Series 2 · 第 4 篇 — 康熙 Parser。上一篇：王力與 Quizzman Fanqie Engine 的理念：重建音系，而非照搬俗讀
從《康熙字典》到演算法：Quizzman Fanqie Engine Parser 的建構之路
在 Quizzman Fanqie Engine 能夠根據反切推導漢越音之前，首先必須解決一個更困難的問題：如何讓電腦理解《康熙字典》中清代學者的音註方式？ 與現代結構化資料不同，《康熙字典》的字頭混合了反切、注音、多部韻書引用、音韻標記，以及大量以文言文記錄的特殊說明。因此，Parser 的建立並不是單純撰寫程式，而是從研究數萬條字頭開始，找出古人共同遵循的編纂規則。
第一個問題：《康熙字典》不是資料庫
許多人認為，《康熙字典》只是一本龐大的資料庫。
事實恰恰相反。
《康熙字典》是一部十八世紀依照學術傳統編纂而成的辭書。
一個字頭可能同時包含：
- 字義解釋
- 異體字
- 註解
- 多部韻書來源
- 多組反切
- 多種讀音
- 編者評語
它沒有 XML，也沒有 JSON 這樣固定的資料格式。
電腦無法直接理解。
若要建立音韻引擎，第一步就是將這些文獻內容轉換成結構化資料。
第一步：分析整部《康熙字典》的 Pattern
Quizzman 並沒有一開始就撰寫 Parser。
相反地，團隊先花了大量時間研究《康熙字典》的編排方式。
目標不是逐字閱讀，而是回答一個問題：
《康熙字典》的編者通常使用哪些格式記錄語音資訊？
經過大量統計後，可以發現大多數音讀資料都圍繞幾部重要韻書：
- 《廣韻》
- 《集韻》
- 《唐韻》
- 《韻會》
- 《正韻》
其中，《廣韻》與《集韻》的出現頻率最高，也是 Fanqie Engine 最重要的資料來源。
因此，Parser 可以判斷哪些內容應優先分析，哪些只是補充說明。
並不是所有反切都長得一樣
確定資料來源之後，更困難的問題才真正開始。
《康熙字典》的反切並非只有一種形式。
最基本的是：
AB切這也是最典型的反切格式。
Parser 只需拆分：
- 上字
- 下字
然而，實際上還存在許多變體，例如：
AB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……每一種格式都代表不同的學術意義。
如果 Parser 把它們全部當成標準反切，後續推導將立即出錯。
最困難的是辨識 Override
《康熙字典》中最難處理的 Pattern 之一，就是：
AB切某聲乍看之下，很多人會認為：
AB切後面只是附加一句說明。
事實並非如此。
很多情況下，
某聲並不是註解。
它會覆蓋（Override）反切原本的聲調資訊。
這一點極其重要。
如果 Parser 只解析：
AB切Engine 就會依照下字的聲調推導。
但《康熙字典》的真正意思卻是：
聲母與韻母依照反切取得，聲調則改用某聲。
這是 Parser 建構過程中最難發現的重要規則之一。
「好」字就是典型例子
曾讓 Parser 多次重新設計的代表案例，就是：
好如果只分析反切，
Engine 可以得到一份 Middle Chinese 音系資料。
但《康熙字典》同時還附有聲調說明。
因此 Parser 必須理解：
- 反切仍然有效
- 聲調不再完全由反切決定
- 「某聲」屬於聲調覆蓋（Tone Override）
若無法辨識這種 Pattern，後續整個 Middle Chinese Reconstruction 都會產生錯誤。
因此，Quizzman 並不把 Parser 視為字串切割工具，而是專門分析音韻文獻的 Grammar Parser。
「讀若」不是反切
另一類必須獨立處理的 Pattern 是：
讀若……這並不是反切。
它只是表示：
讀音接近某字。
因此：
- 它只是參考性的語音提示
- 不足以建立標準 Middle Chinese Profile
- 不應與《廣韻》反切一起進入 Fanqie Pipeline
Parser 必須辨識：
這是 Phonetic Hint，而不是 Fanqie Record。
「叶韻」並非標準發音
另一個容易混淆的例子是：
叶某韻或：
協韻它們主要出現在詩歌中。
目的只有一個：
為了押韻而調整讀法。
這並不代表該字的標準音。
若 Parser 將它當成正式讀音，Engine 就會引入大量錯誤例外。
因此，Quizzman 將：
Rhyme Note
與：
Phonological Evidence
完全分離處理。
Parser 不只是讀取，更要分類
完成大量 Pattern 研究之後，
Quizzman 的 Parser 已經不再只是：
Regex
↓
Fanqie而是先替每一段註解分類。
例如：
| Pattern | 分類 | |---------|------| | AB切 | 標準 Fanqie | | 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 |
只有完成分類後，
Engine 才知道後續應採用哪一套處理流程。
Parser 決定整個 Engine 的品質
很多人認為，
Fanqie Engine 最困難的是漢越音推導。
其實，只說對了一半。
如果 Parser 一開始分類錯誤，
那麼：
- Middle Chinese Reconstruction 會錯
- Projection 會錯
- Tone Resolver 會錯
- Candidate Ranking 也會錯
換句話說，
整個 Engine 的所有演算法，都建立在 Parser 的正確性之上。
因此，Quizzman 在撰寫任何程式之前，投入大量時間研究《康熙字典》的學術結構。
對 Quizzman 而言，《康熙字典》並不是一本等待「閱讀」的古籍，而是一套需要模型化（Modeling）的編輯規範。
正是透過大量 Pattern 分析、反切分類，以及對 AB切某聲、讀若、叶韻 等特殊格式的辨識，才為後來整個 Quizzman Fanqie Engine 奠定了基礎。