2007/4/26

數位典藏國家型科技計畫技術發展組Digital Archive Architecture Laboratory

中文缺字在數位典藏系統之應用~網頁缺字處理技術

報告人：林金龍

數位典藏國家型科技計畫技術發展組Digital Archive Architecture Laboratory

outline

構字式 (缺字 )輸入資料庫處理構字式 (缺字 )呈現

數位典藏國家型科技計畫技術發展組Digital Archive Architecture Laboratory

構字式 (缺字 )輸入

漢字構形資料庫缺字查詢系統(Web)

數位典藏國家型科技計畫技術發展組Digital Archive Architecture Laboratory

漢字構形資料庫

1.查詢

2.查詢結果

3.構字式

數位典藏國家型科技計畫技術發展組Digital Archive Architecture Laboratory

缺字查詢系統 (Web)

1.查詢

2.查詢結果

3.構字式4.快速複製至剪貼簿

數位典藏國家型科技計畫技術發展組Digital Archive Architecture Laboratory

缺字查詢系統 (Web)

數位典藏國家型科技計畫技術發展組Digital Archive Architecture Laboratory

資料庫處理

典藏系統編碼• Big5

資料庫編碼• Big5

構字式轉 unicode跳脫字元• JAVA Bean

數位典藏國家型科技計畫技術發展組Digital Archive Architecture Laboratory

構字式轉 unicode跳脫字元public String getCode(String OriStr) {

StringBuffer sb = new StringBuffer(); byte[] byteOriStr = OriStr.getBytes("ISO-8859-1"); int hiByte; int loByte; for (int k = 0; k < byteOriStr.length; k++) {

if (byteOriStr[k] < 0 && k < byteOriStr.length - 1) { // 非英數字 hiByte = byteOriStr[k]; loByte = byteOriStr[k + 1]; hiByte = (hiByte > 0) ? (hiByte) : (hiByte & 0xFF); // 轉為 正值 loByte = (loByte > 0) ? (loByte) : (loByte & 0xFF); int big5code = hiByte * 256 + loByte; // Big 5 碼 if (hiByte == 0xF9 && loByte > 0xD5 && loByte < 0xFF) { // 判斷是否為倚天擴充字與特殊字碼區

sb.append(getETCode(loByte)); } // if () 倚天字碼區 else if ( (big5code >= 0x8140 && big5code <= 0x8DFE) || (big5code >= 0x8E40 && big5code <= 0xA0FE) || (big5code >= 0xC6A1 && big5code <= 0xC8FE) || (big5code >= 0xFA40 && big5code <= 0xFEFE)) { // 判斷是否為中文造字區 sb.append(getMissCharCode(hiByte, loByte)); } // if () 中文造字區 else { // 其它 - 一般中文 byte dbcs[] = new byte[2]; dbcs[0] = byteOriStr[k]; dbcs[1] = byteOriStr[k + 1]; sb.append(new String(dbcs)); } k++;}else { // 英數字 sb.append( (char) byteOriStr[k]);}

} // for(int k = 0; k < OriStr.length(); k++)}return sb.toString();

}

數位典藏國家型科技計畫技術發展組Digital Archive Architecture Laboratory

構字式轉 unicode跳脫字元 (cont.1)

private String getETCode(int loByte) { String ETCode = ""; switch (loByte) { case 0xD6: ETCode = "&#x7881;"; break; case 0xD7: ETCode = "&#x92B9;"; break; ． ． ．

case 0xFE: ETCode = "&#x2593;"; break; default: break; } // switch () return ETCode; }

數位典藏國家型科技計畫技術發展組Digital Archive Architecture Laboratory

構字式轉 unicode跳脫字元 (cont.2)

private String getMissCharCode(int hiByte, int loByte) { String MissCharCode = ""; int big5code = hiByte * 256 + loByte; int MISS_CHAR_BASE = 0; int MISS_CHAR_START = 0;

if (hiByte >= 0x81 && hiByte <= 0x8D) { MISS_CHAR_BASE = 0x6D78; MISS_CHAR_START = 0x81; } else if (hiByte >= 0x8E && hiByte <= 0xA0) { MISS_CHAR_BASE = 0x54D1; MISS_CHAR_START = 0x8E; } else if (hiByte >= 0xC6 && hiByte <= 0xC8) { MISS_CHAR_BASE = 0x3032; MISS_CHAR_START = 0xC6; } else if (hiByte >= 0xFA && hiByte <= 0xFE) { MISS_CHAR_BASE = -0x1A40; MISS_CHAR_START = 0xFA; }

int offset = MISS_CHAR_BASE - 0x63 * (hiByte - MISS_CHAR_START);

if (loByte >= 0xA1 && loByte <= 0xFE) { offset = offset - 0x22; }

int unicode = big5code + offset; MissCharCode = "&#x" + (Integer.toHexString(unicode)).toUpperCase() + ";"; return MissCharCode; }}

數位典藏國家型科技計畫技術發展組Digital Archive Architecture Laboratory

構字式 (缺字 )呈現

網頁處理• Java Applet• Java Script • Java Bean

缺字圖型產生程式• CGI• C#

數位典藏國家型科技計畫技術發展組Digital Archive Architecture Laboratory

Q & A