秒懂中文拼音输入法实现的数学原理是什么?,汉字输入法原理

英文字母只有26个，可以一个键盘一个字母的输入。

中文常用字有3500个，中华字海中收入全量简体字有8万5千个,GB2312 编码收入汉字20902个。也就是说无法在一个汉字一个键盘的方式实现输入。

现在回头看，中文输入法，基本经历了自然音节编码输入，到偏旁笔画拆字输入，再回归自然音节输入的过程。

输入法输入汉字的快慢与汉字编码长度相关，也就是输入汉字需要敲击几次键盘。

一、输入法前生今世

70年底末，个人电脑开始诞生。

80年代初，个人计算机开始使用五笔和拼音输入。

五笔输入法快速，但是学习成本高，需要背诵词根，严重制约了电脑的普及。需要经过长时间的训练。

拼音输入法，常常需要翻很多页才能找到所需要的汉字。

90年代，拼音输入法软件开始支持词组输入和整句输入，能够做到一边打拼音的同时显示汉字。

1993年朱守涛先生发明智能ABC输入法，并被微软收购纳入windows系统中。

1994年的自通输入法，1996年的神拼输入法，支持汉语整句输入。然而，整句输入错误率高没能解决输入汉字不方便的问题。

1998年，谭亚军发明拼音之星软件，支持实时显示，具有字母输入容错功能，没有词也能自动推荐类似的词。

1999年，出现了拼音加加，自由拼音和考拉输入法，支持不切换中英文的情况下，直接Enter输入英文，提升了中英文混合输入效率。

2000年，智能狂拼提供更智能的输入，紫光拼音在考拉输入法基础上发展而来，提供更大词库，并具有了智能组词。

2006年，搜狐公司推出搜狗输入法，该输入法基于搜索引擎技术的新一代拼音输入法产品，用户可以通过互联网备份自己的个性化词库，搜狗拼音输入法一经推出很快取得巨大成功。

谷歌、腾讯、百度和微软也相继推出类似的智能拼音输入法，谷歌拼音输入、QQ拼音输入、百度输入法、必应输入法。

智能手机时代，基本就是搜狗、百度、google、必应输入法的天下了。

目前大家使拼音打字是相当快了，速度已远超英文输入。

二、输入法的数学原理

输入法的本质时将方块形状的汉字输入到计算机中，将人为约定的信息记录编码-汉字，转化为计算机约定的编码（如UTF-8）的转化过程。

1、输入法与编码

键盘上有26个字母 10个数字。

汉字编码分为两部分：对拼音的编码和消除歧义的编码。汉字编码的长度取决于这两方面，只有两个编码都短时，输入才够快。

双拼的主要问题：

一是键盘是只有26个字母，而汉字的声母 韵母有50多个，很多韵母共用一个字母键，增加了歧义，就需要不断的翻页。

二是增加了每次击键时间，人在脱稿输入时，拆字过程会使得思维变缓慢。

三是双拼对读音的容错性不好，前鼻音an、en、in和后鼻音ang、eng、ing，卷舌音ch、sh、zh和平舌音，编码完全没有相似性。大部分人前鼻音和后鼻音、卷舌音和非卷舌音多少有点分不清，在输入声母和韵母后，翻了好几页也没有找到自己要得字。

2、输入一个汉字需要敲击几次键盘？

GBK2312 一共有6700多个常用汉字，每一个汉字出现的概率：

P1， P2，P3，... ， P6700

大致估算需要10个比特。

输入法有26个字母，每个字母可以代表log26大概是4.7比特，

也就是说平均一个汉字需要敲击10/4.7 约等于2.1次键。

如果把汉字组成词，平均输入一个字可以少敲几次键盘，

不考虑上下文情况下，以词为单位统计，汉字信息熵大概是8bit，则平均输入一个汉字要敲击8/4.7 约等于1.7次键盘。

考虑上下文情况下，对汉语建立基于词的统计语言模型，汉字信息熵可以降到6bit 左右。则平均输入一个汉字敲击6/4.7 月等于1.3次键，那么这是汉字的输入已经比英语快得多了。

紫光拼音，是通过建立大词库解立大词库，词越来越多，越来越长，甚至将整句唐诗作为一个词，没有根本做到利用上下文。

利用上下文最好的办法是借助语言模型，而语言模型对内存要求高，而输入法不能占有过多的内容，因此目前google、搜狗、百度、微软几家输入法基本在同一档次。

3、拼音转汉字

其实就是拼音到汉字的转换解码函数，每输入一个字母，就类似导航中车辆每走一步，利用动态规划方法不断调整输出。

4、个性化语言模型

现有汉字拼音输入法距离信息论极限还有很大距离，从理论上讲，只要语言模型足够大，拼音输入法的平均敲击次数就可以接近理论值。

个性化的特点是，不同人写东西主题不同，用词习惯不同，说话和写作水平不同，应该各自有自己的语言模型。

通过不断收集个人写的内容，训练一个特定的语言模型，可以较快的接近信息理论值。实现快速输入的目的。

叙述使用计算机(击键)输入中文的原理?

首先你要对Basic语言有一定了解才可看明白的.
中文输入法的实现过程：
首先，说一下ASCII码与CHR$字符的关系，我们都清楚从0到31是文本控制符，32到127都是英文、数字及
一些常用字符。如：a$ = CHR$(65) ，对应的 a$ = "A"。而中文字符的ASCII范围是从160到255。中文字是由两个字
符组成的，所以一个中文字是由两个从160到255的组合字符构成。如 a$ = CHR$(206) + CHR$(210)。对应变量
a$ = "我"。相反如果想知道一个中文字是由那两个ASCII码组成，我们可以将它拆成两个字符，用ASC（）函数就可
知道它的相对ASCII码值。如：
PRINT ASC( LEFT$(a$ ,1))；
PRINT ASC(RIGHT$(a$ ,1))
结果显示：206 210
现在明白了中文字的ASCII码组合，我们先来做最简单的“区位”输入法。区位输入的码表纯粹是ASCII的
顺序排列。所以我们只要将区位前两位数+160，后两位数也+160。再将两个数加起来。例如：
QW = 2532
ZWF = QW 100 + 160 区位前两位数+160
ZWB = QW MOD 100 + 160 后两位数+160
A$ = CHR$(ZWF) + CHR$(ZWB) 两个数加起来形成区位表码对应的字符

我们看到区位输入法的实现就是如此鸡毛蒜皮的事件。现在我们再来实现“拼音”输入法。如果大家执行以下
代码：
FOR F = 160 TO 255
FOR B= 160 TO 255
PRINT CHR$(F) + CHR$(B) ;
NEXT B
NEXT F
稍认真看看规律就不难发现它的ASCII码值是按拼音来排列的。除了声调，拼音的重码是非常多的。这样我们就无须每
个字都作拼音码表检索。反之是用拼音来检索所有重码的字就更简单了。如：输入“wo”，即从（206，210）开始就
是拼音“wo”所有重码的字符。其它也依次类推。“拼音”输入法虽然没区位简单，但也是不难实现的。用上述的方法
来实现“拼音”输入是最简捷的方法，但存在一个缺点：就是它只能输入日常常用的字，即只是从160到214之间，算一算
大概有5000个常用字。还有3000多个不常用字的排序方法与之不同，后3000多字是以笔画方式排序的。如果要想实现
一个完整的，就是能输入所有常用及不常用汉字的“拼音”输入法，那么就要专门建立一个“拼音”输入码表检索文件。
在这里就不多谈了。如果有兴趣自己试试。。。。
简单的“拼音”输入法我们都实现了，但“拼音”的输入速度就以它的重码有着莫大的关系。所以我们现在来实现
最常用的、效率高、重码率低、一个我们中国人“王永民”先生设计的输入法“五笔”输入法。这个不用说了，会打
字的一般都认识“五笔”。打五笔我们就打得多了，但“五笔”输入法是如何实现呢？不清楚的QB朋友不用抓头皮，
看下去你就会理直气壮的说：“原来就这么简单！！！”
“五笔”不同于以上“拼音”与“区位”输入法，它在ASCII码表里是没有一个排列规律的，ASCII码这个国际通
用的码表排列，我们是不能随便就更改。既然更改ASCII码表的排列是不可能的事情，我们只好自己做个“五笔”编
码专用的码表好了！！。请看以下源代码程序：
WBX$ = " ggtt=五笔 lwty=输入 ifc=法 yijg=就是 vftc=那么 tuuj=简单 "
WBX$ = WBX$ + " q=我 bn=也 go=来 yaya=试试 rhf=看 drgo=原来 r=的 pugm=实现 " 定义一个基本的码表
CLS
PRINT WBX$
PRINT
PRINT "请你输入:"
PRINT "原来五笔输入法的实现就是那么的简单我也来试试看"
LOCATE 10, 5
RecInputChr$ = " " 初始化显示编码及定义光标位置
PRINT "五笔编码: "
DO
IK$ = INKEY$ 读入键盘的ASCII码值
IF IK$ = CHR$(27) THEN EXIT DO 按ESC键退出
IF IK$ = CHR$(13) THEN 按Enter键重置编码
InputChr$ = ""
ELSEIF IK$ = CHR$(8) THEN 按BackSpace键后退
IF InputChr$ <> "" THEN InputChr$ = LEFT$(InputChr$, LEN(InputChr$) - 1)
ELSEIF IK$ <> "" AND IK$ <> CHR$(32) THEN 如果键入的不是空格键而且键盘有键按下时编码字符被键入新编码
InputChr$ = InputChr$ + IK$
END IF
IF IK$ = CHR$(32) OR LEN(InputChr$) = 4 THEN 如果按了空格键或够4码即执行码表检索
II$ = " " + RTRIM$(InputChr$) + "="
ST = INSTR(1, WBX$, II$)
IF ST > 0 THEN
ST = ST + LEN(InputChr$) + 2
EN = INSTR(ST, WBX$, " ")
IF EN = 0 THEN EN = LEN(WBX$)
ZW$ = MID$(WBX$, ST, EN - ST) 检索到的编码字符
TXT$ = TXT$ + ZW$ 输入栏字符被输入编码的汉字
LOCATE 6, 1: PRINT TXT$ 显示输入的内容
END IF
InputChr$ = "" 编码字符被重置
END IF
IF InputChr$ <> RecInputChr$ THEN 如果当前编码与上次编码有改变即刷新
LOCATE 10, 15
PRINT InputChr$ + " " 显示编码字符
LOCATE 6, LEN(TXT$) + 1, 1 定义输入栏光标位置
RecInputChr$ = InputChr$ 给上次编码赋最新编码内容值
END IF
LOOP

常用的拼音输入法,五笔字型输入法实际上实现了

常用的拼音输入法，五笔字型输入法实际上实现了 输入码和机内码 之间的转化，从而实现了中文的输入。