大家好，很少在这个版上发言，刚刚回顾了一下这版过去的一些POST
有些话想和大家说。

Huiqun网友提出的造字中心的构想，我很早就想做了，但考虑
到如果以佛光山的名义发起设立，可能会造成佛光山要「统一」各家
的不良印像而引起排斥，所以内心一直对这个问题回避，不想多谈，
但日前接获上层指示，决定要将所有的藏经类出版品，全数制成光碟
及网路版本，在这种情形之下，资讯部门相关人员面临了极大的压力，
不得不正视存在已久缺字的问题。另一方面是佛光山网站的站务，
已渐上轨道，我也有比较充裕的时间和精力来从事电子佛典的工作，
於是找了几位教界的好朋友，成立一个工作小组，是为OPEN 98的开
发缘起。

根据目前比较方便取得的三套造字档：佛光大辞典所付的、中研院的
BUDAFONT及资功会金刚经中的造字档，(以下简称「佛光版」「中研版」
及「资功版」)其中「佛光版」可说是活的版本，因为在我撰写及您阅读
本文时，随著总本山编修大藏的进行，「佛光版」不断有新的缺字被加入，
我手头上最新的版本是今年12月2日，计有2600馀个造字，此外，我们
还有一份信徒资料库系统用的人名地名缺字的造字档，也有近600馀字，
所以，「佛光版」本身就有很多个版本。而中研院除了德明外，并没有
编制专人来帮大家造字，所以造字中心的理想，我想德明是很想发心
，可是囿於现实环境和时间一直未能做出承诺。

为此，我们小组决定聘请专人来负责造字，是支薪的，所以就没有
发心与不发心的问题，一但有新字，他就一定要造。这样一来，我也
比较安心了。

还我几件事想和大家说明一下：

1)目前真有实际能用的造换档转换工具吗？如果没有，只要自己来发展一个，
我稍微想了一下，关键是要能辨别字串中的特定字是Big5中文文还是前一个
中文字的ending byte加後一个中文字的Leading byte 所形成的"虚"字(不
会显示出来)，不会太难也不太容易，但我肯定我半天之内做不出来(否则
早就有了)。

2)我希望有人可以帮忙参与我们的工作，不是我们自己做不出来，而是因为有
大众的帮忙，最终的成品(软体、字库、资讯表、相关工具)才有希望成为
 Public domain。

3)Huiqun兄在Access 上完成了一些初步的成果，我觉得蛮不错，可惜最近一
直连络不上他，有机会□到他的朋友请转告他：谢谢。

4)佛光山及妙云兰若如今决定正式大规模地投注资源在电子佛典方面，
这是难得的好因缘，希望大家好好珍惜，在不违背僧团利益的情形下尽
可能提供帮助，也希望大家用同等的心来支持我们。

本工作小组的网址在 http://210.61.183.71 欢迎大家来访赐教。

释慧瑞

==> 於 ray (huiray@Lion) 文中述及:
: Huiqun网友提出的造字中心的构想，我很早就想做了，但考虑
: 到如果以佛光山的名义发起设立，可能会造成佛光山要「统一」各家
: 的不良印像而引起排斥，所以内心一直对这个问题回避，不想多谈，

  法师千万不要顾虑到这一方面. 总是有某一个东西会统一各家,
  但统一的原因不是因为它是中研院或佛光山就能纯一, 若是 maha
  或是某某, 就无法纯一, 而是它是真的好用, 对大家有实用的价值.
  自然会有人去用. 因此建议和大家取得基本共识後, 就放手去做,
  我想没有人会因为是佛光山做的就委屈被统一, 更不会是因为佛光
  山做的就不肯使用. :p

  若真有别有用的人士.... 那实在是他们的事了.

: 根据目前比较方便取得的三套造字档：佛光大辞典所付的、中研院的
: BUDAFONT及资功会金刚经中的造字档，(以下简称「佛光版」「中研版」
: 及「资功版」)其中「佛光版」可说是活的版本，因为在我撰写及您阅读

  个人觉得先协调好诸大家, 再进行会比较好, 而且这一定是大家乐於见到
  的. 小弟总是担心每个人都正在做好东西, 到时大家都做的不错, 又各有
  优点, 反而可惜. 总希望大家将优点想好, 再一起动手努力.

  heaven

==> 於 ray (huiray@Lion) 文中述及:
: 还我几件事想和大家说明一下：
: 1)目前真有实际能用的造换档转换工具吗？如果没有，只要自己来发展一个，
: 我稍微想了一下，关键是要能辨别字串中的特定字是Big5中文文还是前一个
: 中文字的ending byte加後一个中文字的Leading byte 所形成的"虚"字(不
: 会显示出来)，不会太难也不太容易，但我肯定我半天之内做不出来(否则
: 早就有了)。

  在这方面後学以前有一些粗糙的经验, 供各位参考!
  1.整篇文章从第一个字元开始寻找.
  2.若字元大於 128 , 则此字元及下一个字元属於中文. 检查此中文是否是需要的.
  3.若是小於 128 , 以英文及符号看待. (包括换行码)
  4.处理完这个中文或英文, 再换下一个字.

  後学写的很简略, 但有处理过的人应该很容易了解, 我在中文上的处理都是
  这样做. 但有些事要注意:

  1.上述判断中文的方法很简略 (大於 128 就算) . 但有较精确的判断 big5 法.
  2.若要转换的档案非纯文字, 如佛光大辞典的 .dat 档, 因为有些档中有控制
    码或索引符号, 则要看看是否大於 128 , 及是否会和中文判断相冲, 这就要
    看到档案才知道了. 若是文字档, 则上述方法应可以用.

: 2)我希望有人可以帮忙参与我们的工作，不是我们自己做不出来，而是因为有
: 大众的帮忙，最终的成品(软体、字库、资讯表、相关工具)才有希望成为
:  Public domain。

  若有需要, 可在此版上提, 後学已在此版获益良多, 大家都是很热心的.

: 3)Huiqun兄在Access 上完成了一些初步的成果，我觉得蛮不错，可惜最近一
: 直连络不上他，有机会□到他的朋友请转告他：谢谢。

  他有改过 email , huiqun@ms14.hinet.net
  後学会代转此信给他.

: 4)佛光山及妙云兰若如今决定正式大规模地投注资源在电子佛典方面，
: 这是难得的好因缘，希望大家好好珍惜，在不违背僧团利益的情形下尽
: 可能提供帮助，也希望大家用同等的心来支持我们。
: 本工作小组的网址在 http://210.61.183.71 欢迎大家来访赐教。

  相信不少人看到了, 实在是大家的福份. 望现在佛子珍惜!

  heaven

==> 於 Heaven (Heavenchow@Lion) 文中述及:
:   2.若字元大於 128 , 则此字元及下一个字元属於中文. 检查此中文是否是需要的.
:   3.若是小於 128 , 以英文及符号看待. (包括换行码)
:   4.处理完这个中文或英文, 再换下一个字.

    这□我个人有些小经验, 或许可以提升搜寻速率（如果要搜寻
的文件相当多, 而使用的程式语言较高阶的话）:

    "可试著先不管中英文, 全部用英文的搜寻方式. 找出的结果再以中文
     filter 来除去误判的即可. "

    另外, 对於较短篇的比对（所以佛典搜寻的 case 或许不适用）,
有时若使用较高阶的语言（ex: Perl）, 或许可先将所有的中文字间以空
白隔开, 然後再以空白为字元的间隔单位. 这个好处是英文及中文的比对
可一次解决掉, 而且是依照中英的相对顺序. 不过效率如何我没有仔细评
估过, 仅供参考.

    附带一提的是, 在单教授以前发展的 cgrep 上, 有 "换行搜寻" 的
功能. 例如说以下文件:
"观自在菩萨行深般
 若波罗蜜多时照见"
    要找出 "般若" 的话, 就必须具有换行搜寻的功能（这在 maha
的测试也有指出）, 因此可以考虑未来加入此一功能（据我所知,
单教授 cgrep 的作法好像是 define 一个某大小的 buffer, 能将
前一行的最後面 n 个字元和这一行接起来, 一同进行比对?）

谢谢!!
--
□□□□ □□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□
             幻                  阳焰                梦
       影              化城            □      响              水月
           浮泡                   眼花               旋火轮
□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□ □□□□□
　
Ξ Origin: 狮子吼站 <cbs.ntu.edu.tw> [FROM: 168.95.103.135]

谢谢大刚的回覆，OPEN 98 目前已可以折行检索
是用token的方法，即把/n 与空白当作空字元
自动略过不检，因为当初就有考虑到
<> 内的东西不检索(以便和HTML相容)
所以在maha 兄提出这个问题之後，大约
只花了10分钟就把折行检索做好，
事实上只要把 \n 字元加入要略过的token 串列就可以了。
研发部

寄件人: dnstudio@m2.dj.net.tw [=InterNet E-mail=]

邱大刚 写道：
> 
> ==> 於 Heaven (Heavenchow@Lion) 文中述及:
> :   2.若字元大於 128 , 则此字元及下一个字元属於中文. 检查此中文是否是需要的.
> :   3.若是小於 128 , 以英文及符号看待. (包括换行码)
> :   4.处理完这个中文或英文, 再换下一个字.
> 
>     这□我个人有些小经验, 或许可以提升搜寻速率（如果要搜寻
> 的文件相当多, 而使用的程式语言较高阶的话）:
> 
>     "可试著先不管中英文, 全部用英文的搜寻方式. 找出的结果再以中文
>      filter 来除去误判的即可. "
> 
这是 cbs 上的做法?
真要提高速度, 则须要建立 index table, 而且利用如 hashing table 的
资料结构, search 时先 search 此 table 再根据其 index 找到 which file
which line in the file, the string position within the line.

>     另外, 对於较短篇的比对（所以佛典搜寻□case 或许不适用）,
> 有时若使用较高阶的语言（ex: Perl）, 或许可先将所有的中文字间以空
> 白隔开, 然後再以空白为字元的间隔单位. 这个好处是英文及中文的比对
> 可一次解决掉, 而且是依照中英的相对顺序. 不过效率如何我没有仔细评
> 估过, 仅供参考.
> 
如果用的是英文版的 search engine, 被 search 的中文file用这个处理
应是个好方法(如早期的 netscape 显示中文的问题), 如果自己写程式,
还是用 128 来区别就可以了, 不过其他的 string manupitation 就
都可能自己要动手写了.

>     附带一提的是, 在单教授以前发展的 cgrep 上, 有 "换行搜寻" 的
> 功能. 例如说以下文件:
> "观自在菩萨行深般
>  若波罗蜜多时照见"
>     要找出 "般若" 的话, 就必须具有换行搜寻的功能（这在 maha
> 的测试也有指出）, 因此可以考虑未来加入此一功能（据我所知,
> 单教授 cgrep 的作法好像是 define 一个某大小的 buffer, 能将
> 前一行的最後面 n 个字元和这一行接起来, 一同进行比对?）
> 
末学上个月发表的 fts (中文全文检索程式)也做了 "换行搜寻"的功能,
不过是用前一行的尾与後一行的头来控制, 当初思考的时间不少但最後的
algorithm 却不是很复杂.

ps: fts 在如来网上面 http://www.dharma.org.tw/tool/fts95.zip

==> 於  (dnstudio@m2.dj.net.tw) 文中述及:
: >     "可试著先不管中英文, 全部用英文的搜寻方式. 找出的结果再以中文
: >      filter 来除去误判的即可. "
: 这是 ccbs 上的做法?

    不是 :) ccbs 是用单教授发展的 cgrep, 核心就是中文的 grep 程式。
小弟讲的是应急的偷吃步 :) （其实用这种偷吃步效率不见得较差，或许
在有的程式语言写起来还快许多喔 :)）

: 真要提高速度, 则须要建立 index table, 而且利用如 hashing table 的
: 资料结构, search 时先 search 此 table 再根据其 index 找到 which file
: which line in the file, the string position within the line.

    嗯! 这就是您们专业人员的方式了 :)


谢谢!!
--

悠哉贤故友, 抱道乐林泉, 坐到无疑地, 参穷有象天.
胸中消块垒, 笔底走云烟, 更笑忘机鸟, 常窥定後禅.
                                    ～访古月师．娥嵋道人

☆欢迎光临:
Ξ Origin: 狮子吼站 <cbs.ntu.edu.tw> [FROM: 140.112.8.224]