《數(shù)據(jù)標(biāo)注工程-語言數(shù)據(jù)與結(jié)構(gòu)》課程教案課題：漢字和文字?jǐn)?shù)據(jù)教學(xué)目的：知識(shí)目標(biāo)：掌握漢字結(jié)構(gòu)特點(diǎn)（象形/會(huì)意）、編碼標(biāo)準(zhǔn)（GB2312/Unicode）、字符集分類。能力目標(biāo)：能對(duì)比漢字與拼音文字的信息化處理差異。素養(yǎng)目標(biāo)：理解漢字規(guī)范化對(duì)文化傳承的重要性。課型：新授課課時(shí)：本章安排8個(gè)課時(shí)。教學(xué)重點(diǎn)：重點(diǎn)：能對(duì)比漢字與拼音文字的信息化處理差異。教學(xué)難點(diǎn)：難點(diǎn)：理解漢字規(guī)范化對(duì)文化傳承的重要性。教學(xué)過程：教學(xué)形式：講授課，教學(xué)組織采用課堂整體講授和分組演示。教學(xué)媒體：采用啟發(fā)式教學(xué)、案例教學(xué)等教學(xué)方法。教學(xué)手段采用多媒體課件、視頻等媒體技術(shù)。板書設(shè)計(jì)：本課標(biāo)題漢字和文字?jǐn)?shù)據(jù)課次4授課方式理論課□討論課□習(xí)題課□其他□課時(shí)安排8學(xué)分共2分授課對(duì)象普通高等院校學(xué)生任課教師教材及參考資料1.《數(shù)據(jù)標(biāo)注工程-語言數(shù)據(jù)與結(jié)構(gòu)》；電子工業(yè)出版社。2.本教材配套視頻教程及學(xué)習(xí)檢查等資源。3.與本課程相關(guān)的其他資源。教學(xué)基本內(nèi)容教學(xué)方法及教學(xué)手段課程引入從手機(jī)漢字輸入法"拼形→選字"過程切入，追溯漢字從甲骨文到Unicode的演化史。通過字符亂碼案例，直觀展示編碼標(biāo)準(zhǔn)對(duì)信息存儲(chǔ)的核心意義，引出漢字信息化處理的獨(dú)特性。參考以下形式：1.銜接導(dǎo)入2.懸念導(dǎo)入3.情景導(dǎo)入4.激疑導(dǎo)入5.演示導(dǎo)入6.實(shí)例導(dǎo)入7.其他形式3.1漢字信息處理漢字信息處理是計(jì)算機(jī)直接對(duì)漢字信息進(jìn)行輸入、輸出和加工處理的技術(shù)。在計(jì)算機(jī)發(fā)展之初，由于歷史因素和技術(shù)因素，文字編碼僅考慮英文和部分最基本的計(jì)算機(jī)操作符號(hào)的需要。最早也是今天最通行的文字編碼方案美國(guó)信息交換標(biāo)準(zhǔn)代碼（AmericanStandardCodeforInformationInterchange，ASCII）將一個(gè)字符表示為不超過7個(gè)二進(jìn)制位，即一個(gè)0和1構(gòu)成的串，且長(zhǎng)度不超過7。顯然這種方式只能表示27=128個(gè)字符：英文大寫字母與小寫字母共52個(gè)字符，數(shù)字0～9，換行、回車等控制符，文頭、文尾等通信標(biāo)記符。英語之外的其他語言的文本顯然無法直接使用ASCII編碼進(jìn)入計(jì)算機(jī)。例如，法語字母上方有注音符號(hào)，無法用ASCII編碼表示。而亞洲語言，尤其漢語有十萬以上的文字，無法使用這種編碼方式。僅為漢字編號(hào)就是不小的存儲(chǔ)和運(yùn)算開銷。因而在20世紀(jì)中葉，不少專家悲觀地表示漢字與計(jì)算機(jī)無緣。我們必須承認(rèn)，漢字字種繁多，字形復(fù)雜，漢字的信息處理與通用的字母數(shù)字類信息處理有很大差異，突出表現(xiàn)在漢字輸入輸出技術(shù)和漢字處理系統(tǒng)的軟件方面。但是，漢字信息在信息結(jié)構(gòu)、信息交換、信息加工等方面與西文信息加工又存在共性。因此，漢字信息處理多采用與西文信息處理兼容的途徑，以便充分利用已有的計(jì)算機(jī)信息處理技術(shù)資源。同時(shí)，漢字信息處理還包括研究適合漢字特點(diǎn)的操作系統(tǒng)和漢字計(jì)算機(jī)語言。3.2漢字的結(jié)構(gòu)3.2.1漢字的演化表意文字和表音文字是在世界文字中并存的、代表兩種發(fā)展趨勢(shì)的文字系統(tǒng)，它們有各自的發(fā)展規(guī)律。大部分漢字既表意也表音，這使?jié)h字基本上能夠滿足漢語對(duì)文字的要求，而且使?jié)h字成為世界上一種獨(dú)特的文字體系。今天能看到的最可靠的、最早的文字資料是從公元前14世紀(jì)到公元前11世紀(jì)的商代后期的甲骨文和金文。甲骨文和金文都已經(jīng)是很成熟的文字了。從原始文字到成熟文字，無疑需要相當(dāng)長(zhǎng)的時(shí)間，我們可以設(shè)想漢字的出現(xiàn)應(yīng)該遠(yuǎn)遠(yuǎn)早于距今3400年左右的商代后期。漢字和其他的古老文字一樣，也是從圖畫和雕刻逐步演變過來的，甲骨文和金文的資料就可以證明。最初出現(xiàn)的漢字字符大多數(shù)是形象地刻畫事物的圖形，圖形分別有“象形”“指事”“會(huì)意”三種情況。漢字首先是從“象形”發(fā)展到“表意”的?！跋笮巍笔呛?jiǎn)化了的事物的圖形，這肯定是最早創(chuàng)造出來的漢字符號(hào)的形式。象形文字必須像事物之形。但客觀事物紛繁復(fù)雜，眾多的抽象事物畫不出具體形象，于是漢字發(fā)展出了另一種造字方法，就是“指事”。例如，“下”沒有具體形象，就在一條長(zhǎng)線的下面畫一條短線來表示，后來演化為現(xiàn)在的寫法。指事字已經(jīng)由單純象形過渡到突出表意。這讓漢字使用者可以在一個(gè)象形字上加上另外的象形字構(gòu)成一個(gè)新的字。這種把兩個(gè)或兩個(gè)以上象形字或指事字拼合在一起，并把它們的意義結(jié)合成一個(gè)新的意義的造字方法就是“會(huì)意”。例如，“休”由一個(gè)人字和一個(gè)木字組成，表示人靠在樹上休息。從單純象形到利用象形表意，這是漢字發(fā)展的一個(gè)重大進(jìn)步。漢字只有到了表意的階段，才能夠?qū)嶋H記錄語言，才算形成了初步的文字體系。但是，表意的方法還有很大限制。例如，可以畫出水流的樣子來表示“水”，而江、河、湖、海等，又怎么用字表示呢？這樣漢字就開始出現(xiàn)兩種造字模式：假借表意字符來表音的假借字和一半表意一半表音的形聲字。漢字從“表意”發(fā)展到了一定程度的“表音”。“假借”是漢字中較早出現(xiàn)的一種純粹表音的方式。甲骨文中就已經(jīng)有了不少的假借字。卜辭“其自東來雨”，這個(gè)句子中就有四個(gè)字是假借字。例如，“其”就是“箕”的初文，這里借為虛詞；“自”最早是“鼻子”的意思，這里借為介詞；“來”本義是“大麥”，這里借為動(dòng)詞。有了同音假借的方法，就可以用較少的字記錄語言中較多的詞語，甲骨文中假借字較多，就是當(dāng)時(shí)字少的緣故。但是，假借必然會(huì)造成大量的同音字和多義字，于是漢字產(chǎn)生了一種一半符號(hào)表示意義、一半符號(hào)表示聲音的“形聲字”。例如，前面說的江、河、湖、海等各種水體，由于有了形聲字，表示它們的字的形符都是三點(diǎn)水，表示跟水有關(guān)，但聲符不同，各自表示不同的水體。由于形聲字有區(qū)別同音字和多義字的作用，而且很容易造出來，因此數(shù)量越來越多，并部分取代了假借字和其他表形的字符，最終成為漢字的主體。漢字在歷史上對(duì)其他民族的文字也產(chǎn)生過重要影響。公元元年前后，漢字就開始向南傳播到越南，向東傳播到朝鮮，從朝鮮再傳播到日本。上述國(guó)家長(zhǎng)期使用漢字記錄自己的語言，因而形成了“漢字文化圈”。在直接使用漢字的基礎(chǔ)上，不同民族根據(jù)自己語言的特點(diǎn)和漢字造字的原理，自行發(fā)展本民族的方塊字，或利用漢字部件來拼寫本民族語言。例如，朝鮮人借用漢字的筆畫創(chuàng)造出筆畫式的音素字母“諺文”，越南人以漢字為基礎(chǔ)創(chuàng)造出自己的拼音文字“字喃”，日本人則采用漢字的偏旁和草書創(chuàng)造出漢字式的音節(jié)字母“假名”，這些都是表音文字。3.2.2漢字的特點(diǎn)如果跟印歐語的文字比較，漢字最主要的特點(diǎn)可以概括為以下五個(gè)方面。1．漢語缺乏形態(tài)變化，漢字與之基本適應(yīng)印歐語有豐富的形態(tài)變化，如常常要在詞的前后加上詞綴，如名詞復(fù)數(shù)要加“-s”，動(dòng)詞進(jìn)行時(shí)要加“-ing”等，這種變化用表示音素的字母來記錄比較容易。反過來，漢語一個(gè)字始終表示一個(gè)語素（古代是詞），沒有詞形變化，所以漢字正好是符合這一特點(diǎn)的。我們可以假設(shè)，如果漢語中也出現(xiàn)詞的前后加詞綴的形態(tài)變化，那么現(xiàn)在這種漢字形式就可能改變。例如，日語因?yàn)楸旧碛幸恍┰~形的變化，所以借用漢字之后又創(chuàng)造出假名字母來補(bǔ)充。2．每個(gè)漢字都有意義，是形、音、義的統(tǒng)一體印歐語的聲學(xué)單位（音素）、聽覺單位（音節(jié)）和意義單位（詞）三者各自獨(dú)立，表音字符不聯(lián)系意義，因此比較適合采用意義和聲音分離的音素文字。相反，漢字的字不但有字形、讀音，還都有意義，形、音、義三者統(tǒng)一在一個(gè)漢字中，因此比較適合采用表意兼表音的意音文字。我們可以假設(shè)，如果漢字字符都只表音而不表意，那么現(xiàn)在這種文字形式也就可能改變。例如，越南語只借用漢字來記錄語言中的音，而不聯(lián)系意義，所以后來變成了拼音文字。3．漢字字形不跟著讀音改變，具有超時(shí)間性和超空間性印歐語文字是音素（音位）文字，讀音變了，文字也必須跟著變。例如，現(xiàn)代德語和古代德語的差異巨大，同屬拉丁語系的法語、意大利語、西班牙語等，不同國(guó)家的人不經(jīng)過學(xué)習(xí)可能也看不懂對(duì)方的文字。對(duì)漢字來說，即使讀音改變了，字形和字義也基本保持不變。所以，從古到今，中國(guó)人讀四書五經(jīng)，雖需要解釋，但不會(huì)感到有太大困難。從北往南，今天的山東人、浙江人和福建人互相說話可能聽不懂對(duì)方在說什么，可書信往來沒有問題。這都是因?yàn)椋m然漢語古今語音和方言語音不同，但漢字系統(tǒng)十分統(tǒng)一。我們可以假設(shè)，如果漢字字符也跟著讀音變化，那么不但歷史上的文獻(xiàn)現(xiàn)在可能無人能懂，而且各種方言也就可能像古羅馬的拉丁語那樣，分化成不同的語言了。4．漢字雖是意音文字，但缺乏完備的表音系統(tǒng)印歐語文字是音素（音位）文字，而且字符隨著讀音改變，所以看到字母的組合就能大致拼出正確的讀音來。漢字雖然都有讀音，但很難通過字符準(zhǔn)確和統(tǒng)一地表示出來。象形字、指事字和會(huì)意字等本來就沒有專門表音的成分，看到字也無法知道音；就是有表音成分的形聲字，聲符也大多數(shù)不能提示正確的讀音。俗話說“認(rèn)字讀半邊”，實(shí)際上很不可靠。所以，有人認(rèn)為，如果要求漢字的字符都可以準(zhǔn)確表示語音，那么至少現(xiàn)在這套漢字字符體系是難以實(shí)現(xiàn)的。因此，需要漢語拼音這樣的附文字系統(tǒng)來加以輔助。5．漢字的字符數(shù)量繁多，字形結(jié)構(gòu)過于復(fù)雜對(duì)任何一種語言進(jìn)行分析，其中包含的音素（音位）的數(shù)量總是有限的，而包含的音節(jié)的數(shù)量較多，包含的語素或詞語的數(shù)量就會(huì)更多。印歐語的字母記錄的是語言中的音素（音位），這樣字母數(shù)量也就很有限，如英語字母只有26個(gè)，西里爾字母只有33個(gè)，字母數(shù)量少，當(dāng)然字形就不會(huì)很復(fù)雜。漢字記錄的是漢語中的語素或詞，字符數(shù)量巨大。漢字的總數(shù)估計(jì)在5萬個(gè)以上，通用規(guī)范漢字有8105個(gè)。同時(shí)，漢字字符的結(jié)構(gòu)十分復(fù)雜，漢字的基礎(chǔ)部件就有560個(gè)，筆畫形式和組合方式多種多樣。所以，漢字難認(rèn)、難讀、難寫、難記，這就是所謂“四難”狀況，使?jié)h字的學(xué)習(xí)成本很大。3.3漢字的信息化3.3.1字符編碼自然語言的字符是通過編碼的形式進(jìn)入計(jì)算機(jī)的。這里有幾個(gè)基本概念需要解釋。位（bit）是計(jì)算機(jī)存儲(chǔ)信息的最小單位，音譯比特，二進(jìn)制的一個(gè)“0”或一個(gè)“1”叫一位。字節(jié)（byte）是一種計(jì)量單位，表示數(shù)據(jù)量多少，是計(jì)算機(jī)信息技術(shù)用于計(jì)量存儲(chǔ)容量的一種計(jì)量單位，8個(gè)二進(jìn)制位組成1字節(jié)。在ASCII碼中，一個(gè)標(biāo)準(zhǔn)英文字母（不分大小寫）占1字節(jié)位置，一個(gè)標(biāo)準(zhǔn)漢字占2字節(jié)位置。字符指計(jì)算機(jī)中使用的文字和符號(hào)，如“1，2，3”“A，B，C”“～！·#￥%…*（）+”等。ASCII碼的英文全稱是“AmericanStandardCodeforInformationInterchange”，中文譯為“美國(guó)信息交換標(biāo)準(zhǔn)碼”。ASCII碼無法表示非英語字符，因而美國(guó)國(guó)家標(biāo)準(zhǔn)學(xué)會(huì)（AmericanNationalStandardInstitite，ANSI）開發(fā)了ASCII擴(kuò)展碼。其中一個(gè)英文字母（不分大小寫）占1字節(jié)的空間，一個(gè)中文漢字占2字節(jié)的空間。其他語言也有自己的雙字節(jié)編碼方式。3.3.2漢字編碼漢字編碼是漢字在計(jì)算機(jī)內(nèi)存中的存儲(chǔ)方案和規(guī)則。不同的編碼方式形成不同的字符集。自20世紀(jì)80年代開始，我國(guó)開始為漢字編碼工作制定國(guó)家標(biāo)準(zhǔn)，并逐步與國(guó)際接軌。2005年發(fā)布的《信息技術(shù)中文編碼字符集》（GB18030—2005），以國(guó)家標(biāo)準(zhǔn)字符收集的漢字達(dá)70244個(gè)。現(xiàn)行的10部國(guó)家標(biāo)準(zhǔn)和1部電子行業(yè)標(biāo)準(zhǔn)較好地解決了漢字在計(jì)算機(jī)中的存儲(chǔ)、交換和處理問題，可以滿足信息技術(shù)發(fā)展的要求。中文編碼國(guó)家標(biāo)準(zhǔn)與行業(yè)標(biāo)準(zhǔn)（截至2016年）。經(jīng)過近40年的發(fā)展，我國(guó)的中文編碼標(biāo)準(zhǔn)已實(shí)現(xiàn)國(guó)內(nèi)通用、國(guó)際接軌，并兼容少數(shù)民族文字，較好地滿足了社會(huì)需求。3.3.3漢字的字符集漢字編碼規(guī)范為解決中文進(jìn)入計(jì)算機(jī)和互聯(lián)網(wǎng)這一輸入問題奠定了基礎(chǔ)。與其相對(duì)應(yīng)，漢字字型規(guī)范，尤其面向信息化的點(diǎn)陣與矢量字型規(guī)范是實(shí)現(xiàn)虛擬空間中文信息輸出的基礎(chǔ)工作。在計(jì)算機(jī)圖形輸出中，一個(gè)具體字符的形狀稱為字形。具有同一設(shè)計(jì)的字形圖像的集合構(gòu)成了字型。在日常生活中，“字型”常與“字庫(kù)”混用。字型規(guī)范標(biāo)準(zhǔn)通常包括字符集標(biāo)準(zhǔn)、字庫(kù)格式、字形和字體設(shè)計(jì)方面的信息。字庫(kù)是漢字書寫文明在信息化時(shí)代的主要輸出形式。20世紀(jì)80年代，王選的激光照排技術(shù)使字體從鉛字時(shí)代進(jìn)入計(jì)算機(jī)時(shí)代。字型標(biāo)準(zhǔn)所對(duì)應(yīng)的漢字編碼字符集決定了其涵蓋的字形范圍。現(xiàn)行規(guī)范標(biāo)準(zhǔn)已對(duì)漢字編碼字符集（GB/T2312與GB18030）、CJK漢字編碼字符集、通用多八位編碼字符集（多文種平面）所包含的漢字制定了多字體、多尺寸的標(biāo)準(zhǔn)字型。我國(guó)現(xiàn)行編碼字符集已全部