\nTrước khi Quizzman Fanqie Engine có thể suy diễn Hán Việt từ phản thiết, một bài toán khó hơn nhiều đã phải được giải quyết: làm thế nào để máy tính hiểu được cách các học giả thời Thanh ghi chú ngữ âm trong Khang Hy Tự Điển? Khác với dữ liệu hiện đại có cấu trúc rõ ràng, các mục từ trong Khang Hy là sự pha trộn của phản thiết, chú âm, nhiều nguồn vận thư, các ký hiệu âm vận và vô số ngoại lệ được ghi bằng văn ngôn. Quá trình xây dựng parser vì vậy không đơn thuần là viết mã nguồn, mà bắt đầu từ việc khảo sát hàng chục nghìn mục từ để tìm ra những quy luật biên tập mà người xưa sử dụng.
Nhiều người nghĩ rằng Khang Hy Tự Điển chỉ là một "database" khổng lồ.
\nThực tế hoàn toàn ngược lại.
\nKhang Hy là một tác phẩm biên soạn theo văn phong học thuật của thế kỷ XVIII.
\nMột mục từ có thể đồng thời chứa:
\nKhông có một định dạng cố định như XML hay JSON.
\nMáy tính không thể đọc trực tiếp.
\nMuốn xây dựng một engine âm vận học, trước hết phải biến những ghi chép này thành dữ liệu có cấu trúc.
\nThay vì viết parser ngay, Quizzman dành nhiều thời gian để khảo sát cách Khang Hy trình bày thông tin.
\nMục tiêu không phải đọc từng chữ.
\nMục tiêu là trả lời:
\n\nNgười biên soạn Khang Hy thường ghi thông tin ngữ âm theo những mẫu nào?
Sau quá trình khảo sát, có thể nhận thấy phần lớn dữ liệu âm đọc đều xoay quanh một số nguồn quen thuộc:
\nTrong đó, Quảng Vận và Tập Vận xuất hiện với tần suất đặc biệt cao và trở thành nguồn dữ liệu quan trọng nhất đối với Fanqie Engine.
\nĐiều này giúp parser biết được đâu là phần cần ưu tiên phân tích, đâu chỉ là chú giải bổ sung.
\nSau khi xác định được vị trí của các mục Quảng Vận và Tập Vận, vấn đề khó hơn mới xuất hiện.
\nPhản thiết trong Khang Hy không chỉ có một dạng.
\nVí dụ đơn giản nhất là:
\nAB切Đây là dạng quen thuộc nhất.
\nParser chỉ cần tách:
\nTuy nhiên trên thực tế còn rất nhiều biến thể khác.
\nVí dụ:
\nAB切某聲AB切又音AB切音某AB切讀若……AB切叶某韻又作……又與某同俗作……Mỗi mẫu mang ý nghĩa học thuật khác nhau.
\nNếu parser coi tất cả đều là phản thiết chuẩn, kết quả suy diễn sẽ sai ngay từ đầu.
\nTrong số các mẫu xuất hiện trong Khang Hy, nhóm khó xử lý nhất là:
\nAB切C聲Thoạt nhìn, nhiều người sẽ nghĩ đây chỉ là:
\nAB切kèm một lời chú thích.
\nThực tế không phải vậy.
\nTrong rất nhiều trường hợp, phần:
\nC聲không phải lời giải thích.
\nNó ghi đè (override) thanh điệu của phản thiết.
\nĐiều này cực kỳ quan trọng.
\nNếu parser chỉ lấy:
\nAB切engine sẽ suy luận theo thanh điệu của hạ tự.
\nTrong khi người biên soạn Khang Hy lại muốn nói:
\n\nVần và thanh mẫu lấy theo phản thiết, nhưng thanh điệu phải đổi sang C聲.
Đây là một trong những quy tắc khó phát hiện nhất khi xây dựng parser.
\nMột trong những trường hợp khiến parser phải được thiết kế lại nhiều lần là chữ:
\n好Nếu chỉ nhìn phản thiết, engine sẽ thu được một hồ sơ Middle Chinese.
\nNhưng trong Khang Hy, mục từ còn kèm theo ghi chú về thanh điệu.
\nĐiều này khiến parser phải hiểu rằng:
\nNếu không xử lý đúng mẫu này, toàn bộ pipeline phía sau sẽ phục dựng sai Middle Chinese.
\nĐây cũng là lý do Quizzman không xem parser là một bộ tách chuỗi ký tự, mà là một bộ phân tích ngữ pháp (grammar parser) dành riêng cho văn bản âm vận học.
\nMột nhóm pattern khác cũng cần được xử lý riêng là:
\n讀若……Đây không phải phản thiết.
\nNgười biên soạn chỉ muốn nói:
\n\nĐọc gần giống chữ...
Điều đó có nghĩa:
\nParser vì vậy phải nhận diện chính xác đây là phonetic hint chứ không phải fanqie record.
\nMột trường hợp khác rất dễ gây nhầm lẫn là:
\n叶某韻hay:
\n協韻Đây là những ghi chú dùng trong thơ ca.
\nMục đích của chúng là:
\n\nĐiều chỉnh cách đọc để hiệp vần.
Điều đó không đồng nghĩa với phát âm chuẩn trong hệ thống âm vị.
\nNếu parser coi đây là cách đọc chính thức, engine sẽ đưa rất nhiều ngoại lệ không đúng vào dữ liệu.
\nDo đó Quizzman tách riêng nhóm rhyme note khỏi nhóm phonological evidence.
\nSau quá trình khảo sát, parser của Quizzman không còn đơn giản là:
\nRegex\n\n↓\n\nFanqieThay vào đó, mỗi đoạn chú giải đều được phân loại trước.
\nVí dụ:
\n| Pattern | Phân loại |
|---|---|
| AB切 | Fanqie chuẩn |
| AB切某聲 | Fanqie + Tone Override |
| 讀若 | Phonetic Hint |
| 叶韻 | Rhyme Annotation |
| 又音 | Alternate Reading |
| 俗音 | Colloquial Reading |
| 古音 | Historical Reading |
Chỉ sau khi biết một đoạn thuộc loại nào, engine mới quyết định cách xử lý.
\nRất nhiều người nghĩ rằng phần khó nhất của Fanqie Engine là thuật toán suy diễn Hán Việt.
\nThực tế, điều đó chỉ đúng một nửa.
\nNếu parser phân loại sai ngay từ đầu, thì:
\nNói cách khác, mọi thuật toán phía sau đều phụ thuộc vào chất lượng của parser.
\nĐó là lý do Quizzman dành rất nhiều thời gian nghiên cứu cấu trúc học thuật của Khang Hy Tự Điển trước khi viết bất kỳ dòng mã nào. Thay vì xem Khang Hy là một văn bản cần "đọc", Quizzman xem đây là một hệ thống quy ước cần được mô hình hóa. Chính quá trình khảo sát pattern, phân loại các dạng phản thiết và nhận diện những trường hợp đặc biệt như AB切某聲, 讀若 hay 叶韻 đã đặt nền móng cho toàn bộ Quizzman Fanqie Engine sau này.
→ Series 2 · Bài 5: Vì sao Quizzman Fanqie Engine không hardcode hơn 50.000 chữ Hán?
","tags":["Chữ Hán","Lập trình","Ngôn ngữ","Phiên thiết","Thuật toán"],"author":"System Legacy","publishedAt":"2026-07-15T08:56:23.369Z","updatedAt":"2026-07-17T02:35:24.080Z","published_at":"2026-07-15T08:56:23.369Z","updated_at":"2026-07-17T02:35:24.080Z","view_count":8,"canonical":"https://wiki.quizzman.com/wiki/tu-khang-hy-tu-dien-den-thuat-toan-parser-quizzman-fanqie","url":"https://wiki.quizzman.com/wiki/tu-khang-hy-tu-dien-den-thuat-toan-parser-quizzman-fanqie","markdownUrl":"https://wiki.quizzman.com/api/articles/tu-khang-hy-tu-dien-den-thuat-toan-parser-quizzman-fanqie.md","apiUrl":"https://wiki.quizzman.com/api/articles/tu-khang-hy-tu-dien-den-thuat-toan-parser-quizzman-fanqie"}