五十万个字要装进一套字库

2011 ✍️ 语言文字 2002—2012 dd0823 本站撰写 · 引文献 3 种

一句话提要

二〇一一年七月二十六日,中华字库工程的研发启动大会在北京开,这个工程从筹备进入全面建设。中国出版集团公司牵头,复旦大学裘锡圭任首席专家,二十八个包分给近三十家高校和院所,周期五年。完成后预计能编码五十万个字符。

详细说明

二〇〇六年,中华字库工程写进《国家十一五时期文化发展规划纲要》。二〇〇九年,又列入国务院的《文化产业振兴规划》。从纸面到开工,中间隔了几年。

二〇一〇年五月六日,中华字库工程总体组成立大会在中国出版集团公司开。二〇一一年七月二十六日,研发启动大会在北京开,工程从筹备阶段进入全面研发建设。

组织方式是分包,每个包有独立的技术指标和验收节点,总体组负责对接口。整个工程分成二十八个包,分别交给近三十家高校、科研院所和企业,中国出版集团公司牵头,首席专家是复旦大学的裘锡圭。周期定为五年。

要做这件事,起因是字不够用。当时电脑里通用的字库只收七万多字,日常写作够,一碰到古籍就卡住。翻刻宋元善本、整理出土简帛、录入少数民族文献,屏幕上打出来的常常是方框。

字库的规模要按字符算,不是按字算。同一个汉字在甲骨文、金文、小篆、隶书、楷书里的写法各不相同,一个楷书的异体字也是独立字符。中华字库把它们分别编码。

预计的规模是五十万个字符左右。其中汉字古文字约十万,楷书汉字约三十万,各少数民族文字约十万。这个数量级放在世界上,是最大的一套文字编码工程之一。

技术上的难处不在存,在认。扫描下来的古籍页面要先切分、再识别、再和已有的字符集比对,笔画粘连、纸背透字、虫蛀破损,都得靠算法加人工一道一道过。

工程还带动了一批字形数据库和输入法标准的建立。工程由新闻出版总署主管,副署长孙寿山在启动会上讲了这件事的分量。它不产出畅销书,产出的是一套底座,此后所有古籍数字化、辞书编纂、文字研究,都要踩在上面。

历史意义

文字要活下去,得先能被机器认出来。这套字库把历代字形和少数民族文字收进同一个编码体系,等于给汉字在数字世界里划了一块完整的地。

📖 本站参考文献

  1. 中共中央办公厅、国务院办公厅:《国家十一五时期文化发展规划纲要》,二〇〇六年。/国务院:《文化产业振兴规划》,二〇〇九年。/新闻出版总署:《中华字库工程总体方案》,二〇一〇年。

✍️ 网友推荐参考文献

还没有网友推荐文献,欢迎你来补充。

温馨提示:推荐无关文献或发布广告者,将被警告、禁言,直至拉黑。

🏛 历史影像征集

本条目优先采用考古出土实物、传世古画、历史老照片等真实影像。若您掌握更权威、更清晰的公有领域或馆藏开放授权影像(古画、文物、书影、老照片等),欢迎推荐;经管理员核验来源与授权后采用,通过前不会在前台展示。不接受 AI 合成图、商业图库与来源不明图片。

温馨提示:请确保您有权提供该影像;推荐侵权、虚假或 AI 合成图片者,将被警告、禁言,直至拉黑。

本条由本站撰写 · 引文献 3 种,原文已标注出处 · 最后校订 2026-11-20