宇浩輸入法開發思路
1. 初衷
2021年底，我开始用中國大陸《古籍通規》標準的繁體字創作一部長篇小説。小説中有大量的文言段落、文白夾雜的對話，以及詩詞。因此，我發現重碼太高的拼音輸入法無法滿足我的需求。我急需一款能够具有高度確定性的輸入法。
我之前使用過五筆字形，但它是對於簡體優化的，字根太散，不適用於繁體輸入。倉頡輸入法雖是繁簡通打，但它是五碼定長，没有簡碼和詞語輸入，適合檢字，但不適合打字，也被排除。之後我又瞭解了鄭碼，發現它雖然字根分佈有規律，但全簡不一致，且在繁體字集上的重碼和五筆其實没有多少區别。再後來，我瞭解到三碼鄭碼，喜歡它規則的簡單，但它只適合簡體字集，繁體輸入需要轉換，所以不滿足我的需求。最後，我瞭解到了徐碼輸入法，它的繁簡通打的特性十分吸引人，並且在簡、繁、簡繁混輸的場合下，徐碼的重碼都是最低的，堪稱業界天花板。
綜合比較各個輸入法的重碼，和各方面的情况。我意識到，如果需要繁體輸入，選項只剩下了徐碼和倉頡。因爲倉頡不是四碼定長，最終我選擇了徐碼。
在一年多的使用中，我用徐碼打了近百萬字的繁體小説，日常生活也用它的簡體輸入，享受了他的低重碼、繁簡通的特點，也感受到了它取回頭碼、Z鍵頻率太高的不便之處。這一年裏，我還拆分了CJK的全部漢字，瞭解了其它的新的輸入法，對評價輸入法各個維度有了更深入的瞭解，慢慢，明白了自己到底需要什麽。最重要的三個心得是：
- 鍵盤派和字典派的區别。鍵盤派，希望字根分佈按照鍵盤分區，上手容易；相對的，字典派的字根分佈使用字典順序，在鍵盤上顯得反而成了亂序。
- 頻率派和低重派的區别。低重派，目標是一字一碼，儘可能在大字集上低重，注重大字集靜態重碼；頻率派，目標是在常用字集上低重，將字的權重納考量，注重常用字集動態重碼。
- 字根派和規則派的區别。字根派，目標是通過字根的分佈，有時候加以隨機，來減少重碼。規則派，目標是通過規則的複雜度來減少重碼。
在使用形碼創作的過程中，我發現我是一個鍵盤派，一個頻率派，一個字根派：
- 我希望同筆畫的字根在鍵盤上集中分佈。
- 我還希望在常用繁簡漢字（10000個左右）上減少選字的頻率。而在大字集上，我不追求極端低重，而是以方便檢字爲宗旨，例如，「虎字頭」在大字集中有若幹變化形態，如果我們將它們拆得太細，的確會減少重碼候選，但同時我們也很容易查不到字，不如將所有的變形全部視爲「虎字頭」，雖然重碼候選增加，但檢索起來更加快捷。
- 我更希望規則上不要太複雜，防止打字的時候思路被打斷，比如判斷主副根、判斷取不取次末根、字的結構是上下還是左右等。
因此，我製作了這款新輸入法，我的初衷是：世面上的輸入法都有自己的優點，但也有自己的痛處。優點和缺點都比較極端。我的目標是將其它輸入法的主要痛點加以避開或減輕，同時儘量保持其優勢。追求平衡感，包括：
- 避免五筆的結構碼，但發揮它字根按鍵盤分區的優勢。
- 避免鄭碼的全簡不一致，但發揮它雙編碼的特徵。
- 避免徐碼的取回頭碼的特點，但發揮它繁簡通打的優勢。
- 避免虎碼的字根隨機，但發揮它規則簡單和動態重碼低的優勢。
- 避免鄭碼、徐碼判斷取兩根還是三根的問題，以及取倒數第二根的特點。
- 避免徐碼Z鍵頻率過重的特點，發揮五筆不用Z鍵的優勢，以及它的手感（按鍵頻率向中間靠攏）。
根據以上目標，我在常用繁簡字集上（GB2312 + 國字常用字 + 大陸繁體字形）進行了優化，同時考慮了靜態重碼和動態重碼。最後，它便形成了「宇浩輸入法」。它在各方面的指標都都達到了一種平衡。
這裏列出各維度上同其它四碼定長輸入法之間比較，排名越靠前越好：
| 維度 | 第一 | 第二 | 第三 | 第四 | 第五 | 第六 | |
|---|---|---|---|---|---|---|---|
| 簡體靜態重碼重碼數量 | 宇浩 ~ 徐碼 | 五筆98 | 虎碼 | 五筆86 | 鄭碼 | ||
| 簡體動態重碼率 | 虎碼 ~ 宇浩 | 徐碼 | 虎碼 | 五筆86 | 五筆98 | 鄭碼 | |
| 常用字簡繁通打靜態重碼重碼數量 | 徐碼 | 宇浩 | 虎碼 | 鄭碼 | 五筆98 | 五筆86 | |
| 常用字簡繁通打動態重碼率 | 宇浩 ~ 徐碼 | 五筆86 | 五筆98 | 鄭碼 | 虎碼 | ||
| 大字集重碼數量 | 徐碼 | 宇浩 | 五筆98 | 五筆86 | 鄭碼 | 虎碼 | |
| 字根設置整體性 | 鄭碼 | 徐碼 | 宇浩 | 虎碼 | 五筆 | ||
| 鍵盤區位聚合度 | 五筆 | 宇浩 | 鄭碼 | 徐碼 | 虎碼 | ||
| 編碼規則簡易度 | 虎碼 | 宇浩 | 鄭碼 ~ 五筆 | 徐碼 | |||
| 全簡一致（簡碼、詞語編碼） | 五筆=徐碼=虎碼=宇浩 | 鄭碼 | |||||
| Z 鍵使用 | 五筆=宇浩 | 虎碼 | 鄭碼 | 徐碼 |
2. 評價輸入法各個維度的討論
這一章我討論評價一款輸入法的各個維度，引出我製作這個輸入法的動機和目標。
2.1. 關於重碼
本着實用主義和現實主義原則，我將漢字的輸入分爲打字和檢字兩部分：
- 打字，指的是對於常用字的輸入。這要求確定性，保證在最常見8000個繁簡漢字混合狀態下，大多數碼位不存在重碼字，可以進行盲打。如果有重碼，也可以通過簡碼規避。
- 檢字，指的是生僻字輸入，要求輸入方案提供包括CJK的全部漢字。這部分的輸入不需要過分追求低重碼，因爲對於一個生僻字，就算輸入法低重，你也肯定要看一下屏幕進行確認。相反地，應該以便捷爲主，部首的變化形態應當進行歸併，而不是爲了規避重碼而強行分開。當然，儘量保證 GBK 字集下單個碼位的重碼數量不超過5個，防止過度翻頁。
基於這個理念，我的目標是：
- 常用繁簡通字集上低重：GB2312和通規共有字 + 國字常用字 + 大陸古籍規範漢字常用字。繁簡聯合 < 1000 個重碼字，繁簡聯合動態重碼率 < 0.10%
- 簡化字字集低重：GB2312 ~ 300 個重碼字，動態重碼率 < 0.10%
- 繁體字字集低重：國字常用字 ~ 200 個重碼字
- 大字集：GBK 字集重碼字 ~ 5000
- 部分有若幹形態的部首進行歸併。
附其它方案重碼數據以參考，按照發明時間順序排序。
| 形码方案 | GB2312 | 国字 | 常用繁简 | GBK | GB2312选重率 | 常用繁简选重率 |
|---|---|---|---|---|---|---|
| 五笔86 | 537 | 357 | 1741 | 6582 | 0.34% | 2.74% |
| 郑码 | 563 | 311 | 1809 | 6590 | 0.59% | 2.92% |
| 五笔98 | 515 | 329 | 1679 | 6368 | 0.38% | 2.77% |
| 徐码 | 318 | 127 | 488 | 2902 | 0.11% | 0.15% |
| 虎码 | 532 | 238 | 2076 | 7687 | 0.05% | 4.00% |
| 宇浩 | 309 | 216 | 614 | 4966 | 0.05% | 0.14% |
2.2. 關於編碼規則
編碼的規則應該足够簡單和直觀，避免太多的判斷和回改。以下是關於編碼規則的部分偏好：
- 字根取一、二、三、末，優於取一、二、次末、末。這是因爲倒數第二根需要進行一些判斷，不够直觀。
- 字根分開，不如字根靠攏。舉例爲，「襄」拆成「衣口口一龷」，不如「亠口口一龷𧘇」直觀。「衍」拆成「行氵」不如「彳氵亍」直觀。
- 字根是獨體，勝過字根是其他字根的組合。避免音，比，羽等字根，這樣會造成判斷上的困難。如果有，也應當儘量讓它們的大碼相同。如，髟、镸、長的大碼應該在同一個位置上。
- 分主副根，不如不分。因爲主副根需要進行一次判斷，以決定到底第三個根取「次末」還是「末」。
- 無結構碼，比有結構碼好。因爲結構碼需要判斷字的構架。
- 首根小碼不後置，比後置好。因爲後置首根小碼，會擠佔一個主根的大碼或末根的小碼，如果判斷首根失誤，會造成回改。
對於編碼規則，一個從容易到困難的排序是：
- 無結構碼和首根小碼（三碼鄭碼、虎碼）
- 無結構碼，首根小碼只在不足四碼時使用（宇浩）。
- 分爲取三根和四根，首根小碼緊跟首根大碼（鄭碼）。
- 結構碼（五筆）。
- 分爲取三根和四根，首根小碼後置佔位（徐碼）。
我的方案採取第二種，這是因爲首根小碼可以允許繁簡通打，如果完全不加，那麽卽使在GB2312下重碼也非常高。
宇浩輸入法的規則如下：
- 取一、二、三、末根大碼
- 不足四碼時，補上末根小碼
- 仍然不足四碼時，補上首根小碼（如果是v不用補）
2.3. 關於字根分佈
對於字根分佈，有幾個維度。一者，字根是否按橫豎撇捺分區排布；二者，一個鍵上的字根是否具有相似的屬性；三者，是按照鍵盤分區（打字主義，單映射），還是按字母表分區（檢字主義，雙映射）；四者，如果有小碼，小碼是如何決定的。
目前的常見輸入法，一個從容易到困難的排序是：
- 字根大碼按鍵盤分大區，大區内比較隨機。字根無小碼。（五筆）
- 字根大碼按字母分大區，大區内完全有字形規律。字根小碼用字形提示。（鄭碼）
- 字根大碼按字母分大區，大區内比較有字形規律。字根小碼用拼音提示。（徐碼）
- 字根大碼完全隨機，小碼用拼音提示。（虎碼）
宇浩輸入法的字根排布，融合了五筆和徐碼的特點。
- 大碼按鍵盤分大區。（分區上YHN三鍵和五筆不同）
- 大區内比較隨機。
- 字根小碼用拼音提示。（某些字根用v鍵）
2.4. 關於拆分規則
優先級：
少 順 散 連 交 斷 美 大
直觀的意思：
- 包圍不拆散，比如昜。
- 豎變斜是變形。
變形幅度在直觀的範圍内。這一點無法完全量化，畢竟文字是藝術。所以，我也增加了兼容碼。
2.5. 字形
某些字形在常用字集内没有區分，或者共用 Unicode 碼位。真正的字形區分往往在 CJK 拓展區，屬於檢字範疇。爲了不增加判斷難度，因此：
- 冫和ㄑ都拆成二
- 日曰除卻「曰汩㫚旮」外都一併爲「日」
- 木朩𣎳字源不同，但已經混同，术朮亦同。故而不作區分。