统计，还可以用下述办法.。我们取一本对外汉语教材《一百句式汉语通》（鲁川，孙文方主编，华语教学出版社，2008年）。取其中六个课文，共包含16个句式。每个句式都是汉字

文本资料都选用有影响的权威资料【36—39】。统计中没有计入文题、词牌名、题解、注释等项。正文统计中含空格及标点。统计结果表明：汉文的简约特点是鲜明的。汉字信息的存储量仅仅是英文的1/d，节省的部分为：（d-1）/d。由于d的值最小为2，故汉文版编码表示用电脑字节数至少比英文省一半（英文比汉字费一倍）。汉文版这种简约性因体裁不同而差异甚大。中国古诗简约性最强，现代白话文为最弱。但这最弱，也只是英文的一半。就文字编码表示、存贮来说，汉字的简捷性具有明显优点，同一文本的英文版占用电脑存贮量至少比汉文版多耗费一倍。

3.计算机存储器发展情况

今天的普通微机，包括笔记本电脑，其存储量都已经足够大，用户使用时通常不必担心存储量不足的问题。这与二三十年前截然不同。表7.2给出国产计算机存储器规模的数据。这些机器包括了微型机之前的主要机型，其中没有一种机器的内存能够容得下最低精度的汉字字库（均小于218KB）。再看表9.3，其中列出美国IBM公司著名机型IBM360的存储量数据。IBM360是上个世纪六七十年代风靡世界的产品，是微型机之前IBM公司销量最大的产品。从表9.3可见，其中83%的机器内存小于64KB；只有22台（仅占0.12%）肯定能够放得下一个低精度汉字库；仅仅13%的机器的高配置放得下一个低精度汉字库。表9.2、9.3表明，在微型机之前，对国、内外的计算机，汉字字库都是沉重负担，也可以说，是无法承受之重。

表9.2 上个世纪50~70年代中国国产计算机的内存容量

9.3 上世纪六七十年年代风靡世界的IBM 360机的内存容量

表9.4. 上世纪80年代以来部分微型机性能*

*首行为小型机，是王选研制激光照排时使用的，样书《伍豪之剑》用此种机器完成。可见，该机器比2009年的普通微机的指标低了数千倍到数万倍！

表9.4则主要列出的是微型机存储器状况。从中可见：二十多年时间里，微型机性能（内存储量，外存储量，速度）提高了千倍、万倍，而价格则下降为原来的数十分之一。微型机性能价格的这种变化是人类社会其他任何行业都很难见到的。不了解这种发展变化，往往会做出错误判断。从这些表格所列的数据所反映的实际情况，我们才能做出进一步的适当分析。

4.计算机发展的头30多年，汉字字库是计算机的沉重负担

从表9.2、9.3可见，计算机发展的头30多年，当时绝大部分计算机的内存，都比最低精度的汉字字库容量（218KB字节）要小。这就是汉字处理的一个决大难题。可以说，这时候，汉字字库是计算机的无法承受之重。这是中文信息处理滞后于英文的一个重要技术原因。

此外，微型机诞生之前的二十多年里，计算机的存储器主要是磁芯存储器。单个磁芯的直径不足一个毫米。这时，最小存储单元，二进制位，是肉眼可见的。参见图9.1，这是磁芯板的局部照片，其中可见金属导线串连在一起的磁芯。图9.2是一块完整磁芯板照片，其容量为1K位（32*32=1024位）。制作磁芯板需要大量、细致的手工操作。小小的每个磁芯里要穿过两三根导线。中国台湾曾经是美国磁芯板的重要加工区。IBM当初购买王安磁芯专利时，曾提议每制造一个磁芯付专利费1美分，被王安拒绝。后来事实证明，对于王安这其实比50万美圆买断要强得太多了。如果我们按通常5%的提取专利费，那么一个磁芯应该价格是20美分。1K字节磁芯板价格曾经为1638.4美圆（1024*8*0.2=1638.4）。一个低精度汉字库，218KB的磁芯板应该价格为三十五万多美圆（实为357171.20美圆），价格相当昂贵。把这当作五六十年代汉字库的一个成本估计，有参考价值。可见当时采取扩大存储量的办法解决汉字库问题，经济上缺少可行性。美国的一些公司（包括IBM），曾看好中国著名作家林语堂先生发明的中文打字机，在上世纪五六十年代就购买了林的专利，想把它作为基础设计中文电脑的输入设备。存储器昂贵可能是汉字项目最终没能成功的原因之一。其实，中国某邮电研究所，也曾在1969年做成数千汉字的20*20精度的汉字库，用于汉字电报收报。未能推广应用的原因中，也少不了字库太贵这一条。

图9.1磁芯板局部照片（其中可见金属线穿在一起的磁芯）

图9.2 1Kb（32*32=1024位）容量的磁芯板

5.随着微型机存储量的增大，汉字处理的难度变小，汉字简明的优点变得突出

微型机诞生以后，计算机存储器普遍使用大容量、高速度的半导体存储器。并且以技术性能每2~3年提高4~5倍，价格每三年降低到1/4的速度发展。表7.4中除第一行外都是微型机，可见性能提高变化情况。其中第一行所列，是北大748汉字工程课题组，于1980年完成样书《伍豪之剑》排版时用的计算机，是中国仿制NOVA小型机的产品。价格三四十万。它仍然使用64KB的磁芯存储器和一个仅仅6MB的保加利亚硬盘。当时只能使用这种落后设备，是由于外部禁运封锁和内部闭关锁国的双重限制。磁芯板不仅容量小，难于提高；其稳定性、耐用性都远不及之后的半导体存储器。一个磁芯破碎，整个一块板就报废。平均无故障时间仅为几个小时。为了在这样低性能机器上处理汉字，王选夫妇及北大激光照排组研究人员不知多耗费了多少时间、精力，还不得不挖空心思、想方设法设计多级优化调度方案。无法存储完整字库，就按需要临时高速生成，并进行小失真快速变倍。王选夫妇发明的专利技术，帮助他们应对落后设备带来的许多麻烦，终于闯过样书排版的第一道难关。NOVA小型机的性能指标远不如1981年推出的价格仅仅数万圆的PC微型机。上个世纪80年代在微型机上成功实现了汉字处理。此时，应该说汉字字库仍然是个负担。汉卡及若干专用软件正是专为对付这个负担的而特别设计的。90年代中后期汉卡等退出历史舞台，因为微机存储量已经足以应对汉字字库。随着微机存储量的急剧增长，汉字字库消耗变得越来越微不足道。由于一套微型机系统只需要一套字库（当然包括多种字体）。硬盘里字库以外的部分，用于存储文字编码信息（前面2节所述）。这部分用于存储汉字就比存储英文节省。汉字需要的存储量仅仅是英文的1/d（d值参见表9.1）。字库以外的这部分越大，按比例节省，节省的量也就越大。

图9.3 1G字节的半导体内存条（折合4295平方米磁芯板）

从图9.3可见，1G字节的半导体内存条不过只有几个平方厘米，重量不足10克。我们现在可以估算一下，相应大小的磁芯板会有多大。不妨假设每个磁芯只占半个平方毫米。不难算出，一个G字节的磁芯板的面积将达到平方米数为：

(0.5*1024*8)*1024*1024/100/100/100;≈4295平方米

该数值为4295平方米。上面圆括号里是1K字节磁芯板占平方毫米数，乘1024得M字节数值，再乘1024为G字节数值；除以100变为平方厘米，再除以100为平方分米，再除以100得平方米数。

6． 现今在微型机里存储汉字比存储英文节省一半

前述（1）节中说汉字字形库比英文字库大数百至数千倍；前述（2）节中说英文编码表示是汉文长度的２倍到４.５倍。如何综合比较呢？最容易说清问题的是一套微机系统。一套普通的微机系统，汉字字库只要一套（包含多种字体）。具体些说，不管你的电脑是只存储单独一本红楼梦，还是同时存储四大古典名著，或者四库全书和其他什么中文材料，都只要用一套字库即可。“仅仅用一套字库”就是字库的一次性、一个性。而需要存储的文本编码信息（单独的红楼梦，到四大古典名著，到四库全书，....）则是一种累积性。2005年初装机的，大多大于100GB（一个GB等于1024MB）。其中不妨去一个GB字节（合1024MB，足以容纳宋体、黑体、楷体等二三十种高精度汉字字信息库），视为汉字库比英文多消耗的。所剩99GB中，存汉文版将比存英文版省下一半，即省49.5GB。自然，我们还要退回到1981年考虑。80年代初期，通用微机硬盘为10MB。仅仅存储低精度字库，以存24×24的宋体、楷体两种各一套计算，汉字字库容量约为１MB（一兆字节，即一百万字节）。其中不妨去一兆字节，视为汉字字库比英文多消耗的。所剩９兆字节中，存汉文版将比存英文版省下一半，即省4.5兆字节。硬盘容量在不断扩大。不到20年间，从省4. 5MB，到省49.5GB，说明了海量数据的“积累性”。而每台微机或每个系统，都只用一套汉字库，就是“一个性或一次性”。此时，我们再回头看北京大学748课题组排印样书《伍豪之剑》时用的DJS130计算机。使用64KB的磁芯存储器和6MB的保加利亚硬盘，没有显示器，没有软盘，没有针式打印机、激光打印机，没有键盘，只有光电纸带输入器，只有仅仅能够打印拉丁字符的行式打印机（激光制版机是另外的设备）。但他们排印使用的却是正式印刷质量要求的高精度字库：正文五号字用108*108点阵，封面特号字用576*576点阵。是他们用聪明智慧、艰苦卓绝克服了落后设备带来的额外困难。

7． 走进百姓日常生活的大容量存储器

中国社会正在迅速走进信息化，计算机和网络迅速地走进各行各业和普通人的生活，也把大容量、高速度的存储器带进普通人的生活。MP3，MP4，手机，数码相机，电子词典，以及遍布街道、银行、邮局、车站24小时不停运转的摄像头，无一不在使用着大容量存储器。要知道，在文字、声音、图形、活动图像这些信息里，文字（当然包括汉字，包括繁体汉字）是最简单、最节省存储、最节省处理时间的一种。能够存储一个小时音乐或图像的存储器，可以存储三四亿汉字信息。这样的一块光盘，现今不过只卖两三元钱。你想想看，那遍布街道、银行、邮局24小时不停运转的摄像头，消耗的存储器能存多少文字信息？一个摄像头一个小时存储量就按折合3亿汉字，一个摄像头一天存储量折合3*24=72亿汉字，全北京市一天呢？全国一天呢？全国一年呢？须知，一套《四库全书》的总字数约十亿汉字（据【40】44页为九亿九千七百万）。一个人，如果想把自己毕生著作留给子女一个副本。假定著作量达到数百万或千万汉字。这个愿望在百年以前绝对是无法解决的难题；在三四十年前也是巨大难题。在今天只要用一块光盘足矣。用买一斤糖葫芦的钱（超市现价15-24元），足以买5-10块光盘，可以分发给多个后代。这些你想到过吗？这些你几年前想到过吗？这和四十年前汉字字库是难题，今天不再是难题是一样的问题。计算机存储技术的飞速发展，是惊人的。每2~3年性能提高4~5倍，价格每三年降低到1/4，这往往出乎人们（包括专家们）的意料。所以，我们不能要求任何人能够正确预见这种发展，但应该要求有关人员不要无视已经成为现实的发展。某些人，在新世纪，仍然把1980年代，低精度字库无法表达某些笔画多的汉字，当作汉字落后的证据。这表明他们的认识太落伍，太不符合实际，对于与自己关系密切的领域的技术进展太迟钝。可能有人会问：你这里说的今天普及应用的存储器，和王选们1980年用的是一类东西吗？可以肯定地回答：今天两三元钱买来的光盘（700MB），比他们当时用的保加利亚硬盘(6MB)好得太多了。不仅存储量大一百多倍，易用性、稳定性也都强得太多了。他们在恶劣技术条件下，以聪明智慧、坚韧顽强与西方强大的产业集团竞争、抢时间。在七四八汉字工程胜利在望的时候，国内用户仍然花费上千万美圆订购了外国货。国外厂家决定最终退出中国市场，是1988年经济日报社卖掉铅字、用激光照排实现日报正常生产，而进口设备还无法出报的时候。

爱华网本文地址 » http://www.413yy.cn/a/25101010/20320.html