希字码：修订间差异

2025年10月29日 (三) 02:44的最新版本

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元素的逻辑顺序，可以用于表示原希和希雅、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。

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，-、- 记为 ü-、ü-，因其拼写仅为字面上的简写：

声母
	0	4	8	C
80+	∅			
90+				
A0+				
B0+				
C0+				
D0+				
E0+				
F0+			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 、。右下角两个空位设计用于扩展或其他符号的兼容。

介母
+0	∅
+1	
+2	
+3	ü

包含3个介母与一个空介母。其中 ü 用于拼写原希中的非规则音节（如彪 ü）和 -、-。

韵母
	1	9	11	19
80+	∅			
A0+				
C0+				
E0+				

包含15个韵母和一个空韵母。其中构成原希中的非规则音节（如私 ）。

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。

编码后缀
编码	含义	SXCC形式
-1	字音终止	！
±0	平凡状态
+1	常态且字音终止	Z!
+2	常态	Z
+3	转置且字音终止	X!
+4	转置	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 和常态，! 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或许也与常态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 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 。遇到 X 时Δ:=-Δ，并在Δ的序列上添加 '（如◅）或 '（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  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 ''。

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  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 ' 对应 9c a5 88 85 d0 82 记 tSX pX yZ!，""'' 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，仅描述合法的标希字音。下略。

希雅语

↪ 请查看页面：希雅语

@@ 第1行： / 第1行： @@
-'''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[[希雅语|希雅]]和[[标希]]等希顶方言的字音。
+'''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（''S'XCC'''，Stringified  Charater Code）与十进制形式（或称电码形式，分为标希用与希雅用）。
+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]]
-== 示例 ==
-……
 == 相关 demo 与解析库 ==
 ……
+[[分类:希顶语]]