輸入法原理解密

輸入法作為每位網蟲上網必用的工具軟件，各大IT公司，無論國際IT巨頭微軟、谷歌，還是國內IT大腕百度、騰訊、搜狐，他們都紛紛推出自家輸入法軟件來搶占這個市場。那么輸入法是怎么實現文字高效輸入？作為我們普通的用戶，我們自己能編寫輸入法么？大家最常用的是拼音輸入法，下面我們就以這種輸入法為例來一探究竟。

文字輸入 認識碼表文件

我們先來了解一下文字輸入過程，比如要在百度搜索中使用搜狗輸入法輸入“電腦”作為關鍵字進行搜索。首先要切換到“搜狗輸入法”，接著在鍵盤上鍵入“diannao”，此時在輸入法狀態欄會出現多個符合“diannao”編碼的漢字或詞組，我們選擇“電腦”后就可以實現字符的輸入了（圖1）。



圖1 選擇符合編碼的字符輸入漢字

可以看到，文字輸入過程主要是輸入編碼，然后根據編碼選擇所需字符的過程。因此Windows系統下漢字輸入法實際就是：將輸入的標準ASCII字符串（英文字符），按照一定的編碼規則轉換為漢字或詞組。在將英文字符轉換成漢字的過程中，碼表文件（字庫）起到了關鍵作用，碼表文件有點類似英漢詞典，將特定組合的英文字符與漢語字詞一一對應起來。比如打開搜狗字庫文件，就可以看到我們上面輸入的“dian’nao”對應的正是漢語“電腦”（圖2）。



圖2 查看輸入法字庫編碼

何以高效 輸入法高效輸入探秘

一款優秀的輸入法必須要讓使用者能夠實現高效輸入，這就要求每款輸入法有自己的特色功能。

全面才會準確

日常使用中我們需要輸入一些生僻字、網絡流行語，如果輸入法的字庫不夠全面的話就無法輸入�，F在的輸入法一方面借助本地字庫，另一方面則充分發揮“云字庫”優勢，可以將生僻字、網絡流行語等一網打盡。比如必應輸入法運用微軟亞洲研究院的創新研究成果，優化了核心引擎，加上云端服務器的無限量存儲和計算能力，即使我們輸入類似“weiruankinecttaicoolle”中文拼音與英語相混合的字符串，它也可以智能識別（圖3）。



圖3 必應輸入法強大字庫和識別能力

輸入法“猜你喜歡”

好的詞庫還需要搭配智能的算法，只有依靠智能算法才能將字庫的功能充分發揮出來�，F在大多數輸入法能夠自動分析用戶的輸入，選擇和調整接下來文字顯示的優先級，這樣既可以可以大大降低詞語拼錯的可能性，同時方便用戶高效選擇輸入，這種功能的實現是借助輸入法后臺強大的算法實現的。比如搜狗輸入法，在你首次輸入“dnahz”并選擇“電腦愛好者”后，它就會“記憶”下你的選擇，等再次輸入“dnahz”，它就會智能判斷你可能要輸入“電腦愛好者”，于是將這一詞組調整到優先選擇的位置。如果你多次輸入“dnahz”但選擇的是不同的詞組，這時輸入法的算法程序會根據你選擇的頻率（選的最多），將你最有可能想要的結果放在優先的位置（圖4）。



圖4 輸入法智能算法

統計是智能算法的核心

上面的根據詞頻調整，已經具有初步的學習功能了，而優秀的輸入法還可以智能聯想、智能糾錯、智能組句。有時我們會發現，剛剛輸入一兩個字母，輸入法就已經給出我們想要的長長的詞組，非常智能。這些看起來有些神秘，但它們的算法核心其實很簡單，就是統計。

聊天、寫作、打報告，你每天究竟打了多少字，也許你自己并不清楚，但你所用的輸入法卻在默默地記錄著，你每一次的輸入每一次的選擇，都會納入它統計的數據中，正是根據這些數據分析得出你常用的詞語，以及你特殊的喜好和選擇。所以，并非輸入法“聰明”，而是我們自己“出賣”了自己。