查看“︁希字码”︁的源代码

'''希字码'''，或 '''XCC'''（ Charater Code），是[[希顶社区]]设计的，用于表示[[希顶语]]的[[字音]]的一套二进制编码系统。系统从实际的明文字音里抽象出不同[[正字法|元素]]的逻辑顺序，可以用于表示[[原希]]和[[希雅]]、[[新标希|标希]]、[[〇改]]等希顶方言的字音。

在此之外，除了二进制形式，我们另设计了对应的字符化形式（'''SXCC'''，Stringified  Charater Code）与十进制形式（或称电码形式，分为''标希用''与''希雅用''）。
== 系统说明 ==
=== 编码格式 ===
为保持与ASCII的兼容性，编码中每一字节的首位（高位）不包含编码信息，仅填入1。

{| class="wikitable"
|+码段分配
|-
!b0
|5位，声母||2位，介母
!b0
|4位，韵母||3位，编码后缀
|}

如此安排，两个字节可表示一个希顶音节，即一个token。音节中对应的声、介、韵采用希顶拼写中的表层形式，不转化至音系上的底层形式。特别地，{{x|4u-}}、{{x|hu-}} 记为 {{x|4ü-}}、{{x|hü-}}，因其拼写仅为[[希顶语拼读规则|字面]]上的简写：

{| class="wikitable"
|+声母
|-
! !!0!!4!!8!!C
|-
|80+||∅||{{x|b}}||{{x|p}}||{{x|f}}
|-
|90+||{{x|w}}||{{x|m}}||{{x|d}}||{{x|t}}
|-
|A0+||{{x|l}}||{{x|F}}||{{x|7}}||{{x|v}}
|-
|B0+||{{x|z}}||{{x|D}}||{{x|s}}||{{x|r}}
|-
|C0+||{{x|H}}||{{x|j}}||{{x|q}}||{{x|x}}
|-
|D0+||{{x|y}}||{{x|n}}||{{x|g}}||{{x|k}}
|-
|E0+||{{x|h}}||{{x|4}}||{{x|N}}||{{x|B}}
|-
|F0+||{{x|c}}||{{x|5}}||空||空
|}

包含[[原希]]的29个声母与一个空声母，其中不包含扩充字母 {{x|W}}、{{x|O}}。右下角两个空位设计用于扩展或其他符号的兼容。

{| class="wikitable"
|+介母
|-
| +0||∅
|-
| +1||{{x|i}}
|-
| +2||{{x|u}}
|-
| +3||{{x|ü}}
|-
|}

包含3个介母与一个空介母。其中 {{x|ü}} 用于拼写[[原希]]中的非规则音节（如 彪 {{x|büL}}）和 {{x|4u-}}、{{x|hu-}}。

{| class="wikitable"
|+韵母
|-
! !!1!!9!!11!!19
|-
|80+||∅||{{x|a}}||{{x|e}}||{{x|o}}
|-
|A0+||{{x|1s}}||{{x|1}}||{{x|E}}||{{x|A}}
|-
|C0+||{{x|Y}}||{{x|L}}||{{x|V}}||{{x|6}}
|-
|E0+||{{x|2}}||{{x|T}}||{{x|8}}||{{x|3}}
|-
|}

包含15个韵母和一个空韵母。其中{{x|1s}}构成[[原希]]中的非规则音节（如 私 {{x|t1s}}）。

对于部首的编码。即只取声、介、韵之一，其余部分填充为空。所以用于排序时部首字母的顺序韵母最前、介母稍后、声母最后。

{| class="wikitable"
|+编码后缀
|-
! 编码 !! 含义 !! SXCC形式
|-
| -1 || 字音终止 || ！
|-
| ±0 || 平凡状态 ||
|-
| +1 || 常态{{x|H}}且字音终止 || Z!
|-
| +2 || 常态{{x|H}} || Z
|-
| +3 || 转置{{x|H}}且字音终止 || X!
|-
| +4 || 转置{{x|H}} || X
|-
| +5 || 声旁、音节连接 || -
|}

编码后缀添加在音节或部首后，Z 和 X 用于处理 转置{{x|H}} 和 常态{{x|H}}，! 用于结束一个字音，- 用于连接多音节的声旁或无法用一码表示的复杂非规则音节。

容易发现，一个空音节（声、介、韵皆空）也可添加编码后缀，这是实用的：有时我们需要同时添加多个编码后缀，这时较为后者就应添加在序列随后的空音节上。值得注意的是，编码后缀独立出来和合并在前面的音节上是等价的，但储存时通常需正规化（计算NXCC时尤其需要注意），尽可能合并到一个音节上。（注：在多树希顶方言中，部首{{x|H}}或许也与常态{{x|H}}编码后缀等价。）

=== 对应字音关系===
希字码用于描述希顶语[[字音]]，亦实现[[希雅语]]为表层呈现（同时对应[[新标希|标希]]、[[〇改]]，但不构成双射）。可支持'''音译声旁'''和'''嵌套部首'''、'''多重H'''、'''整字部首'''等多种形式。作为希字码仅需按顺序罗列元素与所需的编码后缀，便于解析、分析、排序。

希字码到希顶语字音的过程称解码（decode），对于不同方言的实现不同。下面是对于[[希雅语]]所需的逻辑：

我们应逐token地处理XCC序列，并将结果暂时保存为由每步输出构成的（双向均需增加的）字符串列表而非单个字符串。第一个token通常应为一个音节或一个空音节。（如不构成音节或视同一个''多''（非1）音节声旁，或视为非法序列，更推荐的形式可以是一个空音节后加 - 。）如遇 - 则连接下一token成为多音节声旁。

我们记方向为 {{ruby|Δ|direction}}，记反向操作为 -Δ，记前后为 ◅、▻。通常的初始Δ= ◅。遇到一般的部首、Z 时我们的 Δ 不变，仅需在Δ添加对应的部首或 {{x|H}}。遇到 X 时Δ:=-Δ，并在Δ的序列上添加 {{x|H'}}（如◅） 或 {{x|'H}}（如▻）。特别注意，对于单音节声旁下的序列，第一次出现X对应的 ' 可省略，如后有声旁则 {{x|H}} 也可省略。多音节声旁应在其Δ添加一个 '。

如遇到第二个音节或空音节（仅限含 - 的），则代表进入一个子序列（用于构造整字部首）。我们按照递归的方式执行我们的解码过程，将结果用 "" 包裹，像部首一样添加在 Δ 上。

反复进行上述操作，直到序列尾的 !，如序列未闭合则为非法序列或用于检索查询的不完整序列。

在这之后我们对完整的字符串列表进行后处理，对相邻元素看起来成为音节但并非连续的部分添加 '，如原有 ' 则调整为 <nowiki>''</nowiki>。

完毕。

希顶语字音到希字码的过程称编码（encode），对于不同方言的实现不同。下略。

=== SXCC===
'''SXCC'''，Stringified  Charater Code，是XCC的字符化形式。通常为逐token描写XCC的风貌。对于音节或部首，通常用聊天字母逐个写出，特例 {{x|1s}} 作 S。对于空音节通常不写，但如无编码后缀则记 0。对于编码后缀如上文记 !、Z!、Z、X!、X、- 。
例如 {{x|HyH't1sp}} 对应 9c a5 88 85 d0 82 记 tSX pX yZ!，{{x|"kat"s''amuata}} 对应 80 8E 96 8E 9C 89 B8 81 DC 89 9C 80 80 80 记 a- mua- ta s ka t! !。
对于已正规化的XCC，对应的SXCC也可不写 - 与一部分空格，如 a- mua- ta s ka t! ! 可记为 amuata s ka t!! 或 a-mua-ta s ka t!!。

=== NXCC ===
'''NXCC'''，Numfied  Charater Code，是XCC的十进制数码形式，主要用于排序比较和文字编号（也可作为电码使用）。分为''标希用''与''希雅用''两种，前者为十进制浮点数,能描述所有合法XCC；后者为十进制整数，仅描述合法的[[新标希|标希]]字音。下略。

=== 希雅语 ===
↪ 请查看页面：[[希雅语]]

== 相关 demo 与解析库 ==
……
[[分类:希顶语]]