使用 CNS 11643 全字庫字形屬性資料輔助修改倉頡字根定義
CNS 11643 中文標準交換碼又稱全字庫，
是台灣政府訂定的中文字集，其有自己的字型與編碼，
編碼也與後來發展的 unicode 不同。
全字庫有釋出字形屬性資料，也就是一個漢字由哪些部件組成的資料。
在修改倉頡字根時，可以據此找出哪些字含有哪些部件，
如找出所有帶有 羽 的中文字，並修改其編碼。
重定義倉頡字根
倉頡中的 羽 是拆成 尸一尸戈一 。
如果是完整的拆解，應該是 尸戈一尸戈一 ，
但因為字根省略規則，字首只取首尾二碼，字身則全取，
所以變成 尸一尸戈一 。
在倉頡中某些二點的字形可以拆成 卜 ，
例如 斗 可以拆成 卜十 ，
但看來倉頡三代中 羽 的二點不在這個範圍內。
由於省略規則，羽在擔任字首、次字首、第三個字身等時候，
會被拆成 尸一 尸一一 等我覺得很奇怪的拆法，
對此我很不滿；我認為應該要拆成 尸卜 才對。
自定義輸入法對照表
某些輸入法允許使用者自行定義編碼，
可以讓使用者自己客制化輸入哪些字根會輸出哪些字。
如果用倉頡這種拆字輸入法，就可以自己修改哪些字根可以出哪些字。
例如我可以把 栩 從 木尸一一 改成 木尸卜卜 ；
或是直接依據其它東西，像把 貓 定義成 金日廿 ，
因為這三個字剛好是 cat 的對應按鍵。
相對於注音，不知道為什麼很少這樣做。 可能因為注音的重碼率太高，多半得搭配智慧選字， 所以輸入法引擎會對注音輸入做很多黑魔法， 不是簡單一張字根對照表能解決的。 拆字的輸入法都是直接出字，少數情況才要選字。
關於表格的格式，很久以前台灣的輸入法界還很繁榮的時候， 弄出了一個副檔名 cin 的格式，讓各輸入法引擎能匯入各種輸入法。 我知道至少 open vanilla、奇摩輸入法、gcin 都是這個格式。 雖然各引撆可能會有自定義的選項。 這種格式的來源，可能是中文 linux 發行版 CLE 中的 xcin 輸入法。 後來的 open vanilla 、 xim 、 jscin， 都有 cin 格式的說明文件。
網路上可以找到一些輸入法的 cin 表格，
我自己也有做一份 supcj.cin 供個人使用。
格式就是用 % 定義特殊指令，
字根與字的對應則是用空格分隔，一行一組。
以 gcin 來說，就是用 gcin2tab，
把 cin 檔案轉成 gcin 使用的 gtab 檔，
然後丟到 /usr/share/gcin/table/ ，
再在 gtab.list 裡加入檔名就可以了。
所以如果想加字，例如讓 cat 對應成貓，
就在 supcj.cin 中加入這行：
cat 貓 ，再重新產生表格即可。
在 windows xp 也有一個工具叫通用輸入法編輯工具， 可以讓使用者以文字格式匯入表格，然後產生輸入法。 不過在 windows 8 後架構改變， 這個工具產生的輸入法在一些新版程式不能動，也不再內建這個工具。 （ 所以很多人從 xp 把輸入法編輯工具的 exe 檔複製過去。 ）
所以，當時較通用格式有二種， windows 的通用輸入法編輯工具的格式，和 cin 的格式。 不過後來不在這個時空背景下的輸入法， 也就是 2000 年左右的台灣，就會定義自己的格式， 例如中國開發的 scim，非中文國家的 ibus， 或是完全生在新時代的 pime。
不過說是重新定義，反正也是大同小異， 像 scim 就是改用 tab 來分隔字根和字， 用等號定義參數，註解要用三個井號。 以會寫程式的來說，要修改都不是什麼難事， pime 雖然改用 json 來當表格， 但也提供了一個轉換程式把 cin 轉換過去。
人力找出含有特定字根的字
要重定義羽和弱的編碼，首先就要找出所有帶該字形的字，
但單純從倉頡的對應來看其實不太準。
如第一節所述，因為倉頡的省略規則，
同一個部件羽，可能是尸一、尸一一、尸一尸戈一，
甚至如果羽是最後一個字身，又有超過三個字首，那羽就會被編為 一 。
同樣的，如果編碼中含有尸一，也不一定代表該字含有羽，
例如 刁 這個字也可以拆成 尸一 。
一開始我想那就找出所有帶有尸一的字再人力過濾， 反正應該不會太多。 結果蠻多的，如果把罕用字都算進來的話大約有 1000 個字。 後來去掉 unicode cjk 擴展平面 A B C D， 就大概少了一半，但還是有大約一半是誤判不含羽的字。 自己肉眼判斷，但後來發現誤判率超高， 我挑剩字裡大概還有一成是漏挑的。
後來想想這樣不行，何況還有漏挑的； 剛好看到 gcin 論壇 有人分享了 cns 中文標準交換碼的開放政府資料 ， 含有每個字由哪些部件組成的資料， 於是就拿來用了。
使用全字庫漢字部件屬性資料篩選字根
全字庫的開放資料我是在上面 論壇裡提供的 data.gov 連結 下載的。 下載 zip 解壓縮後，會用到的有 MapingTable/Unicode Properties 二個資料夾。
例如我們要找羽這個部件，首先因為全字庫有自己的編碼，
要找出羽的全字庫編碼。
想偷懶可以去 全字庫網站查 ；
不然就是 echo -n 羽 | iconv -t UTF-32BE | xxd -p ，
然後用 unicode 碼在 MapingTable/CNS2UNICODE_Unicode BMP.txt 裡查。
例如羽 unicode 是 7FBD，
就 grep 7FBD MapingTables/Unicode/CNS2UNICODE_Unicode* ，
可以查到羽的全字庫編碼是 1-4851。
MapingTables/Unicode/CNS2UNICODE_Unicode*
的格式即是用 tab 分隔，第一欄是全字庫編碼，
第二欄是 unicode 編碼。
其中 BMP 是對應到 unicode 的基本平面，2 15 則是第 2 和 15。
然後用 1-4851 去 Properties/CNS_component.txt 裡查：
grep 1-4851 Properties/CNS_component.txt ，
可以找到羽是由 415 這個單獨部件組成的；
所以可以判斷羽在全字庫中是視為一個部件存在。
接著就找出所有帶用 415 這個部件的字：
awk '($2 ~ 415) {print "^" $1}' Properties/CNS_component.txt > 415.txt ，
然後把查出來的全字庫編碼對應回 unicode：
grep -f 415.txt 'MappingTables/Unicode/CNS2UNICODE_Unicode BMP.txt' > u.txt ，
最後再把 unicode 編碼轉回 utf8：
awk '{print $2, "000a"}' u.txt | xxd -p -r | iconv -f UTF-16BE 。
Properties/CNS_component.txt 的格式一樣是 tab 分隔，
第一欄全字庫編碼，第二欄是用逗號分隔的部件列表，
部件是用十進位數字表示。
想知道哪個數字是哪個部件，
可以在 Properties/CNS_component_word.zip 裡的圖片看；
在 zip 裡放 zip，政府單位不意外。
或是也可以直接看那個字長什麼樣子去判斷，
或找只含有那個部件的字。
如果要找 2 15 平面的話，因為前面的指令， 是利用 utf 16 如果一個字可以用 2 byte 表示，就可以直接用 2 byte 表示。 所以才能直接轉成二進位再轉到 utf 16。 另外要指定 be 是要讓位元組順序不要反過來，不然 7FBD 會變成 BD7F。 如果 2 15 平面則會超過 2 byte，可以改成用 utf 32， 但要在前面補 0 補到八個 16 進位數字，也就是 4 byte。 2 15 平面的字幾乎用不到，而且量還不少，所以我就沒有處理。 如果要處理的話指令如下：
awk '($2 ~ 415) {print "^" $1}' Properties/CNS_component.txt |
grep -h -f - MapingTables/Unicode/CNS2UNICODE_Unicode\ [12]* |
awk '{printf "000%s0000000a", $2}' |
xxd -p -r | iconv -f UTF-32BE
這樣找出來的字都可以確定有羽這個部件，也可以確定沒有漏。 關於弱就少很多，就算把 2 15 都算進去，也不到 200 個。
修改倉頡編碼
再來就是要把編碼修正。
由於字首字身的省略規則不一樣，所以只能一個個看。
我認為比較快的做法是，挑出所有的 一 字根，
然後標記其中不需要被取代為 卜 的，其它就全部取代。
我的做法是用 vi 搜尋 一 字根對應的 m 字母，
如果 m 不是屬於該字中的羽的一部份，
就用 vi 的 r. 指令把 m 取代為 z （倉頡中幾乎用不到 z），
然後按 n 搜尋下一個 m，
下一個開始就可以把 r. 簡化成 . ，直接重複上一個動作。
最後再用 sed 's/m/y/g; s/z/m/g' 把所有 一 改成 卜 把 z 改回 一 。