中國哲學書電子化計劃 : 如何處理【遠逺远】這類簡繁一字多碼？

討論區 -> 中國哲學書電子化計劃 -> 如何處理【遠逺远】這類簡繁一字多碼？

2024-05-07 09:07:46如何處理【遠逺远】這類簡繁一字多碼？
發言者：stonechi8 (Stone Chi)	以[清】金鉷《广西通志》文本爲例：慶遠府或庆远府，有7个结果慶逺府，多达120个结果雖然這兩个繁寫，字義完全相同，而《康熙字典》作「遠：俗作逺字」。但在《古籍漢字字頻統計》（書同文,2008年）一書里, 却有以下字頻數據：遠 80411 逺 580489 远 10 但從字義來講，前述的三个中文詞匯，指向的是同一地方。 [清]道光《慶遠府志》封面亦作「遠」。那麼，整理ctext典籍文本時，以通用的"慶遠府"统一更合理，還是分開更合理？影响： 1.文本存貯仍以"慶遠府"爲准，輸入允許用「慶逺府」，但歸一化後找同樣内容。 2.文本遵從原文，檢索輸入分兩次查詢，同時合並結果顯示。
回覆

2024-05-07 09:07:46如何處理【遠逺远】這類簡繁一字多碼？

發言者：stonechi8 (Stone Chi)

以[清】金鉷《广西通志》文本爲例：
慶遠府或庆远府，有7个结果
慶逺府，多达120个结果
雖然這兩个繁寫，字義完全相同，而《康熙字典》作「遠：俗作逺字」。
但在《古籍漢字字頻統計》（書同文,2008年）一書里,
却有以下字頻數據：
遠 80411
逺 580489
远 10
但從字義來講，前述的三个中文詞匯，指向的是同一地方。
[清]道光《慶遠府志》封面亦作「遠」。
那麼，整理ctext典籍文本時，以通用的"慶遠府"统一更合理，還是分開更合理？
影响：
1.文本存貯仍以"慶遠府"爲准，輸入允許用「慶逺府」，但歸一化後找同樣内容。
2.文本遵從原文，檢索輸入分兩次查詢，同時合並結果顯示。

回覆

2024-05-21 05:37:21如何處理【遠逺远】這類簡繁一字多碼？
發言者：oscarsun72 (孫守真)	菩薩賢友慈悲：末學以為： 1.圖文對照須忠於原著，若不忠於原著，失真彌多，且不知電腦字型加入這般文字將用在何處；圖文對照當是派得上用場的第一現場。 1.1 且圖文一致，也便於校對工作，維基本為公共編輯者，唯有以圖文一致為公共標準，才能避免各人意見之歧異。否則改過來又改回去，無窮迴圈，惡性循環，伊于胡底？ 2. 有其他需求，如檢索、統計，當另作副本以與原書圖對應（本站機制是一種書圖可以對應多種文本，多種文本可幾對應到一種書圖。） 2.1 檢索需求，須由後台資料庫及程式設計機制管控。可參考迪志文化電子版《四庫全書》《四部叢刊》、中研院《漢籍全文資料庫》異體字關聯機制，便利檢索異文。 2.2 若為如樓主菩薩賢友之類的學術統計需求，則以副本、即多本對照一書圖（多對一）的方式為妥，也便於日後文本之維護。異體字本就是數位化時的大問題，這是末學經驗所思所得。謹此獻芹。末學亦以此為準的，行於本站云爾。感恩感恩　讚歎讚歎　南無阿彌陀佛
回覆

2024-05-21 05:37:21如何處理【遠逺远】這類簡繁一字多碼？

發言者：oscarsun72 (孫守真)

菩薩賢友慈悲：末學以為：
1.圖文對照須忠於原著，若不忠於原著，失真彌多，且不知電腦字型加入這般文字將用在何處；圖文對照當是派得上用場的第一現場。
1.1 且圖文一致，也便於校對工作，維基本為公共編輯者，唯有以圖文一致為公共標準，才能避免各人意見之歧異。否則改過來又改回去，無窮迴圈，惡性循環，伊于胡底？
2. 有其他需求，如檢索、統計，當另作副本以與原書圖對應（本站機制是一種書圖可以對應多種文本，多種文本可幾對應到一種書圖。）
2.1 檢索需求，須由後台資料庫及程式設計機制管控。可參考迪志文化電子版《四庫全書》《四部叢刊》、中研院《漢籍全文資料庫》異體字關聯機制，便利檢索異文。
2.2 若為如樓主菩薩賢友之類的學術統計需求，則以副本、即多本對照一書圖（多對一）的方式為妥，也便於日後文本之維護。

異體字本就是數位化時的大問題，這是末學經驗所思所得。謹此獻芹。末學亦以此為準的，行於本站云爾。感恩感恩　讚歎讚歎　南無阿彌陀佛

回覆

2024-05-24 04:12:22如何處理【遠逺远】這類簡繁一字多碼？
發言者：stonechi8 (Stone Chi)	遵从古籍原本字樣固然重要，但从目前實際情况看，道路仍然漫長。另一角度，古籍傳抄錯誤已經不是什么新鮮事了，也有不少異體字也只是原作者的書寫習慣而已。如： https://ctext.org/wiki.pl?if=en&res=221005&searchu=%F0%A9%94%96 【𩔖】(擴展B)本是【類】(基本集)，前者在多數手機上顯示爲空白。所以才有後代研究人員，對古籍進行各種校正和再版發行，如中華書局近年出的各種地方志版本，也可見于《中華經典古籍庫》(ancientbooks.cn)。从標准來講。台灣教育部《異體字典》只有近3萬个正體字，數據中【遠】相關内容如下： id is_zhengzi current_char Unicode 45625 TRUE 遠 U+9060 45626 FALSE 𢕱 U+22571 45627 FALSE 逺 U+903A 45628 FALSE 𨖸 U+285B8 大陸也已有GB/Z 40637-2021《古籍印刷通用字规范字形表》，定義了1萬多正體用字，本例的字只有正字【遠】使用文字之目的是用于信息交流和認知提升，所以遵从古籍原本字樣仍需把握適當的尺度，避免在故紙堆做大量的重復工作，以下是一些具體的可能建議： 1.對于現代已整理、且已爲大眾認同的異體字，用回与古籍最接近的正體字，如原題所述的【慶逺府】，統一用現在已是常識的地名【慶遠府】，這樣可以避免保留大量的異體字、但因为没有合理的異體認同數據，在檢索時，丢失很多本該可找到的内容。這樣處理也可避免在通識領域引入大量的異體認同數據，减少系统和文字使用者的負担。 2.字書類的異體辨識中的文本，继续使用原本的異體字。 3.有存疑的，使用原本的異體字，另作註釋加以说明。
回覆

2024-05-24 04:12:22如何處理【遠逺远】這類簡繁一字多碼？

發言者：stonechi8 (Stone Chi)

遵从古籍原本字樣固然重要，但从目前實際情况看，道路仍然漫長。
另一角度，古籍傳抄錯誤已經不是什么新鮮事了，也有不少異體字也只是原作者的書寫習慣而已。如：
https://ctext.org/wiki.pl?if=en&res=221005&searchu=%F0%A9%94%96
【𩔖】(擴展B)本是【類】(基本集)，前者在多數手機上顯示爲空白。

所以才有後代研究人員，對古籍進行各種校正和再版發行，如中華書局近年出的各種地方志版本，也可見于《中華經典古籍庫》(ancientbooks.cn)。

从標准來講。台灣教育部《異體字典》只有近3萬个正體字，數據中【遠】相關内容如下：
id is_zhengzi current_char Unicode
45625 TRUE 遠 U+9060
45626 FALSE 𢕱 U+22571
45627 FALSE 逺 U+903A
45628 FALSE 𨖸 U+285B8
大陸也已有GB/Z 40637-2021《古籍印刷通用字规范字形表》，定義了1萬多正體用字，本例的字只有正字【遠】

使用文字之目的是用于信息交流和認知提升，所以遵从古籍原本字樣仍需把握適當的尺度，避免在故紙堆做大量的重復工作，以下是一些具體的可能建議：
1.對于現代已整理、且已爲大眾認同的異體字，用回与古籍最接近的正體字，如原題所述的【慶逺府】，統一用現在已是常識的地名【慶遠府】，這樣可以避免保留大量的異體字、但因为没有合理的異體認同數據，在檢索時，丢失很多本該可找到的内容。這樣處理也可避免在通識領域引入大量的異體認同數據，减少系统和文字使用者的負担。
2.字書類的異體辨識中的文本，继续使用原本的異體字。
3.有存疑的，使用原本的異體字，另作註釋加以说明。

回覆

2024-05-26 04:41:11如何處理【遠逺远】這類簡繁一字多碼？
發言者：oscarsun72 (孫守真)	菩薩慈悲：大帖餘未詳讀，茲僅以「漫長」一義，一抒有感：　　蓋當初以為…… 而今AI；當初軟碟，而今固態。其速與大，如有所譽，其有所試，都非幾年乃至十幾年前可以想像。切莫以一「漫長」視諸。尤有進者，如「兼容字」之存在，於今不啻一贅、笑話、徒勞、增擾……？前車之鑑，後事之師。　　唯致遠恐泥。當思長計，獨具鷹眼，莫徒務近功。儻畏難卻步時，當發慮憲：此難是當今之難，抑數年、十數年後之難耶？況異體字之關聯、檢索、對應、組織、重組（文本文脈排列組合，只消一覘本站相關文本對應功能即知。）、統計……，即使數至萬億，由今看來，根本不足掛齒、彈指可辦，況來日耶？　　此事可視若解析度或像素史來看。當初或以為高清者，而今安在？已至不止於4k、8K、12K……、百萬、千萬畫素而不慊然已……。此何故？豈不但在求真、逼真、寫真、傳真、存真……而已矣乎？愚尚惶恐於吾人今日沾沾自喜之數位典藏圖文對照，其圖象清析度及2D平面呈現，在子子孫孫看來，只是可笑之玩具而已，猶吾人今年看讀當年之影視也；尚故步自封於畏多、畏詳與精細哉？後生可畏，來者可追，人無遠慮，必有近憂。茶餘飯後，一點愚見爾爾。見笑大方。見笑見笑。佛弟子文獻學者孫守真任真甫合十略白
回覆

2024-05-26 04:41:11如何處理【遠逺远】這類簡繁一字多碼？

發言者：oscarsun72 (孫守真)

菩薩慈悲：大帖餘未詳讀，茲僅以「漫長」一義，一抒有感：
　　蓋當初以為…… 而今AI；當初軟碟，而今固態。其速與大，如有所譽，其有所試，都非幾年乃至十幾年前可以想像。切莫以一「漫長」視諸。尤有進者，如「兼容字」之存在，於今不啻一贅、笑話、徒勞、增擾……？前車之鑑，後事之師。
　　唯致遠恐泥。當思長計，獨具鷹眼，莫徒務近功。儻畏難卻步時，當發慮憲：此難是當今之難，抑數年、十數年後之難耶？況異體字之關聯、檢索、對應、組織、重組（文本文脈排列組合，只消一覘本站相關文本對應功能即知。）、統計……，即使數至萬億，由今看來，根本不足掛齒、彈指可辦，況來日耶？
　　此事可視若解析度或像素史來看。當初或以為高清者，而今安在？已至不止於4k、8K、12K……、百萬、千萬畫素而不慊然已……。此何故？豈不但在求真、逼真、寫真、傳真、存真……而已矣乎？愚尚惶恐於吾人今日沾沾自喜之數位典藏圖文對照，其圖象清析度及2D平面呈現，在子子孫孫看來，只是可笑之玩具而已，猶吾人今年看讀當年之影視也；尚故步自封於畏多、畏詳與精細哉？後生可畏，來者可追，人無遠慮，必有近憂。茶餘飯後，一點愚見爾爾。見笑大方。見笑見笑。佛弟子文獻學者孫守真任真甫合十略白

回覆

2024-08-02 03:42:01如何處理【遠逺远】這類簡繁一字多碼？
發言者：oscarsun72 (孫守真)	菩薩賢友慈悲：近來檢索《易》學諸關鍵字，發現諸如「兌=兑」「剝=剥」「无=無」，在本站用「无、兑、剥」檢索均可查找出「無、兌、剝」之內容，一如《漢籍全文資料庫》之異體字之機制矣。唯反之則不然，即若以「兌、無、剝」以檢索，則不會出來「兑、无、剥」的內容。可見本站自已有此機制，只是做得今女畫，不完整、未周備罷了。如有所譽，其有所試。是不為也，非不能也。指日可待，或依然故我，則反掌折枝，亦事在人為耳。感恩感恩　讚歎讚歎　南無阿彌陀佛然則，本站有將「爲、為」等字合併之諸例，一如系統字早先設有「兼容字」之弊端，實無此必要，亦如簡化失策，徒務近功，而失文獻傳真之旨、小覷電腦日新之能耳。真正是人無遠慮必有近憂，不是不報，時候未到罷。然而造此諸業者，誰人永生，負此失責耶？此外，本站簡易輸入方塊【簡單修改模式】在對簡化字檢覆的機制亦尚未納入AI文脈判斷，但以出現某些或特定、或一定數量之簡化字即不准輸入（submit【保存編輯】按鈕會呈現失效的狀態）亦矯枉過正。蓋許多簡化字本自古先俗字異體襲來，忠於原著，俱依其所用之字，本多有如今簡化字之字形者，而此機制不分皂白，一律過濾，是但徒增使用者之困擾，本欲利民，反為掣肘，實亦可惜焉爾。他人有心，予忖度之，從善如流，是可久大。面面俱到，是可大久。無量壽佛，所以光壽，阿彌陀佛。
回覆

2024-08-02 03:42:01如何處理【遠逺远】這類簡繁一字多碼？

發言者：oscarsun72 (孫守真)

菩薩賢友慈悲：近來檢索《易》學諸關鍵字，發現諸如「兌=兑」「剝=剥」「无=無」，在本站用「无、兑、剥」檢索均可查找出「無、兌、剝」之內容，一如《漢籍全文資料庫》之異體字之機制矣。唯反之則不然，即若以「兌、無、剝」以檢索，則不會出來「兑、无、剥」的內容。可見本站自已有此機制，只是做得今女畫，不完整、未周備罷了。如有所譽，其有所試。是不為也，非不能也。指日可待，或依然故我，則反掌折枝，亦事在人為耳。感恩感恩　讚歎讚歎　南無阿彌陀佛
然則，本站有將「爲、為」等字合併之諸例，一如系統字早先設有「兼容字」之弊端，實無此必要，亦如簡化失策，徒務近功，而失文獻傳真之旨、小覷電腦日新之能耳。真正是人無遠慮必有近憂，不是不報，時候未到罷。然而造此諸業者，誰人永生，負此失責耶？
此外，本站簡易輸入方塊【簡單修改模式】在對簡化字檢覆的機制亦尚未納入AI文脈判斷，但以出現某些或特定、或一定數量之簡化字即不准輸入（submit【保存編輯】按鈕會呈現失效的狀態）亦矯枉過正。蓋許多簡化字本自古先俗字異體襲來，忠於原著，俱依其所用之字，本多有如今簡化字之字形者，而此機制不分皂白，一律過濾，是但徒增使用者之困擾，本欲利民，反為掣肘，實亦可惜焉爾。他人有心，予忖度之，從善如流，是可久大。面面俱到，是可大久。無量壽佛，所以光壽，阿彌陀佛。

回覆

若您想要參與討論，請在下述的表格輸入您的CTP賬號及密碼登錄。若您尚未申請CTP賬號，請免費註冊。

登入

喜歡我們的網站？請支持我們的發展。

網站的設計與内容(c)版權2006-2024。如果您想引用本網站上的内容，請同時加上至本站的鏈接：https://ctext.org/zh。請注意：嚴禁使用自動下載軟体下載本網站的大量網頁，違者自動封鎖，不另行通知。沪ICP备09015720号-3

若有任何意見或建議，請在此提出。