墨子闲诂旧版造字转码.pdf

《墨子閒詁》舊版造字轉碼說明 中研院資訊所文獻處理實驗室 2007/12/14 陳建安 製作 一、 《墨子閒詁》一書墨子閒詁 使用舊版造字 個，字頻 ( .xml) 351 4263 次，詳如附件一。這 351個造字中， 252個可轉成 Windows XP 能顯示的字，字頻 3539 次；另外 99個字必須轉成構字式，字頻 724 次。 二、 附件一的造字分析表說明如下： 甲、 編號：Big5 造字空間為 6217 個，編號由 1 到6217。 乙、 造字：舊版造字 丙、 字頻(txt)：造字在「.txt」文件的出現次數 丁、 字頻(xml)：造字在「.xml」文件的出現次數 戊、 Big5：造字的 Big5 碼 己、 Unicode：造字所對應的 Unicode碼 庚、 WinXP：造字在 Windows XP的對應字形 辛、備註凡例： 1、校對問題，舊版漢籍錯字，可用程式全部取代：在舊版 漢籍電子文獻中即存在的錯字，因校對時的疏漏而未更 正，持續留存在新版漢籍電子文獻中；若該造字的所有 頻次，皆屬於錯誤使用的錯字情形，可以用程式全部取 代為正確字形。如編號 1171 的「 昔」字，原字應 為「瘖」。 2、異體字問題：新版漢籍考量到使用者檢索及使用時的便 利性，將用字原則改為除專詞等特殊情形之外，一律改 用標準字呈現。如編號 4132 的「血 」係「眾」字 之異體，故以「眾」字取代。 3、標記問題：由於漢籍電子文獻在舊轉新的過程中，採用 了新的標記語言，而在修改標記時，對於某些標題句做 了增刪的動作，因為這些標題句的內容包含了缺字，所 以這些更改標記的動作造成 txt 檔與 xml 檔缺字頻次 不符的情形。針對標記問題，只需要將 xml 檔中剩下的 舊漢籍造字，一一修改為對應的 Unicode，若無對應的 Unicode，則以構字式取代。如編號 5706 的「敍」在610、 614、623頁共增加了 4 個標題句，故頻次不同。又如編 號 4158 的「譌」 ，txt 檔在 385 頁，有(一)(二)兩個註 解，由於內容相同而合併為一句，並比照原書的方式將 1 註解獨立於本文之外；xml 檔標記方式皆改將註解插入 本文中，故把原本合併的註解分開為兩個註解，並分別 插入兩處本文中，又因為註解中有缺字，故使txt 檔與 xml 檔缺字頻次不同。兩種情形的處理皆是將xml 檔中 剩下的舊漢籍造字，一一修改為對應的 Unicode。 4、Unicode 字型呈現差異：Unicode 字型與舊漢籍造字有 些微差異，但只是字體風格差異，實際上仍為同一個 字，因此仍取 Unicode 字型。如編號 4158 的「」字， Unicode字型呈現為「譌」，實際上仍為同一字。 5、待造字：Unicode及漢字構形資料庫皆未收錄的舊漢籍