自然序汉字检索法
陕西省气象局 张时钊 www.chancezoo.net
两年前，我写了篇《汉字字典序》，探讨如何建立像英文字典那样的自然序汉字检索法。当时提不出具体的方法，但相信这样的方法是存在的。经过两年的思考和摸索，今天可以提出一个基本可用的方法了，称为“根母自然序检索法”。
下面先简述《汉字字典序》中的基本观点，以便自然地导出本方法。
所谓汉字难学，主要是难于自学，难于查字典，因为难查，使我们常常读白字。至今还没有科学而有效的汉字检字法，汉字没有自然的字典序。这也关系到电脑汉字的输入。无序的汉字，难以检索，也就难以输入电脑，更不利于后继的处理。比起字典检索法，近三十年发明的输入法，更是多如牛毛，但也没有一种能很好解决问题的。
中国最早的字典是公元121年的《说文解字》。它首创部首法，建540部，后代一直遵循此法，但部首不断简约，到《康熙字典》只有214部。因为部首不一定在一个汉字的左旁，常因定不准在哪一部，结果仍查不到。这些难查的字另按笔画数排表检索，《康熙字典》的“难字检查表”就有五千三百多字，占总字数的11%。刘达人发现以左旁为部首的占72%，以上旁为部首的占13%，合计85%以上，创“刘氏左上部首法”。查字不可能讲字源，应完全按字形来定部首，单纯由偏旁定部首是正确的，但仍有许多独体字不知归属。
音韵学的升起，出了不少韵书，它不只供填词写诗用，实也是一种字典。从汉字百分之九十以上是形声字出发，李卓敏编纂了《李氏中文字典》，以一千左右的声旁为部首。现代的中文字典正文大都改用按拼音排序。会普通话的人，用拼音输入法写文章很惬意的，尤其使用词、句输入时，只要打声母。但用字典查生字时就不行了，因为不认识的字，当然不知道读音。所以这种字典必附其他检索表。
20世纪上叶，王云五创四角号码字典，按汉字四角的形态特点，分别用10个数码代表，形成一个4位数的号码。如果有几个字同号，再附一个序号。可以说这是探求汉字自然序的第一个尝试，它真称得上第一个数字化方法，姑称为自然数字化。现在说的数字化是指把汉字输入电脑，转换成内码。但这内码与电报码一样，是人为的，不是某种自然序。正因为现在的内码无理，只能死记，但又记不住，才需要输入法，输入码被称为外码。这外码倒是一种汉字的自然数字化。上世纪80年代支秉彝的“见字识码”，与四角号码性质相似，以后所有形码输入法，如陈爱文的表形码，王永民的五笔码，沈克成的表音码，以及其他难以计数的形码，都是一种汉字的自然排序，一种字典序。可惜都因为取码的规则太复杂、不自然，很少用到字典的排序上。另一种简单的首尾码，据说来源于林语堂的“上下形检字法”，后者不仅用于字典，还用在他设计的中文打字机上。
输入法中有笔画码，现代的字典大多附有笔画检字。但直接用笔画组成的序列太长：动态平均（按使用频率加权）是每字7笔，比英文字动态平均5个字母长；静态平均是10笔，多的还超过30。所以都只按首笔或首两笔排序，笔画也只分为五种。首两笔相同的仍以笔画数排，查字都要数笔画。但字典正文都没有按笔画排。只有王竹溪的《新部首大字典》，正文五万一千多字是按笔画排的。但不是直接使用笔画，而是按56个有序的部首排序。这些部首，大部分是笔画不多的简单偏旁，如“口木”等。虽然每个部首也包含几个同类者，但是由于汉字部首过多，还有许多笔画很多的的偏旁和独体字，只能拆为单个笔画，这笔画也叫作部首。再因为这部字典收字多，很多笔画多的字，这种部首序列还太长，不直观。
要进一步缩短序列，必须增加字根数。而增加字根数会增加记忆的困难，尤其记字根序难。为此应把大量字根归并为少数的类。首先，所有笔画的变形，不管是同质或异质的变形（参见冯寿忠《汉字笔画的异质变形概观》），以及所有异体字形，都视为同类。其他如：简繁部首可并为一类，字典里正好可排在一起；水和氵可并为一类，仅在序列之首才为三点水；罕用的字根可归并到与它形状或性质相近的字根里。这样的字根系统，还可用于组字，归为一类的各个字根，需要时可以后附序数（0~9，A~Z）加以区别，但这后附序数可不参加、不影响整体排序。没有后附序数时，不是指频数最大的代表，就一定是可由前后字根等情况判断出用那一个字根。用这样的归并法，类数少，可取20到30，每种则可包含很多字根，可达10到30，字根总数几乎不受限制，可达上千，可包括许多笔画很多的字根。这样，还可以让笔画交错的字形都不再拆分，连接紧密的也不拆，使汉字拆分非常自然，不要定什么规则，不易产生歧义。每个字根类选用一个代表，称为根母。
这样，根母自然序汉字检索法可以表述如下：
1、每个汉字按书写笔顺和自然分离拆分为字根序列。笔画交叉的不拆，相连的一般也不拆。2到4个连续的分离笔画可组成一个字根，单个孤独的笔画一般都归于其前后的字根。
2、字根按一定的特征或相似性归并为28类，每类以一个汉字为代表，称为根母。28个根母及其排序如下：一二三四五十千，人王口中民生田，土山已了又厂日，东西南北大弓线。
3、每类字根包含10到20个字根，它们按笔画数及相似性或其他相关性排序。实际上每类中的一个字根，还可能包含几个形态有异的字根，特别是可类推的简化字偏旁和对应的的繁体字偏旁总被安排在一起。这样，先按根母序，再按类内的排序，所有五百左右字根就都有一定的定位了。
4、如果汉字按其字根序列排序，每个汉字虽然有唯一的定位，但五百多字根的次序很难记住。所以先把字根序列置换为根母序列，再按根母序排列成自然字典序。利用上列四句七字诀，28个根母次序是不难熟记的。
5、如果完全按根母排序，就会有较多的汉字具有同一根母序列。对于每一个同根母序列的汉字，再按其字根序列的逆字典序排序：即先按最后一个根母内的字根序排，如果还有相同的，再按倒数第二个根母内的字根序排。这样，虽然每个汉字也有唯一一定的位置，但是用作汉字字典序却不大方便。另外，第一个字根属于同一根母被看作是等价的，属于该根母的不同部首的汉字就混排在一起了。为此，排序时，第一个字根要按整个字根序排，就使同部首的汉字在一起了。这时，第二字根后同根母序的汉字就很少了，据试验，只用首4个根母序列就可以区分两万汉字了。
最后就是选取那些字根和如何归并为根母了。现在我采用的系统，各个根母的特征描述如下：
自然序汉字检索法
根母表
一：以一点开头，及不属于以下字根之单笔
二：二个分离笔画，或以两点开头的字根
三：三个分离笔画，或三点开头，或含“小水”等字形（特包括州）
四：四个分离笔画，含四点或似四字形
五：含笔画，或上下都为一横者
十：含十字形，且首笔为横
千：千字开头，外加礻衤
人：人字开头，及彳
王：含三横，首横可为撇，以及扌才寸
口：含口字形
中：含中字形，以及斲左上部、繩右上部等
民：含笔画右挑及牙字
生：含或⺁字形
田：含田字形
土：含土字或两横
山：含彐匸凵
已：含笔画乚乙
了：含笔画乛，以及阝卩
又：含两斜笔相交
厂：右下和右上包围字根
日：含日或目字形
东：含木（朩）字形
西：以顶横开始，不属于以上者
南：含冂与周字框
北：左右对称，或以竖笔开头
大：含大字形
弓：含弓未笔、乃首笔、犭次笔及丏（因与丐似）
线：含幺首笔及弋未笔
各根母的字根例（字库没有的，用含该字根的汉字附两数码示起止）
一：一丨丿捺折亠讠（言）之亡云文六方衣主立旁16良
二：二冫丷临12刂儿 丫兰13益15南55半羊⺷⺶米羌
三：三氵水氷彡川巟43忄兴13小少兴14学14光巛乊州
四：四灬火忄忝54氺24氺脊16鬯16爫爪瓜皿血临69罓鹿47曾38黑18网亂(左边)
五：五亚(亞亜)正互侯34韋13卫书刀丑力办刁习那14为(爲)勺勿匆匃
十：十卄 卌帶15廿冓15甘其卉卋世丗棄5C華4A
千：千禾礻衤升釆乎重熏1A挿4A臿秉乖垂埀乗乘
人：人()入亻候13彳合13从(仌)今令仝全创14(倉)余佘钅(金)伞(傘)佥仑(侖创14)佥(劍1D検5C)
王：王玉手扌才寸壬丰拜(左或右)韦(韋)敖16寿(壽夀)噩
口：口吅品囗追25師16叚15衰36毋母回囬曲典16曹17
中：中贵15虫風39史吏兎 囊17革亊(事)歎1B堇串丳禹斲1B繩7I龜
民：丩以12卬12卯13饣丧58衣36逺48长(長镸)氏氐旅7A派49民艮辰瓦鼠7D牙
生：乞气⺧牛午乍生年攵斤斥丘段15朱制16缶卸17無18殷16
田：田由甲申电鱼(魚)果里更27更曳専16惠18擊19单36卑婁禺畢亀
土：土圭壵士干于击13舛47专耂去丢平开発69啬15(嗇17)賫18巫
山：彐山(凵) 虐79(匸)屰46屯妻15疌伊36争36庚48隶聿(⺻肀)帇兼4A粛(肃肅)庸4B巨臣姬4A
已：已(己巳)七(匕)几九丸飞(飛)也乜毛乇卂(丮)无旡兆心必巴尤龙(尨龍AH)
了：了泾45⺈欠子阝卩冖宀穴冘农隺予矛氶(丞)承亟⺪
又：又双夊乂义女夕夜58歹歺丈反友爰59发及报47皮父釜
厂：厂⺁存13广疒尸户卢眉14产(彥16)虎16严辶廴
日：日由目瞿1A贝賏见(見)自且具身耳敢17蚰囙
东：东(東)拣48(柬)车(車)木（朩）林术(朮)求来(來)朿束未末本乐
西：西襾酉两(兩両)丙面页(頁)爾丁下不百憂17万豆畐鬲
南：冂(周框)商16月⺁巾巿敝17舟丹甫门(門)鬥内禸冎(骨15)冉用甪甩冊册
北：卜(上12)止走47片爿北竹业癶非淵4C(渊4B)済8B斎5B亦36鼎6C臾(臼叟17)齊3A率39丣
大：大犬天夭夫养17矢失央夬夨昚15夹爽奭
弓：弓弱15疆16乃扬46弔弟37 与马(馬)亐(丂亏)夷弗犭豸豕(豖)鸟14鸟(鳥)乌丐(丏)
线：厶至13么幺牽17糹(糸)亥乡久彑弋戈戋戊(戉)臧18或貮14我羲7E
各根母含的字根数、以此根母为首的汉字数和静态的被调用字数如下表。由表可见，调用数已调整得比较均匀，但汉字数的差异却很大，这是没办法改变的。
按此系统排序的自然序字典，每页页眉除像英文字典那样标注该页第一个汉字的根母序外，还应标注该页所有第一个字根。查字时，先定待查汉字的首4个根母，在标有它的首字根和首4个根母序的页中，一定能找到该字。至于如何拆分为根母序，看了上面的根母说明，再参考字根例列表，就能自明。有些汉字如果笔顺或连接笔画的拆分有歧义，可按另一种拆分查一下。（我现在的试验字典只有拼音，没有解释，把它作为电子书装入手机，就可查生字的读音。可惜我的手机不高级，一大半汉字显示不出来。再加上目前还有错漏，待修正得差不多时，会在网上提供下载，有兴趣者可与我联系，我的手机号为：13991960524）
你可以使用这个链接引用该篇文章 http://publishblog.blogchina.com/blog/tb.b?diaryID=6748562