托忒文(TODO)办公套件的开发研究
- 格式：pdf
- 大小：1.30 MB
- 文档页数：7
第３２卷第２期 ２０１５年５月 新疆大学学报（自然科学版） Ｊｏｕｒｎａｌ ｏｆ Ｘｉｎｊｉａｎｇ Ｕｎｉｖｅｒｓｉｔｙ（Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｅｄｉｔｉｏｎ） Ｖｂ１．３２．ＮＯ．２ Ｍａｙ，２０１５
托忒文（ＴＯＤＯ）办公套件的开发研究水
艾尼宛尔・托乎提 ，达瓦・伊德木草 ， ，吾守尔．斯拉木 ，一，哈尔肯别克．木哈西。，
买买提．哈斯木１，２
（１．新疆大学新疆维吾尔自治区多语种信息技术重点实验室，新疆乌鲁木齐８３００４６；２．新疆大学信息科学与工程学院，新疆乌鲁木齐
８３００４６；３．武汉理工大学计算机科学与技术学院，）
摘要：针对国家标准蒙文托忒文字（ＴＯＤＯ）处理办公软件的紧迫需求，以及蒙文现行多版本软件相互不兼容 以及不能跨平台利用等问题，本文研究了基于开源办公软件ＬｉｂｒｅＯｆｆｉｃｅｚ８．１和Ｏｐｅｎ Ｔｙｐｅ字库技术的ＴＯＤＯ文智 能化办公套件和不同码文本自动转换为标准编码文本的应用软件．本办公软件的研发基本解决了现行ＴＯＤＯ文 处理软件所存在字符插入难、换行不能够对齐以及键盘设置与拼音法或２６个英文字母使用习惯不一致等问题．试 用测试表明，本软件有较高的易用性、稳定性、兼容性和安全性．
关键词：托忒文办公套件；Ｏｐｅｎ Ｔｙｐｅ字体；输入法；国家标准；不同码文本转换 ．
ＤＯＩ：１０．１３５６８／ｊ．ｃｎｋｉ．６５１０９４．２０１５．０２．０１３ 中图分类号：ＴＰ３９１．１ 文献标识码：Ａ 文章编号：１０００—２８３９（２０１５）０２．０２０２．０７
Ｔｈｅ Ｄｅｓｉｇｎ ａｎｄ Ｉｍｐｌｅｍｅｎｔａｔｉｏｎ ＴｏＤｏ Ｆｏｎｔ ａｎｄ Ｉｎｐｕｔ Ｍｅｔｈｏｄ Ｂａｓｅｄ ｏｎ Ｎａｔｉｏｎａｌ Ｓｔａｎｄａｒｄｓ ａｎｄ Ｏｐｅｎ Ｔｙｐｅ Ｔｅｃｈｎｉｑｕｅ
Ａｎｉｗａｅｒ Ｔｏｈｕｔｉ ，Ｄａｗａ Ｙｉｄｅｍｕｃａｏ ，一，Ｗｕｓｈｏｕｅｒ Ｓｉｌａｍｕ ，一，Ｈａｒｋｅｎｂｅｋ Ｍｕｈａｘ３，
Ｍａｉｍａｉｔｉ ＨａｓｉｍＩ，２
（』．Ｃｏｌｌｅｇｅ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｘｉｎｊｉａｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｕｒ＇ｕｍｑｉ Ｘｉｎｊｉａｎｇ ８３００４ Ｃｈｉｎａ； ２．Ｘｉｎｘｉａｎｇ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｍｕｌｔｉ—ｌａｎｇｕａｇｅ Ｉｎｆｏｒｍａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ，Ｕｒｕｍｑｉ Ｘｉｎｊｉａｎｇ ８３ｏｏ４ Ｃｈｉｎａ；
３．Ｃｏｌｌｅｇｅ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ ｏｆ Ｗｕｈａｎ Ｓｃｉｅｎｃｅ Ｕｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ Ｈｕｂａｉ ４３００７０，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：ＴＯＤＯ，ｗｈｉｃｈ ｂｅｌｏｎｇｓ ｔｏ Ｍｏｎｇｏｌｉａｎ，ｉｓ ａ ｃｈａｒａｃｔｅｒ ｓｙｓｔｅｍ ｕｓｉｎｇ ａｒｅａｓ ｍａｉｎｌｙ ｉｎ Ｘｉｎｊｉａｎｇ ｏｆ Ｃｈｉｎａ ａｎｄ Ｋａｌｍｙｋ ｏｆ Ｒｕｓｓｉａ ｔｏｄａｙ．Ｉｔ ｉｓ ｎｅｃｅｓｓａｒｙ ｔｈａｔ ａ ｓｏｆｔｗａｒｅ ｐｒｏｃｅｓｓｉｎｇ ＴＯＤＯ ｂｙ ｕｓｉｎｇ ｎａｔｉｏｎａｌ ｏｒ ｉｎｔｅｒｎａｔｉｏｎａｌ Ｕｎｉｃｏｄｅ ｓｔａｎｄａｒｄ ａｎｄ ｗｉｌｌ ｂｅ ｕｓｅｄ ｃｒｏｓｓ ｐｌａｔｆｏｒｍ．Ｉｔ ｉｓ ｔｒｕｅ ｔｈａｔ ａ ｌｏｔ ｏｆ ｓｏｆｔｗａｒｅ ｕｓｅｄ ｔｏ ｐｒｏｃｅｓｓ Ｍｏｎｇｏｌｉａｎ ｉｎｃｌｕｄｉｎｇ ＴＯＤＯ ｉｓ ｉｎｃｏｍｐａｔｉｂｌｅ ｅａｃｈ ｏｔｈｅｒ ｂｅｃａｕｓｅ ｏｆ ｕｓｉｎｇ ｆｒｅｅ ｃｏｄｅｓ．Ｔｈｉｓ ｒｅｓｅａｒｃｈ ｄｅｖｅｌｏｐｓ ａ ｎｅｗ ｐｒｏｃｅｓｓｉｎｇ ｓｙｓｔｅｍ ｆｏｒ ＴＯＤ０ ｂａｓｅｄ ｏｎ ＬｉｂｒｅＯｆｆｉｃｅ ｓｙｓｔｅｍ ａｎｄ Ｏｐｅｎ Ｔｙｐｅ ｆｏｎｔ ｔｅｃｈｎｉｑｕｅ ａｐｐｌｙｉｎｇ ｔｈｅ ｎａｔｉｏｎａｌ ｓｔａｎｄａｒｄ Ｕｎｉｃｏｄｅ ｓｙｓｔｅｍ．Ｔｅｓｔ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｉｔ ｉｓ ｓｕｐｅｒｉｏｒ ｉｎ ａ ｃｈａｒａｃｔｅｒ ｄｅｌｅｔｅ ｏｒ ｉｎｓｅｒｔ ｉｎ ａ ｓｔｒｉｎｇ，ａｎｄ ｌｉｎｅ ａｌｉｇｎｍｅｎｔ ｗｈｅｎ ｔｈｅ ｌｉｎｅ ｆｅｅｄ，ａｎｄ ｃｏｎｖｅｒｔｉｎｇ ａｎｙ ｃｏｄｅ ｔｅｘｔ ｔｏ ａ ｓｔａｎｄａｒｄ Ｕｎｉｃｏｄｅ ｔｅｘｔ．Ｆｕｒｔｈｅｒ．ａ ｎｅｗ ｋｅｙｂｏａｒｄ ｓｅｔ ｃｏｎｓｉｓｔｅｎｔ ｗｉｔｈ Ｅｎｇｌｉｓｈ ａｌｐｈａｂｅｔ ｉｓ ｃｏｎｓｉｄｅｒｅｄ ｉｎ ｏｕｒ ｓｙｓｔｅｍ． Ｋｅｙ ｗｏｒｄｓ：ＴｏＤＯ－ｏｆｆｉｃｅ；Ｏｐｅｎ Ｔｙｐｅ；ｉｎｐｕｔ ｍｅｔｈｏｄ；ｎａｔｉｏｎａｌ ｓｔａｎｄａｒｄｓ；ｃｏｎｖｅｒｔｉｎｇ ｄｉｆｅｒｅｎｔ ｃｏｄｅ ｔｅｘｔｓ
０ 引言
居住在新疆地区的蒙古族自从１７世纪开始一直沿用一种称作为托忒（Ｔ０Ｄ０）意为易于认读，便于手写 的文字）的文字系统．该文字是在蒙古民族从１３世纪以来沿用的传统蒙文（Ｔｒａｄｉｔｉｏｎａｌ Ｍｏｎｇｏｌｉａｎ ＴＭ，又称
老蒙文）的基础上做了语言学的改革而创建的一种比较进步的文字系统．目前世界范围内的蒙古民族使
用３种不同字母系统的文字语言，如图１所示，即ＴＭ，ＴＯＤＯＩ￣ＩＮＭ（西里尔蒙文）Ｉ ．
刈女稿日期：２０１５ ０３—２５ 基金项目：科技支疆计划（指令）项目（２０１２９１１１６）． 作者简介：艾尼宛尔．托乎提（１９７８一），男，实验研究员，研究方向为多语种信息处理． 十通讯作者：达瓦．伊德木草（１９５４－
），男，博士，教授，研究方向为计算语言学，自然语言处理，语音信号处理 新疆大学学报（自然科学版）
３．ＴＯＤＯ文有名义字符和显现字符之分，一个名义字符有多种显现形式；
４．在ＴＯＤＯ文的词中大量存在“一字多形，多字同形”的现象．一个字符更因其在上、中、下位置不
同而字形不同（变形）．因此，在计算机上输出ＴＯＤＯ文时需要频繁地把一个字符的某一种形状替换成另一
种形状，用计算机自动实现此过程的方法称为自动选形．在制作ＴＯＤＯ文字库时需要定义自动选形脚本，
解决“名义字符”与“显现字符”之间“一对多”和“多对一”的显现问题．
字符编码ｕｎｉ１８２０ Ａ的字形 字符编码ｕｎｉ１８２０（ＡＩ的显现形式
圈
口
词首
…’［ ］
词 ［
［ ］
词幸９
图２字符编码ｕｎｉ１８２０显现形式和成词举例
１．２ ＴＯＤＯ文涉及到的规则 书写ＴＯＤＯ文的时候，从上到下连着显示ＴＯＤＯ文的各个字符，但是这些字符的出现情况是有规律
的．所以我们考虑名义字符到显现字符映射的时候，必须对这些规律进行分析．涉及到的规律如下：
１．一个字形可以由多个字符组成，如：合体字 是字符 和ｕ构成的； ２．一个字符可以有多个字形，根据词里位置的不同显示不同字形，如图２左边字符之；
３．字母受它前面字母的结束选择不同显现形式，如：‘ ， ５， ， 由字母之结束时，选择字
符之的ｕ显现形式，而其他字母由字符之结束时，选择之的～显现形式． ｒ ４．长元音字母受它前面字符的不同选择不同字形，如前字符为：ＩＩ ａ：时，选择■显现形式，而
为 时，选择 显现形式， 时，选择ｑ显现形式；
５．音节在词里位置的不同显出不同的显现形式，￣ＩＴＯＤＯ文元音字母矗，在词首出现ｄ。显现形式，
词中非第一音节出现，ｃｌ显现形式，而词尾出现— 显现形式． ６．ＴＯＤＯ特殊习惯性显现字符，如两个显现字符／ｉ／和／ａ／ 、一Ｊ在词尾连接时选用、＝】Ｉ的显现形式．
２ 相关技术介绍
２．１ ＯｐｅｎＴｙｐｅ字库技术
ＯｐｅｎＴｙｐｅ字体格式是ＴｒｕｅＴｙｐｅ字体的一种扩展，它融合ＰｏｓｔＳｃｒｉｐｔ字体技术，同时，ＯｐｅｎＴｙｐｅ字库
使用Ｕｎｉｃｏｄｅ编码，可以处理大的字型集，能更好地支持国际化处理，其有跨平台特性，是一个开放，无版 权的字形描述技术．ＯｐｅｎＴｙｐｅ字库在原有的ＴｒｕｅＴｙｐｅ字库的基础上增加了ＯｐｅｎＴｙｐｅ的排版特性使其升
级￣１］ＯｐｅｎＴｙｐｅ字库格式，这些排版特性的加入可以更好地控制字型的替换和排版位置，对复杂文本的处
理提供了很好的技术支持．ＯｐｅｎＴｙｐｅ对复杂文本的支持通过ＯｐｅｎＴｙｐｅ布局（Ｌａｙｏｕｔ）来实现．复杂文本处
理涉及到的布局表，由字形替换表ＧＳＵＢ（Ｇｌｙｐｈ Ｓｕｂｓｔｉｔｕｔｉｏｎ）和位置表ＧＰＯＳ（Ｇｌｙｐｈ Ｐｏｓｉｔｉｏｎｉｎｇ）组成．
ＧＳＵＢ表：ＧＳＵＢ表实现了字型ＩＤ￣Ｉ］字型ＩＤ的替换，用它可以解决ＴＯＤＯ文根据上下文选择恰当显现
字形的问题．ＧＳＵＢ表中定义了如下替换： ①单一替换：以一个字型替换另一个字型；②多替换：以多个字形替换一个字型，如连字的分解；③
变体替换：字符的多个变体之一来替换字符对应的字型；④连字替换：以连字字型替换一串字型；⑤上下
文替换：是上述几个替换的组合运用，在上下文中替换一个或多个字型；⑥链上下文：在链上下文中替换
一个或者多个字型． ＧＰＯＳ表：该表提供了字型位置和粘着的信息，它支持如下的几种位置和粘着（ａｔｔａｃｈｍｅｎｔ）类：①单
卺毒 第２期 艾尼宛尔．托乎提，等：托忒文（ＴＯＤＯ）办公套件的开发研究
一字型的位置调整，如上标或下标；②相关的两个字型的成对位置调整，如字间距的调整；③粘着点位置信
息的粘着点定义了一个字．字型和另一个字型的粘着时粘着点位置的信息ｆ引．在Ｗｉｎｄｏｗｓ Ｖｉｓｔａ和Ｗｉｎｄｏｗｓ
７以及Ｗｉｎｄｏｗｓ ２００８之后的服务器产品支持了这种复杂字形转换显示功能的ＯｐｅｎＴｙｐｅ．在Ｗｉｎｄｏｗｓ Ｖｉｓｔａ和
Ｗｉｎｄｏｗｓ ７上提供了一种ＯｐｅｎＴｙｐｅ字体Ｍｏｎｇｏｌｉａｎ Ｂａｉｔｉ．
２．２ ＴＯＤＯ文ＯｐｅｎＴｙｐｅ字库的实现 Ｖｏｌｔ是Ｍｉｃｒｏｓｏｆｔ提供的用来制造字库的工具．在Ｖｏｌｔ中可以增加许多ＯｐｅｎＴｙｐｅ特征．在前面提到
的ＯｐｅｎＴｙｐｅ布局表都在Ｖｏｌｔ中定义，再把复杂文本的各种替换规则定义在ＯｐｅｎＴｙｐｅ布局表中．其中ＧＳＵＢ 表和ＧＰＯＳ表覆盖了几乎所有复杂文本的处理要求，包含了在字形处理过程中用到的所有有关替换和
相关字型位置的信息．ＯｐｅｎＴｙｐｅ对布局表的访问是通过标签来实现的，ＯｐｅｎＴｙｐｅ定义的标签有：文
字（ｓｃｒｉｐｔ）标签、语言（１ａｎｇｕａｇｅ）标签、特征（ｆｅａｔｕｒｅ）标签等．ＯｐｅｎＴｙｐｅ的高级排版特征是通过特征标签
实现的．ＧＳＵＢ表中包含若干个特征表，这些特征表中的ｌｏｏｋｕｐ子表来完成名义字符的字形到显现字符的
映射和各种有关字符的替换．而各特征表之间没有从属关系【引．
ＴＯＤＯ文种涉及到的相关特征有：根据上下文的替换（Ｃｏｎｔｅｘｔｕａｌ Ａｌｔｅｒｎａｔｅｓｉｃａｌｔ￣，），词首形式（ｉｎｉｔ），此
种形式（ｍｅｄｉａ１），合体形式（Ｌｉｇａ），词尾形式（ｆｉｎａ１）．每一个特征的具体变化规则定义在对应的Ｌｏｏｋｕｐｓ表中．
２．３ ＬｉｂｒｅＯｆｆｉｃｅ介绍与本地化
