Tiêu Chu¦n Hóa Bµ Chæ Vi®t Nam

Chæ Vi®t Nam (qu¯c ngæ) càng ngày càng ðßþc sØ døng rµng rãi trong ngành ði®n toán và thông tin. Hi®n nay trên th¸ tr߶ng có bán nhi«u nhu li®u (software) Vi®t ngæ nhßng tiªc thay nhæng nhu li®u này dùng các bµ chæ (character set) khác nhau khiªn cho vi®c xØ lý (processing) và trao ð±i (interchange) dæ ki®n chæ Vi®t g£p nhi«u khó khån. Ði«u này làm cän tr· vi®c phát tri¬n nhu li®u Vi®t ngæ, änh hß·ng ðªn vi®c phát tri¬n kÛ ngh® ði®n toán Vi®t Nam. Do ðó, vi®c tiêu chu¦n hóa bµ chæ Vi®t Nam tr· nên kh¦n thiªt h½n bao gi¶ hªt. Trß¾c nhu c¥u này mµt s¯ các bÕn trë Vi®t Nam · Hoa KÏ ðã kªt hþp v¾i nhau ð¬ nghiên cÑu mµt bµ chæ Vi®t tiêu chu¦n. D¥n d¥n nhóm Nghiên-CÑu Tiêu-Chu¦n Tiªng Vi®t ðßþc thành hình vào mùa thu nåm 1989. Ðây là mµt t± chÑc vô vø lþi, th߶ng ðßþc biªt dß¾i tên là Vietnamese Standardization Group (g÷i t¡t là Viet-Std Group), quy tø chuyên viên v« nhi«u lãnh vñc khác nhau. Các thành viên cüa nhóm hi®n s¯ng räi rác kh¡p n½i trên thª gi¾i và cµng tác v¾i nhau qua các mÕng lß¾i thông tin ði®n toán và các cuµc h÷p m£t b¤t th߶ng. Møc tiêu hÕn h©p ban ð¥u cüa nhóm cûng ðßþc m· rµng ð¬ bao g°m luôn vi®c v§n ðµng và ðóng góp ý kiªn chuyên môn v« chæ Vi®t Nam cho các Vi®n иnh Chu¦n Tin H÷c và các công ty ði®n toán qu¯c tª.

Trong th¶i gian qua nhóm Viet-Std ðã ðÕt ðßþc ba thành công quan tr÷ng nh¤t là (1) thiªt kª bµ mã chæ Vi®t Nam 8-bit (Vietnamese 8-bit character code), (2) quy ð¸nh cách viªt chæ Vi®t b¢ng chæ 7-bit, và (3) v§n ðµng v¾i t± chÑc Unicode Consortium và Vi®n иnh Chu¦n Qu¯c Tª (International Standards Organization, g÷i t¡t là ISO) ð¬ toàn bµ chæ Vi®t ðßþc mã hóa (encode) theo phß½ng pháp chæ nguyên (precomposed character) trong bµ mã qu¯c tª 16-bit và 32-bit. Hai công trình ð¥u tiên ðã ðßþc trình bày chi tiªt trong mµt tài li®u song ngæ v×a ðßþc nhóm Viet-Std phát hành [1] mà chúng tôi xin gi¾i thi®u s½ lßþc ðªn bÕn ð÷c trong bài này.

Trß¾c hªt chúng tôi xin trình bày bµ chæ 8-bit, có tên Anh ngæ là Vietnamese Standard Code for Information Interchange hay g÷i t¡t là VISCII. Ða s¯ nhu li®u hi®n nay dña trên n«n täng m²i mçu tñ ðßþc mã hóa b¢ng 8-bit (1 byte). V¾i 8-bit chúng ta có th¬ mã hóa ðßþc 256 mçu tñ ho£c tín hi®u khác nhau. Vì nhæng lý do có tính cách l¸ch sØ, bµ chæ ASCII cüa Hoa kÏ dùng 128 mã s¯ (code point or code value) ð¥u tiên ðã tr· thành tiêu chu¦n qu¯c tª. Bµ chæ này bao g°m 32 tín hi®u ði«u khi¬n (control character) có mã s¯ t× 0 ðªn 31, và 96 mã s¯ còn lÕi dành cho mµt s¯ mçu tñ La tinh, d¤u ch¤m câu ho£c ký hi®u. (Ь ti®n vi®c trình bày, chúng tôi tÕm d¸ch control character là ki¬m-tñ, các chæ còn lÕi là ký-tñ. ÐÑng trên quan ði¬m ði®n toán, chúng ta phäi ð¸nh nghîa thêm mã-tñ là b¤t cÑ cái gì ðßþc tßþng trßng b¢ng mµt mã s¯; m²i mã-tñ tß½ng Ñng v¾i mµt mã s¯ và ngßþc lÕi.) Ph¥n còn lÕi (128 mã s¯ t× 128 ðªn 255) th߶ng ðßþc quy ð¸nh và sØ døng tùy theo nhu c¥u cüa m²i qu¯c gia ho£c t×ng bµ nhu li®u. Nhß v§y chúng ta có th¬ tiêu chu¦n hóa 128 mã s¯ này cho các mçu tñ Vi®t Nam không n¢m trong danh sách chæ ASCII.

Bµ chæ qu¯c ngæ có t¤t cä 186 mçu tñ v×a th߶ng v×a hoa, trong s¯ này chï có 52 mçu tñ ðßþc quy ð¸nh sÇn trong bµ chæ ASCII. Nhß v§y chúng ta c¥n phäi mã hóa thêm 134 chæ Vi®t trong khi chï còn có 128 ch² tr¯ng mà thôi. Chính vì khó khån này mà Vi®t Nam phäi ch§m tr­ trong vi®c ban hành mµt bµ chæ Vi®t tiêu chu¦n chính thÑc khiªn cho các công ty nhu li®u Vi®t ngæ ðành phäi tñ ð£t ra các bµ chæ riêng.

Hai phß½ng pháp mã hóa sau ðây th߶ng ðßþc áp døng cho nhæng mçu tñ có d¤u phø (diacritical mark): phß½ng pháp d¤u r¶i (floating diacritics) và phß½ng pháp chæ nguyên. Phß½ng pháp chæ nguyên xem m²i mçu tñ, thí dø À, là mµt mçu tñ duy nh¤t trong khi phß½ng pháp d¤u r¶i xem chæ À nhß g°m có hai mã tñ "A" và mã-tñ "`". Nhß v§y phß½ng pháp d¤u r¶i dùng ít mã s¯ h½n phß½ng pháp chæ nguyên. Chúng ta chï c¥n 29 mã s¯ ð¬ mã hóa 24 nguyên âm chính (A Å Â E Ê I O Ô ´ U ¿ Y và 12 nguyên âm th߶ng) và 5 d¤u thanh (s¡c, huy«n, höi, ngã, n£ng). Trong khi ðó phß½ng pháp chæ nguyên c¥n t¤t cä 144 mã s¯ ð¬ mã hóa t¤t cä nguyên âm Vi®t v×a th߶ng v×a hoa.

Phß½ng pháp d¤u r¶i ðã ðßþc áp døng · nhi«u qu¯c gia dùng chæ La-tinh có d¤u phø. Nhßng quá trình thØ nghi®m cho th¤y phß½ng pháp này có khuyªt ði¬m l¾n lao v« nhi«u m£t nhß t¯c ðµ xØ lý giäm sút, nhu c¥u v« sÑc chÑa (storage) và bµ nh¾ (memory) gia tång, vi®c thäo chß½ng phÑc tÕp, không th¬ hµi nh§p (integrate) vào môi tr߶ng nhu li®u và cß½ng li®u hi®n hæu ... Vì nhæng lý do này, phß½ng pháp d¤u r¶i h¥u nhß không còn ðßþc sØ døng trong kÛ ngh® ði®n toán hi®n nay.

Ь có th¬ hµi nh§p vào n«n kÛ ngh® ði®n toán cüa thª gi¾i, chúng ta phäi ch¤p nh§n mã hóa theo phß½ng pháp chæ nguyên, nghîa là phäi sØ døng thêm 134 mã s¯ dù r¢ng chï có 128 mã s¯ còn tr¯ng mà thôi. Cách giäi quyªt thông th߶ng là tìm cách thay thª 6 mã-tñ ASCII nào ðó b¢ng 6 mçu tñ Vi®t. Có r¤t nhi«u cách nhßng cách nào cûng v¤p phäi mµt s¯ khuyªt ði¬m riêng.

Sau khi phân tích kÛ càng v¤n ð« và cÑu xét cä chi«u hß¾ng phát tri¬n cß½ng li®u và nhu li®u trong tß½ng lai, nhóm Viet-Std ðã giäi quyªt bài toán này dña trên cån bän tri®t ð¬ bäo toàn 96 ký tñ ASCII trong vùng G0 (mang mã s¯ 32 ðªn 127) và nhæng ki¬m tñ dùng trong khi¬n h® (operating system). Quyªt ð¸nh này ðßþc trình bày kÛ càng trong tài li®u [1], nhßng trong phÕm vi bài này có th¬ ðßþc tóm t¡t nhß sau: b¢ng cách bäo toàn nhæng ký tñ ASCII v×a k¬ chúng ta có th¬ sØ døng h¥u hªt nhu li®u và cß½ng li®u sän xu¤t kh¡p n½i trên thª gi¾i mà không phäi ð¥u tß nhân lñc và tài nguyên vào vi®c ði«u chïnh ho£c biªn ð±i cho thích hþp v¾i chæ Vi®t Nam, cø th¬ nhß bµ d¸ch (compiler), khi¬n h®, khung X (X windows), v.v... Chï có cách giäi quyªt này m¾i giúp chúng ta sØ døng ðßþc nhæng thành quä kÛ thu§t m¾i më nh¤t trên thª gi¾i.

V¾i phß½ng châm trên, chúng tôi ðã thay thª 6 ki¬m-tñ ASCII mang mã s¯ 2, 5, 6, 20, 25, 30 b¢ng 6 mçu tñ hoa , , , ,  và . Ngoài ra, dña trên bµ tñ-mã tiêu chu¦n 8859/Latin-1 dành cho các nß¾c Tây Âu, chúng tôi cûng quyªt ð¸nh duy trì mã s¯ cüa t¤t cä chæ Vi®t ðã có sÇn trong tiêu chu¦n này. Trong vùng mã s¯ t× 128 ðªn 255, t¤t cä nhæng v¸ trí nào có th¬ xäy ra xung ðµt v¾i các nhu li®u ph± thông hi®n hæu nhß MS-Windows 3.1 ð«u ðßþc b¯ trí b¢ng chæ hoa. Bäng mã VISCII ðßþc li®t kê trong tài li®u [1].

Sau ðây chúng tôi xin s½ lßþc v« quy t¡c viªt chæ Vi®t Nam b¢ng chæ 7-bit ASCII. Quy t¡c này có tên Anh ngæ là Vietnamese Quoted Readable Specifications (Quy-ð¸nh Ð÷c-Ðßþc-Trong-Ngo£c, g÷i t¡t là VIQR) ðã ðßþc cµng ð°ng ng߶i Vi®t · häi ngoÕi sØ døng rµng rãi ð¬ trao ð±i ði®n thß b¢ng tiªng Vi®t trên các máy ði®n toán không có chæ Vi®t Nam. Theo quy ð¸nh này, các d¤u ðßþc ðánh sau các nguyên âm; d¤u s¡c, huy«n, höi, ngã, n£ng ðßþc thay thª b¢ng các ký hi®u ASCII Hoa-KÏ có dÕng gþi hình tß½ng tñ là "'", "`", "?", "~", ".", d¤u trång (d¤u á) ðßþc thay b¢ng "(", d¤u mû b¢ng "^", d¤u móc (nhß trong chæ ´, ¿) b¢ng "+", và chæ ð ðßþc thay thª b¢ng "dd". ChÆng hÕn, hai câu th½ Ki«u cüa cø Nguy­n Du:

Tråm nåm trong cõi ng߶i ta
Chæ tài chæ m®nh khéo là ghét nhau

Tra(m na(m trong co~i ngu+o+`i ta
Chu+~ ta`i chu+~ me^.nh khe'o la` ghe't nhau

• chß½ng trình biªn ð±i dæ li®u · dÕng 7-bit VIQR sang dÕng 8-bit VISCII và ngßþc lÕi.
• Ñng døng ði«u khi¬n bàn chæ Vi®t trong môi tr߶ng Unix, DOS, MS-Windows 3.1. ºng døng này cho phép ng߶i dùng ðánh chæ Vi®t trên bàn chæ ASCII Hoa KÏ nhßng màn änh s¨ hi®n ra chæ Vi®t Nam.
• Ñng døng màn änh Vi®t chÕy trong khung X (X windows) ho£c khung MS-DOS (MS-DOS windows).
• Ñng døng thß tín cho phép ð÷c và viªt thß b¢ng 8-bit VISCII nhßng s¨ tñ ðµng biªn ð±i thß thành dÕng 7-bit VIQR khi lßu træ ho£c gØi ði.
• Ñng døng in dæ li®u 8-bit VISCII trên các máy in Laser, ma-tr§n-ði¬m (dot matrix), ho£c PostScript.
• Ñng døng viªt bài (editor) dùng 8-bit VISCII.
• các nhu-li®u døng-cø và nhu li®u thß vi®n (library) th߶ng dùng trên khi¬n h® Unix, DOS.
• Ñng døng bäng tính (speadsheet) chÕy trên Unix.
• Ñng døng sß phÕm dùng ð¬ ra câu ð¯ ho£c ð« thi tr¡c nghi®m tiªng Vi®t.
• Ñng døng ki¬m soát l²i chính tä.
• Ñng døng trò ch½i.
• các bµ phông chæ · dÕng ði¬m (bitmap fonts), TrueType, PostScript. Ngoài ra còn nhi«u sän ph¦m næa không ti®n k¬ ra ðây. Vì Viet-Std và TriChlor không có tính cách thß½ng mÕi, t¤t cä các công trình nghiên cÑu và sän ph¦m nhu li®u cüa nhóm ð«u ðßþc ph± biªn mi­n phí. Tài li®u v« VISCII và VIQR cûng nhß danh sách nhu li®u công cµng ðã ðßþc nhóm Viet-Std ðúc kªt trong ð£c san [1]. Уc san và nhu li®u có th¬ l¤y mi­n phí b¢ng anonymous ftp · directory tin/VN trên máy ði®n toán Sonygate.Sony.COM. Ho£c có th¬ liên lÕc v¾i
  1. Viet-Std,
     
  2. 
     
  Nhu li®u Vi®t Ngæ tuân theo VISCII ðã và ðang ðßþc lan truy«n rµng rãi trên thª gi¾i nh¶ · tinh th¥n vô vø lþi cüa các thành viên. Chúng tôi hy v÷ng bµ chæ VISCII s¨ tr· thành tiêu chu¦n chính thÑc trong tß½ng lai r¤t g¥n. Trong khi ch¶ ðþi, hy v÷ng bÕn ð÷c s¨ tiªp tay quäng bá bµ chæ VISCII b¢ng cách sØ døng cûng nhß ph± biªn nhu li®u Vi®t ngæ do nhóm TriChlor phát hành. Cä hai nhóm Viet-Std và TriChlor hoan nghênh t¤t cä các chuyên viên ði®n toán tham gia vào công cuµc tiêu chu¦n hóa và phát tri¬n nhu li®u Vi®t Nam.

  Nhóm Nghiên CÑu Tiêu Chu¦n Tiªng Vi®t
  California, Hoa-kÏ, November 1992
  

  Tài li®u tham khäo:

  [1] "Vietnamese Character Encoding Standardization Report: VISCII and VIQR 1.1 Character Encoding Specifications," Уc san song ngæ do nhóm Viet-Std xu¤t bän tháng 9, 1992, California.

  ---