cahier lukhnos

在台灣講的國語，如果不計聲調，一共有417種音節組合。如果計聲調的話，則一共有1323種。

為什麼會突然提到這兩個數字？

我在很多年前就學會了漢語拼音，那是早在台灣大開拼音論戰之前的事了。我從那時候就意識到了拼音的模樣對於語言的影響，卻也同時知道學會漢語拼音的好處：許多香港及中國大陸編的工具書，成語詞典、漢英、漢法、漢德詞典…… 一瞬間變得好用起來。自己的中文資料需要編目的時候也馬上有了現成的索引依據，甚至連地址簿要怎麼排序都有了解法。

也許因為自己很早學會漢語拼音，我對於台灣的拼音論戰，其實是很早就選邊站的（雖然因為當局者的關係，通用拼音似乎是贏得實質勝利了）。唯一一次被動搖，是台大的江文瑜老師說：拼音就跟文字一樣，看拼音的長相就知道這是哪個地方。我忘了她確實怎麼講，也忘了出處。但這句話確實是打動我的。只是，hélas，對我來說，真正能代表台灣，讓人一眼就看得出來你是台灣來的拼音名，既不是通用，更不是亂七八糟的國語羅馬字、注音二式，而是，洋人發明的、從來沒有人搞得清楚 t t’ 差別的，威妥瑪……

（請比較唐太宗：T’ang T’ai-tsung 跟當歸湯 Tang-kuei soup 的 T 的差別。）

拼音論戰討厭的地方是會被跟政治立場劃上關係。當然我完全可以理解「通用派」或至少是「反漢語派」（如果這個集合減去通用派，還不是空集合的話）的專家學者們，以文化論述或「拼音也是一種表意文字／圖象符號」的觀點，佐以身份主體性與差異性等論述，來強調台灣要有自己拼音系統的理由。不過，就像大家都認識的積丹尼（Dan Jacobson），說過一句大家都聽過的話：「我支持台灣獨立，但拜託請用漢語拼音」（引他的話並不代表我支持或不支持「苔灣都立」）。可惜漢語拼音已經貼滿了顏色，有時我也覺得好端端的 Chien-kuo South Road （或是某個同名中學）如果改成了 Jianguo South Road ，怎麼感覺就是怪怪的，更不用說 Zhongshan South Road 或 Zhongxiao East Road 了（至於那種「半漢語、半通用」──據說主要是通用，讓通用在我心中扣了相當多分──類似 Microsoft Windows API 或 Wiki/CamelCase 命名式的拼法，像是 ZhongXiao East Road 或 ZhongShan North Road ，則是愚蠢至極點──這些學者教授都不知道漢語拼音有斷字規則，對於 Xi’an 這樣可能造成模糊的字也有斷點的嗎？！）。可能只是因為從小看慣了，鄉愁使然吧。如果萬一哪天台北變成了 Taibei ，高雄變成了 Gaoxiong ，我一定會有那種亞爾薩斯人一夕之間變成得講德語的恥辱和憎惡感。那麼威妥瑪到底招誰惹誰了（Taipei和Kaohsiung都是威妥瑪式拼法）？神奇的是，「漢語派」和「通用派」竟然有共同的敵人，那就是這個由清末洋使節和語言學家（「漢學家」）所設計的拼音系統。我還記得同樣是台大老師的廖咸浩曾經在《中國時報》論壇上寫說，威妥瑪太浪費字母了，擺著 b, d, g 不用，而且許多音律不合中文習慣。威妥瑪浪費字母的問題是大家都知道的，但是廖老師大概把外文系的語言學概論給忘了，其實中文的「得」的確不是歐語的 d ，再說那堆 apostrophe 並沒那麼礙眼，說不定還蠻有異國或甚至「東方（主義）」情調的（例如荷蘭文以 apostrophe 開頭的地名，或是希伯來文／阿拉伯文的拉丁轉寫等等）。

我扯遠了。在守著不合時宜的威妥瑪，以及使用著政治不正確的漢語拼音的同時，我其實是有機會就跟人家傳傳教，說這兩種拼音的優點各是如何等等。「漢語拼音的好處之一，」我常說，「就是它幾乎和注音符號一對一對應」。

說是這樣說，但我其實從來沒有真的驗證過這個說法。我只知道除了把ㄅ換成b、ㄆ換成p，然後有少數的規則要記（例如 liou → liu）。由於每次「傳教」的時間都不長（通常旁人只是希望你趕快幫她／他把名字或地址翻成拼音，然後就去忙別的事了），我也從來沒機會窮舉這些規則。這其實不是一件好事：傳教的人怎麼可以不對自己的信仰，做一番徹頭徹尾的檢驗呢？這種東西就跟沒有自己做過一遍證明，就把命題當定理，一樣是很危險的事。

於是，心血來潮，來寫個「注音符號轉漢語拼音」的程式。

軟體工程這一門，其實是很忌諱「重新發明輪子」這回事的。當然，換個方式想，「重新發明輪子」或許是把事情搞懂、搞通、搞爛最好的方式之一。通常做過幾次之後，就會對造輪子的人充滿敬意（我因此對設計 GUI、開發文書處理軟體、草擬程式語言文法以及會做日式蛋包飯的人充滿敬意，這些當然是我以血淚換來的教訓）。當然也有像 Hacker’s Dictionary 說所謂 “toolsmith” 之流的人，專門以重新發明輪子為樂，而且「要重新發明就發明個最棒」的。兩個月前我參加了某場程式設計的集會，就聽過這樣一個強者如是說。這個人叫 Brian Ingerson (Ingy) ，Kwiki 的發明人。他自我剖析說：”My weakness? … I reinvent everything. My strength? … I reinvent everything.”

不過我的「注音符號轉漢語拼音」純粹只是個像學生做證明題般的必經之路而已。網路上能夠查的表一大堆（據說）。幹嘛花這個力氣？

還是那句老話：為了檢驗自己所說「漢語拼音和ㄅㄆㄇㄈ幾乎是一對一對應」的命題。

經過了一陣子（reads: 一個不眠的晚上）的努力，發現事實沒那麼單純，先說結論好了。如果你要把注音符號轉成漢語拼音，請照以下的步驟進行：

首先，請先將每一個注音符號，直接依下列對照表一一代換：

• ㄅ→b、ㄆ→p、ㄇ→m、ㄈ→f
• ㄉ→d、ㄊ→t、ㄋ→n、ㄌ→l
• ㄍ→g、ㄎ→k、ㄏ→h
• ㄐ→j、ㄑ→q、ㄒ→x
• ㄓ→zh、ㄔ→ch、ㄕ→sh、ㄖ→r
• ㄗ→z、ㄘ→c、ㄙ→s
• ㄚ→a、ㄛ→o、ㄜ→e、ㄝ→e
• ㄞ→ai、ㄟ→ei、ㄠ→ao、ㄡ→ou
• ㄢ→an、ㄣ→en、ㄤ→ang、ㄥ→eng
• ㄦ→er
• ㄧ→i、ㄨ→u、ㄩ→ü

（ㄜ跟ㄝ竟然都轉成 e ？沒錯，由於ㄜ跟ㄝ是互斥對──沒有ㄧㄜ，ㄝ只出現在ㄧㄝ的組合──因此沒有衝突的可能。）

接著，有一些縮寫規則：

• ien結尾的字要變成in（例如「賓」bien→bin）
• iou結尾的字要變成iu（例如「丟」diou→diu）
• uen結尾的字要變成un（例如「倫」luen→lun）
• üeng結尾的字要變成iong（例如「瓊」qüeng→qiong）
• üen結尾的字要變成ün（例如「群」qüen→qün）
• uei結尾的字要變成ui（例如「歸」guei→gui）
• ung結尾的字要變成ong（例如「通」tung→tong）
• i開頭的字前面要加y（例如「醫」i→yi）
• u開頭的字前面要加w（例如「吳」u→wu）

最後是在上述規則轉換後，剩下來的特例：

• （ㄐㄑㄒ）j→ji、q→qi、x→xi、
• （ㄓㄔㄕㄖ）zh→zhi、ch→chi、sh→shi、r→ri、
• （ㄗㄘㄙ）z→zi、c→ci、s→si、
• （翁）ong→weng
• （雨）ü→yu、
• （元）üan→yuan、
• （越）üe→yue、
• （雲）ün→yun、
• （無）w→wu、
• （維）wi→wei、
• （文）wn→wen、
• （壹）y→yi、
• （音）yn→yin、
• （英）yng→ying、
• （游）yu→you

最後，漢語拼音對於ㄩ這個音，其實是設計了 “ü” 的寫法（想來應該是從德文的 ü ─ “u umlaut” 來的）。然而會衝突的只有兩個組合，nu 和 nü（努和女）、lu 和 lü （盧和呂）。因此在最後一個階段，我們把所有剩下除了 nü 和 lü 之外的 ü 換成 u 。如果是做輸入法，則 nü 和 lü 有各種處理方法，例如 Mac 和 Windows 的簡體中文是用 v （一個漢語拼音沒用到的字母）這個鍵來輸入 ü。理論上，依照簡體中文多半是以智慧選字的拼音輸入方式，在有上下文的情況下，打 nu/lu 應該還是可以分辨這是 u 還是 ü 的。例如 nuxing→女性，luren→路人（而不是「綠人」）等。

以上的規則都寫在這個目錄裡所附的 bpmf-to-pinyin.pl 裡了。有興趣一試的朋友，可以把 bpmf-list.txt 倒進這個程式裡（perl bpmf-to-pinyin.pl < bpmf-list.txt），這個程式便會產生一列三行的輸出：第一行是拼音、第二行是注音符號、第三行則是所謂「標準排列鍵盤」的鍵碼。最後這東西對做輸入法是很有用的，有在台灣打過注音的朋友應該一看就知道我在說什麼，例如「ㄓㄨˋ」的鍵碼是 5j4 ，這樣的東西。

上面便是注音符號轉拼音的規則。至於拼音能不能利用規則倒施，來轉回注音符號，我就沒試過了。

可是，這跟一開頭說的 417 個音節組合，有什麼關係？

這個數字，是在驗證以上轉換規則的過程中，意外得到的。

為了要驗證以上規則是否正確（更誠實地說，其實是為了看看還漏了哪些規則，邊驗證邊補齊），我找來了台灣通行的「注音輸入法」的 Xcin 資料表格：phone.cin （下載 OpenVanilla 傳統注音輸入法模組所使用的 UTF-8 版，改名為 bpmf.cin），以及同樣屬 Xcin 計劃的「簡體拼音輸入法」資料表格 pinyin.cin （下載 OpenVanilla 計劃收錄的、含五萬條詞庫的 UTF-8 版），看看把 phone.cin 所有的注音符號轉過去拼音，是否能對應到 pinyin.cin 的拼音表列中。

這樣的工作，要是以前對我來說，是完全不能想像的苦工。現在有了 Perl 跟 SQLite 等工具，計算是否有漏字，是否正確一對一對映、是否有重覆衝碼等問題，就變成只是動動手寫一兩行程式或一兩句 SQL 指令的事情了。經過一些驗證，以上的規則，確實可以正確地把注音符號，轉成漢語拼音，完全不需要查表。有趣的是，phone.cin 當中，這些國語裡有的字和音，是 pinyin.cin 檔案所沒有的，這並不代表這些字不在台灣不是這樣唸，僅僅代表 pinyin.cin 沒有而已：

• ㄋㄡˋ （耨鎒嗕譨羺獳）
• ㄉㄟˇ (得）
• ㄧㄞˊ （崖睚啀娾）
• ㄈㄨㄥˋ （甮）
• ㄕㄟˊ （誰）
• ㄈㄡˇ （否缶殕缹鴀罘芣紑剻）
• ㄈㄧㄠˋ （覅）
• ㄈㄛˊ （佛坲）
• ㄔㄨㄚ （欻）
• ㄇㄧㄡ （唒謬）

繁體中文的 phone.cin 一共有 14143 條目，扣除重覆字（破音字）則一共有 13097 字，再扣除三十七個注音符號仍有 13060 字。最早的 Big-5 內碼中文一共造 13053 字，也就是說 phone.cin 一共多了七個字，果不其然：「碁、銹、裏、墻、恒、粧、嫺」，全都是最早的 Big-5 裡所沒有的字（想來真是不可思議）。

至於 pinyin.cin 部份，扣除雙字（含）以上的詞，一共有 7300 條，6769 個字，397 種不同的音節組合。扣掉 pinyin.cin 的兩個快鍵，總共是 395 個組合。而 phone.cin 扣除 22 個 phone.cin 裡才有的字音（以上的例外，加上幾個注音符號──漢語拼音是沒有注音符號的音碼的），正好也是 395 個組合。再作兩個集合的比對，果然證實了這個轉換規則是有效且正確的。

一路做下來，算是解答了許多自己多年來的疑惑（「注音輸入法所涵括的台灣用國語裡，到底有多少個 distinctive syllable」是其中之一」）。說真的，這些都要拜工具之賜，還有最重要的，是公開的資料表格。

說來有點荒唐也有點慚愧。我竟然是大約到去年快當完兵，有一次意外地在 google 上搜忘記跟什麼有關的東西，才知道原來 Xcin 計劃一直一直是有公開的資料表格，而且排列順序和我所熟悉的倚天中文及 Windows 注音輸入法是一致的（在此之前，我對於 X-Window 上的中文輸入法，印象僅僅及於大學時代計算機中心 Sun 工作站上的 cxterm）。我的浦島太郎時代大抵如是。

倒是，還記得更早之前，MS-DOS 的時代，寫個「不進中文系統也能顯示中文」的程式，好像挺厲害的。這件事後來變得誰都會做，也就不足為奇，於是難度提高為「不進中文系統也能輸入中文」，這就有點看頭了。我還記得那個時候有一位高中學長弄了一套很炫的 GUI ，連繪圖驅動程式都是自己用組合語言寫的。尤其是「能夠輸入中文」這件事，很是令人稱奇。我記得我曾經問他，能不能跟他要這一份程式碼（後來則是問能不能要驅動程式）。或許因為是學長要拿來賺錢的程式，或者是因為學長認為我從來都沒懂過組合語言（也沒表現過「想學組合語言」所必要的虛心或誠意）吧，這件事情從來就沒有下文。那時還不時興 open source ，少數像《倚天中文技術手冊》又寫得語焉不詳（可能是我那時沒學過資料結構，當然於我讀來如希臘文──it’s all Greek to me）。早年的羨慕只能歸羨慕。

沒想到，好死不死，後來換到了 Mac OS X 上工作，竟然又被我撞上一個同樣是超過十年的想望：想要在 Mac 上用倚天排列的注音輸入法來輸入中文。我差不多同樣在那個羨慕學長的年紀就知道 Mac 的中文不會合我用，沒想到多年後竟然還是回到了這個點上。不過這一次，我知道了 Xcin 有資料表格（多虧退伍前某次放假的 google 意外）、有 gugod, zonble 那時在天天討論的 OS X 版酷音，還有 Apple 自己提供的輸入法範例──更不用說 OS X 買來就附開發工具、開發手冊這種事了。雖然 Mac 剛入手時中文輸入不太順，感覺很幹，但是想想似乎能夠靠著這些公開的資料和公開的程式碼，自己動動手來「重新發明輪子」，這樣的感覺還是蠻幸福的。若是在 Windows 上，我大概就完全無法想像要怎麼辦了（雖然幸虧 Windows 自始至終都有倚天排列的傳統注音）。

如果沒有 open source ，就是此路不通，有緣再相會了。

後來竟然就這樣一路跟朋友們做了下去，變出了一個規模不算小、有正式包裝、有 build scripts 、有 .PDF 文件、有朋友繪製的美美的 icon 、有偏好設定程式的計劃。倒是當我用程式求出 417 這個數字的那一片刻，我突然有種感覺：這陣子的狂寫程式，無非不是在把自己那段浦島太郎歲月所該寫而沒寫、該求知而未求知、該解決而沒解決的問題，給一一償還付清。原來當時的許多疑惑以及起心動念，竟然可以延續如此長長久久的一段時間，一直到現在才有那樣的時間、精力（讓我好奇過去的時間是被用到哪去了），還有勉強算是終於學會的一些能力，而得以如願。於是繞了那麼一大圈之後，我又回到了當初起了好奇心時的那個原點。T. S. 艾略特的詩：「我的開始中有我的終點」（In my beginning is my end），我突然想到那樣的一句話。

如此說起來，似乎也挺不錯的。至於這之後又能夠做些什麼，那都是好好睡一覺然後再說的事了。

lukhnos :: May.24.2005 :: tekhnologia 技術或者藝術 :: 17 Comments »