郑码学习体会（2）

郑码有一个理想化的假设：26个字母对应26个汉字的字根（主根），这些字根两两组合（前一个字根称为区码，后一个字根称为位码），又得出26*26种次一级的字根（辅根）。这样每一个字母键都分配27个字根，一共能够容纳702个字根（和汉字总字根数接近）。然而，汉字毕竟不是为26字母设计的文字，并没有很强的规律性使得26个主根的两两组合都能成为字根，实际上，只有少量的字根符合这种规律性。最终实现的是：25个以D为位码的字根（不使用DD这种组合），成为第二主根，另有119种区位码的组合有实际对应的字根，成为辅根。主根、第二主根、辅根，统称基根，26+25+119=170，这就是郑码170种基根的来历。

170种基根，有足够丰富的字形，几乎可以把所有形态各异的字根以形近根的名义包进去。这就是郑码具有通用性的关键之一。另外也有一些区位码的组合，也不断地补充进来，但没有改变170基根的说法和构成，例如：玉CS，永SK。另一方面，由于这种灵活性，也方便用户自行扩充字根集，因为有约500个区位码未被占用，因此，即便是郑码教材中没有列出的字根，用户也能根据经验判断其编码。

汉字拆分成字根串，每个字根都具有编码，把这些字根的编码连接起来，就成为汉字的编码，这只是一个初级的想法，还不具有实用性，因为，这样的编码会很长。一个4字根组成的字，如果每个字根都用2个字母表示，汉字编码长度将达到8。为此，郑码有很大的篇幅在讲怎么缩短编码长度。为了限制单字编码长度<=4，一共有11种情况：

1. 1字根：1+A，或 2
2. 2字根：1+2，2+1，2+2，1+1+V+V
3. 3字根：1+1+1，1+1+2，2+1+1
4. 4字根及以上：1+1+0+1+1，2+0+1+1

上面的记法中：+表示字母的连缀，1表示字根的区码，2表示区码和位码，0表示省略，A 表示字母A。

设汉字分解得出 N 个字根，第 i 个字根的编码记为 R(i)，编码的区码记为 .1，位码记为 .2，上面的规则可以写为：

1. N==1：C = R(1) + [A]
2. N==2：C = R(1) + R(2) + [VV]
3. N==3：C = R(1) + R(2).1 + R(3).1 + [R(3).2]
4. N>=4：C = R(1) + [R(2).1] + R(N-1).1 + R(N).1

其中 [] 表示可选，当 N==1 时，使 C.length == 2；其他情况，使 C.length == 4。