［ᠨᠠᠰᠤᠨ᠋ᠤ᠋ᠷᠲᠤ］ - ᠦᠭᠦᠯᠡᠯ - （ᠬᠢᠲᠠᠳ） - 蒙古文国际标准编码的构成原则

52 蒙古文国际标准编码的构成原则 那顺乌日图 确精扎布 (内蒙古大学蒙古语文研究所) 内容提要： 从 90 年代初开始的蒙古文国际标准编码的制定工作在中国、蒙古等各方 的共同努力下已接近尾声。这是一项系统工程，它既关系到 ISO/IEC l0646 这样的国际标准， 也概括体现蒙古文等五种文字的各种特点与规律。所以它必然要涉及到一些原则性问题，如 编码的收字原则、字母的命名原则、排序原则、各文种间的认同原则、各文种的区别原则、 强制性合体字的处理原则等等。本文从理论与实践两个方面探讨了蒙古文国际标准编码基本 构成的各种原则。 关键词： 蒙古文 国际标准 编码 构成 原则 一、引言 我们的社会已进入信息化时代，随着信息化的普及，网络的发展，信息高速公路的推广， 使世界变得越来越小，人们之间的距离越来越近。信息交流的日趋频繁，信息产业的异军突 起，日益激发着国际间的合作与交流，这种大趋势和社会需求要求语言文字的规范化，标准 化，国际化。顺应社会这一潮流，经过世界各国标准化组织的积极参与和努力，由国际标准 化组织(ISO)和国际电工委员会(IEC)联合技术委员会(JTC1)在 1992 年制订出版了 ISO/IEC 国际标准 10646，即《通用多八位编码字符集》 ① 。该标准为世界上正在使用的诸多文字进行 了统一的编码，形成基本多文种平面。现在世界上已制定编码的或正在制定编码的各种文字 都在遵循 ISO/IEC l0646 的规则；而将要制定编码的文种也无不例外地遵循这一国际准则， 争取进入 ISO 的多文种基本平面（BMP） 。 ② 我国的汉文和藏文、彝文等少数民族文字编码经过各方面的共同努力已被 ISO/IEC/JTC1/SC2 讨论通过。这对我国科技文化事业来说是值得庆贺的一件事，因为我们在 信息技术标准化方面正在同国际接轨，它促使我国的科技文化更高速地发展，为我们的信息 产业开辟了更广阔的天地。 回顾蒙古文国际标准编码的制定工作， 从 90 年代初开始， 我们一直同 ISO/WG2 保持着各 种联系，并与其进行磋商，提出要求，征求他们的意见。在编码的制定过程中，我们提交过 与 ISO/WG2 的编码原则基本一致的方案，也提交过与其原则不一致的方案，但通过几次反复 的实践证明， 我们在大的方面应遵循WG2的编码原则与ISO/IEC 10646的规则， 这是大前提． 在 蒙古文的固有特点与 ISO/IEC l0646 发生抵牾时，可以采取一些变通的、折中的处理方法。 ISO/IEC l0646 作为面向世界各文种的编码集，它有非常严密的、诸多条编码规则 ③ ，其 中与蒙古文编码有直接关系的、最重要的是，1，一个系统的文字必须制定一个统一的编码； 2，在一个字母的多个变体中只选定一个字形作为“名义字符”进行编码，其余的作为“变形 显现字符”不予编码；3，在一个文字系统中的同一个形式只能编码一次（即只给一个码位） ； 4，强制性合体字（Ligature）不予编码等． 另外，由于蒙古文（包括托忒文、锡伯文、满文、阿礼嘎礼文）历史悠久，使用范围广 泛，其中蒙古文、托忒文、满文、阿礼嘎礼文又是跨国文字，ISO/WG2 建议，蒙古文国际标 准编码方案应由中国、蒙古国共同制定，以两国联合方案的方式提出，也应征求像英国、德 国、爱尔兰、Unicode 等积极成员国或国际组织的意见。我们采纳 WG2 的这一建议，从 1995 年开始在国家民委、 电子工业部信息标准化研究所、 内蒙古语文工作委员会等部门的领导下， 53 由各方面的专家与蒙古国标准计量局和蒙古国的专家进行合作， 同年 12 月在呼和浩特召开了 第一届蒙古文编码国际研讨会， 接着 1996 年 3 月在乌兰巴托召开了第二届蒙古文编码国际研 讨会，8 月在北京召开了第三届蒙古文编码国际研讨会。在第一次的会议上由于双方人员第 一次接触，主要讨论了一些原则性问题和合作步逐，未提出正式方案。在乌兰巴托召开的第 二次会议上双方通过协商编制了一个共同方案，以两国的名义向 ISO/WG2 提交(Joint proposal On encoding Mongolian character set(ISO/IEC/JTCl/SC2/WG2 N 1368))。这一 方案是为力争将蒙古文(包括上述四种文字)的所有字母变体都予以编码而提出的，当时我们 明白，这与 ISO/IEC l0646 的编码规则有很大抵触，出于策略上的考虑同意了《N 1368》 。果 然， 1996 年 5月在哥本哈根召开的 ISO/IEC/ JTCl/SC2/WG2 会议的蒙古文编辑工作组报告 （WG2 N 1378）中对中蒙两国方案提出异议，并要求按着分“名义字符” 、 “变形显现字符”两部分 的原则进行修改。于是，两国专家在第三届编码会议上按 WG2 哥本哈根会议的精神对蒙古文 国际标准编码方案进行了修改。此次除中、蒙两国以外，联合国大学的专家也参加了会议。 通过几天的磋商，各方面的专家在很多问题上达成共识，并共同制定了《蒙古文编码方案(N 1510)》 。这个方案是按照 ISO/WG2 的要求，把蒙古文字母变体分为“名义字符”和“变形显 现字符”两部分。对“名义字符”要求编码，对“变形显现形式”不要求编码，以用户约定 形式来处理的。这次方案基本上得到了 ISO/WG2 有关专家的认可，1997 年在新加坡召开的 ISO/WG2 会议上讨论了这个方案，对此方案进行了一些修订，并以 WG2 蒙文编辑组方案的名 义(N 1515)反馈给我们，再次征求意见。这个方案除了对个别符号(如控制符)提出一些修改 意见外基本上采用了北京方案。 从上述情况看，把蒙古文字母变体分为“名义字符”和“变形显现字符”两部分进行编 码是目前唯一正确的选择，因为这样做既不违背 ISO/WG2 的规则，也能满足社会各界对蒙古 文编码的要求。 二、关于“名义字符”和“变形显现字符” 如前所述，蒙古文编码由“名义字符”和“变形显现字符”两部分组成。所谓蒙古文“名 义字符”就是在每一个蒙古文字母的多个变体中最具代表性的一个形式。它代表该字母，对 它进行编码。它可用于蒙古文的“书面形式…的表示、传输、交换、处理、存储、输入及显 现” 。 ④ “变形显现字符”就是蒙古文的每一个字母的多个变体中，被挑选出去做“名义字符” 以外的其余变体，是显现、输出用的字符。 它们两者的关系一方面是代表者与被代表者的关系， 这种关系体现在信息的传递过程中。 “名义字符”是用来传递信息，反过来说，只以“名义字符”来传递信息。如，蒙古文的 A 有 癭 、 癮 、 盌 、 盙 、 盕 、 盓 、 盚 、 盜 、 盜 等九个变体，但在这九个变体中只能选 一个变体作为“名义字符” ，由于 癭 形式最为典型(因为它是 A 的独立形式)，所以用它来做 “名义字符” ，对它予以编码，在信息传递中无论在词的哪个位置只传递 癭 。另一方面它们 的关系是个体与群体的关系， “名义字符”传递的信息在终端机上显示、输出时需要“变形显 现形式” ，如；A 的除 癭 (其实 癭 本身也用以显示、输出)以外的各个变体在显示、打印时是 必不可少的。如 （ 领头）一词中有四个 A，它们在传递时只用 A 的“名义字符” 癭 （ 癭 發癭皁癭癶癭 ） 。但输出时必须用才 盌 、 盓 、 盜 三个形式。这三个形式便是 A 的“变 形显现字符” 。 ISO/IEC l0646 基本多文种平面（BMP）分四个区(A 区；I 区；O 区；R 区)，其中 A 区用 于字母文字，音节文字以及各种符号。蒙古文“名义字符”一旦被 ISO/WG2 接受，就应放在 A 区里，我们只要求把“名义字符”放在 A 区。至于“变形显现字符”是不在 10646 里编码 的，所以用户们通过约定统一使用就行了。 54 三、关于编码的原则 我们在制定蒙古文国际标准编码时首先遇到了一系列原则性的问题。如“名义字符”和 “变形显现字符”的收字原则；对这些字符的命名原则；各文种及同一文种内的排序原则； 多文种间的认同原则；强制性合体字的处理原则等，下面就这些原则加以简要介绍。 1、 “名义字符”的收字原则 “名义字符”作为蒙古文编码的核心部分应全面地收入蒙古文（包括托忒文、锡伯文、 满文，阿礼嘎礼文）字母的基本信息，即上述五种文字的每一个字母都要在“名义字符”中 体现出来。并且还要收入上述五种文字所特有的标点符号和蒙古族独特的数字，以及必需的 控制符。 在元音方面，我们一般收了元音字母的独立形式。在五种文字中共有的元音字母形式， 我们以认同的方式处理，只收蒙古文的相应形式，如 癭 在蒙、托、锡、满文里是统一的，所 以只收一个 癭 ，但在每一种文字中形式各异的字母，收入该文种中最典型的（尽可能是独立 形式)形式。如 E 在蒙古文中为 癮 ，托忒文里为 皡 ，而锡伯、满文里为 癮 、 盃 或 盀 ，在“名 义字符”中我们收入蒙古文的 癮 ，托忒文的 皡 ，锡伯、满文的 盀 。 在蒙古文(有时在托忒文和锡伯文、满文中)存在一形多字的情况，如 癱 O — U、 癳 OE — UE、 皉 T — D ……，这是蒙古文的特点，也是蒙古文信息处理中必须要克服的难点， 其中有些形式是“变形显 现字符”范围内的事，如 皉 、 皊 、 眑 ……，由于这些字母不编 码，所以可以只用一个形式来显示、打印，但有些形式是涉及到“名义字符”的，如 癱 既是 O 的独立形式，也是 U 的独立形式。如果按元音字母的独立形式作“名义字符”的原则，那 么 O 与 U 的“名义字符”形式上相同了( 癳 OE UE 也一样)，而 ISO/WG2 是不会同意一个文种 中同一个形式重复编码的。但由此而绝不能对 O、U 只要一个码。关于这一问题我们以前曾论 述过 ⑤ 。在这种情况下，只好采取一方面 ISO/WG2 也能接受，另一方面也能保持蒙古文特点 的变通的方法。为此，采取了 O 和 OE 用其独立形式，而 U 和 UE 用其词首形式作为“名义字 符” 。 在辅音方面， 我们一般收了辅音字母的 A 元音前的词首形式， 如 Q 辅音在 A 元音前是 發 ， 在 E 元音前是 盺 ，我们以 發 作为“名义字符” 。在词首、词中形式基本相同的 皉,皊 字母按 传统的方法以 皉 代表 T，以 皊 代表 D，分别作了 T、D 的“名义字符” 。但有个别的辅音是不 出现在词首的，如：蒙古文的 NG( 癷 、 盬 )只出现在词中和词末，我们选其词中形式 癷 作 “名义字符” 。 2、 “名义字符”的命名原则 在命名方面，ISO/WG2 明确规定 ⑥ ，不能以字母的功能命名；只能用拉丁字母的大写字母 命名。这样，我们在元音的命名上用 A、E、I、O、U、OE、UE、EE 分别命名 癭 、 癮 、 癰 、 癱 、 癲 、 癳 、 癴 、 癵 八个元音字母。以 NA、BA、PA、HA ……等在相应辅音后加一个 A 的 方法命名辅音字母，这是沿用蒙古文的传统命名法，也是为了能够比较自然、容易、正确读 出。在 皅 、 皛 、 皜 等字母上采用 SHA、HAA、ZRA 等两个辅音+A 元音，或用一个辅音+AA 的 方法命名，以区别于 皃 （SA） 、 發 （HA） 、 皐 （RA）等字母。命名阿礼嘎礼字母时主要参考 了 ISO/IEC 10646 的婆罗米文种的名称。如以 DHA 命名 ，以 NNA 命名 ……等。 另外，字符集中所有的字母均冠以“MONGOLIAN LETTER“'。但这些字符有以下几种情况： (1)有些字母是蒙古文、托忒文、锡伯文、满文共有的，而且其变形显现形式在四个文种中也 完全相同，如： 癭 ，这种字母直接名命为“MONGALIAN LETTER 某” 。(2)有些字母只在蒙古文 里使用，而其它文种不用，这种字母也命名为“MONGOLIAN LETTER 某”(如： 皟 ，MONGOLIAN TLETTER CHI)。 (3)有些字母只在托忒文中使用， 而其它文种不用， 这种字母命名为 “MONGOLIAN 55 LETTER TODO 某”(如； 皦 ，MONGOLIAN TLETTERTODO OE)。(4)有些字母是锡伯文和满文共 用的，而蒙古文、托忒文中不用，这种字母命名为“MONGOLIAN LETTER SIBE 某”(如： 盀 在 锡伯文、满文中共有，而在其它文种就没有，所以命名为“MONGOLIAN LETT ER XIBE E”)。 （5）有些字母只在锡伯文中使用。这种字母仍命名为“MONGOLIAN LE TTER SIBE 某”(如： 挨 只在锡伯文中使用，命名为“MONGOLIAN LETT ER XIBE KA”)。(6)有些字母只在满文中 使用。这种字母命名为“MONGOLIAN LETTER MANCHU 某”(如： 暗 只在满文中使用，命其名 为“MONGOLIAN LE TTER MANCHU KA”)。(7)蒙、托、满三种文字的“阿礼嘎礼”字母的名称 分别冠以“MONGOLIAN L ETTER AG 某” 、 “MONGOLIAN LETTER TODO AG 某” 、 “MONGOLIAN LETTER MANCHU AG 某” 。(8)蒙古文、托忒文、锡伯文、满文共用的符号，我们以其蒙古文名称命名 如； ᠆ 命名为 MONGOLIAN NIRUGU， ᠀ 命名为 MONGOLIAN BIRGA。 在“变形显现字符”的命名上，我们遵循尽可能详细区分的原则。因为“变形显现字符” 是不编码的，所以不必严格遵循 IS0 10646 的命名规则。还由于“变形显现字符”是一个“名 义字符”所代表的字母的多种变体，虽然其形式各异，但同属一个字母，因此我们采取了以 其功能或位置命名的方法。如 盌 命名为“ML.(ML 为 MONGOLIAN LETTER 的缩写)A INITIAL FORM” ； 盓 命名为“ML．A FIRST MEDIAL FORM” ； 盙 命名为“ML．A SECOND MEDIAL FORM” ； 盕 命名为“ML．A THIRD MEDIAL FORM” ； 盚 命名为“ML．A FINAL FORM”……等。 在这里，需要说明的另一个问题是，或许有人对用 CA、,JA、SHA 来命名 ᠴᠵᠱ ……等 提出异议。因为在蒙古语文研究的传统转写中一般都用 č、ǰ 、š 来转写这三个字母，而为什 么不用传统的转写符号来命名蒙古文字母呢?这是因为 IS0 10646 规定， 在编码字符的命名上 只用拉丁文大写字母；不能用附加符号(如 č、ǰ 、š 的 ˇ )；单个拉丁字母不够时可以用两个 或几个字母的组合。另一方面，我们要区分编码字符的名称和蒙古文拉丁转写这两个不同概 念。编码字符的名称只是这一字符在《10646》中的名称，它与该字母的读音、转写等没有直 接关系，只是为了便于人们接受，尽可能地采用与该字母读音相同或相近的拉丁字母来命名 一些字母(如 癭 用 A，而不用 E 来命名)而已。而蒙古文的转写是另一个问题。作为另一个课 题国际标准化组织正在制定“蒙古文拉丁转写国际标准(TRANSLITERATION OF MONGOLIAN CHARACTERS INTO LATIN CHARACTERS)” 。当然这两个国际标准有一定的内在联系，关于这一 点，国内外专家有了共识。这方面的详细情况，我们将在另一篇文章中介绍。 3、各文种之间和同一文种内的排序原则 在编制字符集时，怎样处理四个文种之间的排序和每一个文种内部的排序也是值得注意 的一个问题。其中涉及：(1)每一个文种之间以文种为单位排序，还是打破文种区限统一排 序?(2)如果以文种为单位排序，那么哪个文种排前，哪个文种排后?(3)在每个文种内部的字 符以什么原则来排序?经过较长时间的考虑和酝酿， 我们认为： (1)为国际标准化组织 ISO/WG2 及各方面专家一目了然，为不同用户的系统实现提供方便，我们将标点符号、数字、字母各 为一个单位；各文种所共有的标点符号放在最前面，而个别文种所用的标点符号按蒙、托、 锡、满的次序排列，数字放在其后，字母放在最后，又以每一个文种为一个小组合，(2)在文 种的排列上主要考虑：创制年代的前后；使用人口的多少；是否现行文字等诸方面，按蒙古 文、托忒文、锡伯文、满文、阿礼嘎礼文的顺序排列。(3)在每一个文种内部以元音在前、辅 音在后的传统顺序排列。 4、各文种间的认同原则 蒙古文、托忒文、锡伯文、满文同属一个文字系统，所以它们之间有很多的共同点。据 统计，152 个“名义字符”中的 84 个是两种或两种以上文种所共用的。所以有以字形认同的 方式进行统一编码的良好基础。这样做可以节省大量的码位（这一点，我们曾在拙文《关于 蒙古文编码》中叙述过） 。 我们认同的原则是，在两个以上文种共有的字母，不论是在“名义字符”中的，还是在 56 “变形显现字符”中的，我们只收一次，其名称按最初出现的文种的名称命名。为了使人们 能够简单明了地了解这些字符在各个文种的情况，编制了“蒙古文参考表”(Mongolian Reference Table)。 这个“蒙古文参考表”不仅可以作为了解某一个字母在几个文种中的使用情况，及其名 称等信息的资料，还可以当作系统实现的依据 ⑦ 。 5、五种文字统一编码中的文种区别 五种文字要编制统一编码， 就是说在信息传递等诸多领域里这些文字都有可能同时出现。 那么用什么方法来区别不同文种的字符？这是一个必须考虑的问题。前些年我们研制《多种 文字输入输出系统》时采用了“文种区别符” 。 在编制国际标准编码时，一开始我们还是设想采用几个“文种区别符”来区别当前字母 的所属文种。即，使用每一个文种时在篇章（或行，字符串）首加“文种区别符” 。但这样做， 对输入和编制程序工作带来很多不便。需要频繁地调换文种的话，这种方法更是很麻烦的。 通过几次讨论，有人认为：这种使用“文种区别符”的方法不符合 IS0 10646 的原则，应取 消，应该用字母本身的编码来区分文种 ⑧ ，我们认为这个意见合理，便采纳了。有些字母只 出现在某一个文种里，这时对它进行编码即可解决问题。还有一些字母，其某些变体形式只 在这个文种里使用，在其它文种中使用的是别的变体。在这种情况下只对独用的这个形式予 以编码。如 NG 字母的词中形式在蒙、托、锡、满文中都是统一的一个 癷 ，而其词末形式却 是在蒙古文中为 盬 ，托忒文中为 ᡊ ，锡伯文中则为 ᡢ 。如果我们用“文种区别符” ，那么无 需对这三种形式一一编码，但每个 NG 字母前都需要有个“文种区别符” ，以便选定是哪一文 种的 NG，但这种处理，大大增加人力和储存开销，对用户很不方便。如果对 癷 、 ᡊ 、 ᡢ 三 个形式各自编码，就可用编码本身来区别其文种。而像 ᠨ 这种几个文种共有的形式就没有必 要区分什么文种。 6、 “蒙古文强制性合体字”的处理原则 蒙古文等五种文字(托忒文、锡伯文、满文、阿礼嘎礼文)中有一部分字母是比较特殊的， 它们在单独使用时以其原形出现，而与其它字母拼写构成音节时其原形发生变化，所构成的 两个字母结合起来构成一个新的、合体的、音节字母形式。这种合体字人们称之为“强制性 合体字” （Ligature） 。 对这一部分合体字我们一直主张不进行编码， ISO/WG2 也明确规定这种合体字不予编码。 所以在蒙古文国际标准编码的“名义字符”和“变形显现字符”中都没有这一部分字形，至 于在系统中怎样实现它们，应由开发者采用各自的方法。 “蒙古文强制性合体字”都是由两个字符合成的，它们的录入方法和输出形式都是唯一 性的。如：词末录入“ ᠪ癭 ”的结果只能是 睞 。词首录入“ ᠭᠢ ”的结果只能是 睼 等。 这种“合体字”一共有 194 个。 构成“合体字”的方法可有多种。如：整体音节法(需 194 个字符)；横切法(需 50—60 个字符)；竖切法(需 20—30 个字符)。总之，对这个问题讨论得不太充分，现在各方意见也 不一致。能在以后的协商中得出一个共识，最好。但也不必强求。只要录入方法和输出形式 都是唯一性的，那么对 ISO/10646 蒙古文标准的形成没有多大影响。所以构成“合体字”的 方法不一定非要现在统一。我们相信，随着技术的发展和经验的积累，在不久的将来会有更 好的办法。 7、关于与《蒙古文拉丁转写方案》的衔接 1996 年 5 月初在 OSLO 举行的 ISO/TC 46 /SC 2 第 17 次会议纪要和 John Clews 先生的论 文中都提到 《蒙古文编码》 与 《蒙古文拉丁转写方案》 需要衔接的问题。 我国提交 ISO/TC 46/SC 2 的《蒙古文拉丁转写方案》中也明确提出了这个问题。看来这是一个具有共识性的见解。 考虑《蒙古文编码》与《蒙古文拉丁转写方案》这两个国际标准的衔接是有其内在理由的： 57 这两个标准都是有关蒙古文的，它俩之间有必然的联系，不应该、也不能够各行其事。 以上是对蒙古文国际标准编码基本构成原则方面的一些介绍和讨论，有关蒙古文国际标 准编码的构成内容除本文中提到的一些原则以外还包括一些具体规则。有关这些规则，限于 篇幅不能在此一并讨论，将在本文的姊妹篇《蒙古文国际标准编码诸规则》一文中进行讨论。 注释 ①以下引用的是 199 3年3月由 ACCC 与 CCID 联合翻译的中文译稿。 ②毛永刚： 《1SO/IEC 10646 大字符集及其发展动态》 ， 《计算机世界》 ，1995 年 12 月 22 日，第 151 页。 ③④⑥详见《通用多八位编码字符集》 ，1—28、1、84—87 页。 ⑤请参见拙文《关于蒙古文编码》 ， 《内蒙古大学学报》1994.4，1995．1。 ⑦由于篇幅的限制这里无法刊登。 ⑧这一想法是内蒙古电子计算中心吉日木图同志提出的，他是蒙古文编码工作组成员。