妙手生花的背后输入法原理解密

妙手生花的背后输入法原理解密
作者：
来源：《电脑爱好者》2014年第09期
文字输入认识码表文件
我们先来了解一下文字输入过程，比如要在百度搜索中使用搜狗输入法输入“电脑”作为关键字进行搜索。

首先要切换到“搜狗输入法”，接着在键盘上键入“diannao”，此时在输入法状态栏会出现多个符合“diannao”编码的汉字或词组，选择“电脑”后就可以实现字符的输入了（图1）。

可以看到，文字输入过程主要是输入编码，然后根据编码选择所需字符的过程。

因此Windows系统下汉字输入法实际上就是：将输入的标准ASCII字符串（英文字符），按照一定的编码规则转换为汉字或词组。

在将英文字符转换成汉字的过程中，码表文件（字库）起到了关键作用，码表文件有点类似英汉词典，将特定组合的英文字符与汉语字词一一对应起来。

比如打开搜狗字库文件，就可以看到我们上面输入的“dian’nao”对应的正是汉语“电脑”（图2）。

何以高效输入法高效输入探秘
一款优秀的输入法必须要让使用者实现高效输入，这就要求每款输入法有自己的特色功能。

日常使用中我们需要输入一些生僻字、网络流行语，如果输入法的字库不够全面的话就无法输入。

现在的输入法一方面借助本地字库，另一方面则充分发挥“云字库”优势，可以将生僻字、网络流行语等一网打尽。

比如必应输入法运用微软亚洲研究院的创新研究成果，优化了核心引擎，加上云端服务器的无限量存储和计算能力，即使输入类似“weiruankinecttaicoolle”中文拼音与英语相混合的字符串，它也可以智能识别（图3）。

输入法“猜你喜欢”
好的词库还需搭配智能的算法，只有依靠智能算法才能将字库的功能充分发挥出来。

现在大多数输入法能自动分析用户的输入，选择和调整文字显示的优先级，这样既可以大大降低词语拼错的可能性，同时方便用户高效选择输入，这种功能的实现是借助输入法后台强大的算法实现的。

比如搜狗输入法，在你首次输入“dnahz”并选择“电脑爱好者”后，它就会“记忆”下你的选择，等再次输入“dnahz”，它就会智能判断你可能要输入“电脑爱好者”，于是将这一词组调整到优先选择的位置。

如果你多次输入“dnahz”但选择的是不同的词组，这时输入法的算法程序会根据你选择的频率（选的多少），将你最可能想要的结果放在优先位置（图4）。

统计是智能算法的核心
上面的根据词频调整，已经具有初步的学习功能了，而优秀的输入法还可以智能联想、智能纠错、智能组句。

有时我们会发现，刚刚输入一两个字母，输入法就已经给出我们想要的长长的词组，非常智能。

这些看起来有些神秘，但它们的算法核心其实很简单，就是统计。

聊天、写作、打报告，你每天究竟打了多少字也许你并不清楚，但你所用的输入法却在默默地记录着，每一次的输入和选择，都会纳入它统计的数据中，正是根据这些数据分析得出常用的词语，以及你特殊的喜好和选择。

所以，并非输入法“聪明”，而是我们自己“出卖”了自己（图5）。

输入法
搞“兼职”
除了识别编码的输入，现在输入法的扩展功能也越来越多。

一方面是扩展字符的输入方式，比如为了方便用户输入不会读音但会写的汉字，搜狗输入法提供了手写组件，启动该组件后只要使用鼠标将字写出来，就可在识别框选择输入（图6）。

另一方面将输入法和其他功能关联起来，如谷歌输入法就整合其强大的搜索功能，在输入需搜索的关键字后，只要点击状态栏的谷歌图标，即可自动打开谷歌的搜索页面搜索。

你也可以自己打造输入法
从上面的介绍我们知道，输入法的核心实际上就是码表文件，因此只要我们自己制作好码表文件，然后利用一些输入法生成器即可生成自己的输入法。

如果觉得自己制作麻烦，还可以直接提取当前输入法的字库。

比如搜狗输入法，打开设置属性窗口后切换到“词库”，然后在“词库选择”下拉列表选择“导出文本词库”，这样即可获得码表源文件（图8）。

获取码表源文件后，我们既可以利用微软免费提供的“输入法生成器”，也可以使用第三方的“多多输入法生成器”来生成自己的输入法！。