CBETA電子佛典缺字處理──以大正藏為例
《大正藏》第一卷到第八十五卷（《大正藏》一卷即一冊，為了和內文的卷區別，以下用《大正藏》第幾冊代替第幾卷，避免混淆），全部的字數，估計約一億多字，而電腦缺字部分，在目前已經完成的五十六冊經文中，有一萬五千個字左右（不包括悉曇字）（註1）。根據統計，大五碼第一級字有 5,401 個字，第二級字 7,652 個字，共計 13,053 個字（Ken Lunde 著，CJKV Information Processing，頁72）。以目前 CBETA 所收集的一萬五千個左右的《大正藏》電腦缺字，數量超過大五碼字數的 13,053 個。
目前 CBETA 整理《大正藏》缺字情形，從第一冊到第五十冊，所得缺字近六千個；而最後六卷（第五十一冊至第五十五冊及第八十五冊）缺字，有八千多個。
以下簡介CBETA整理這些缺字的流程如下：
一、校對組缺字整理
在校對組整理經文時，以《大正藏》每冊為單位做缺字的收集，收集到的缺字，除了切出缺字圖檔外，並且加以編號，然後把所得到的缺字用組字式等方式表示，提供研發組進一步處理和應用。
而使用組字式整理《大正藏》電腦缺字的方式，優點在於，因為沒有使用造字檔，所以不需要安裝，任何中文系統的電腦，都可以顯示。
校對組就所收集的缺字個別編號、組字，編號形式如 CB00001 ，就是取 CBETA 縮寫字母的前兩個字母 CB ，加上五碼數字組成；對於這樣的編號，我們簡稱「CB碼」。每一組 CB 碼對應一個缺字、一組組字式。組字式的表示方式，就是把字加以增減組合，來敘述某個字的樣子，如[結-吉+且]、[宜-且+子]，就是「組字」這兩個字用組字式表示的形式。
CBETA缺字的組字式，用加減乘除等運算符號來表示，共使用十個符號；這十個符號，其中七個－－「*」、「/」、「@」、「-」、「+」、「(」、「)」，用來表示字的左右上下分合關係。而問號－－「?」，表示某字無法用組字方式表示的部分。另外二個半形符號－－「[」、「]」，表示組字式的起迄。半形符號[ ]中，就是組字關係式裡字的分合關係；第一組七個，加上問號－－「?」，以及第二組兩個，依字的形相，構成一個完整的組字關係式，簡稱組字式。以下表說明：
【符號範例說明表】
| 符號 | 說 明 | 範 例 |
| * | 表橫向連接 | 明＝日*月 |
| / | 表縱向連接 | 音＝立/日 |
| @ | 表包含 | 因＝囗@大 或 閒＝門@月 |
| - | 表去掉某部分 | 青＝請-言 |
| -+ | 若前後配合，表示去掉某部分，而 改以另一部分代替 |
閒＝間-日+月 |
| ? | 表字根特別，尚未找到足以表示者 | 背＝(?*匕)/月 |
| () | 為運算分隔符號 | 繞＝組-且+((土/(土*土))/兀) |
| [] | 為文字分隔符號 | 羅[目*侯]羅母耶輸陀羅比丘尼 |
CBETA組字式所用的字，稱為字根。所以稱為字根，因為不是毫無節制的任意使用，而是有一套標準字的規範，我們就把這一套組字用標準字稱為字根。為求組字方便，目前也採用全形注音ㄆ代表[枚-木]等相似字作字根，未來並不排除用英文字母做為組字用字根的可能。
校對組對缺字的整理，除了CB碼、組字式的編定外，還編定該缺字的嘸蝦米等輸入碼和圖檔。以下為缺字檔案的略表，可以瞭解校對組所提供缺字整理的情況。
二、研發組缺字整理
研發組取得校對組所提供的缺字資料後，作以下三個部分的處理。(1) 加入ACCESS(r)格式的gaiji（缺字）缺字表，(2) 查詢《今昔文字鏡》的字碼（MOJIKYO(r) CODE，簡稱M碼）、UNICODE碼、通用字、注音，並註明出處（初期由校對組負責），(3) 編定缺字的部首、筆畫以及四角號碼。
gaiji缺字表（見圖一），包括：CB碼（cb）、M碼（mojikyo）、Ｕnicode（uni）、組字式（des）、通用字（nor）、註記（note）、部首（rad）、筆畫（str）、字音（zhu）、四角號碼（fc），以及缺字圖檔（見圖二）。
【圖二】網頁格式的缺字圖檔
以下介紹M碼、通用字，並舉例略談CBETA對經文的修訂（因為Unicode可以在《今昔文字鏡》檢索得到，而組字式前面已經略為介紹，註記欄主要登錄查詢缺字的出處，部首、筆畫、字音還沒有完全建置，所以這些都不介紹。至於四角號碼，只作檢索用途，而大部分的人都熟悉，所以也不贅述）。
（一）M碼
日本《今昔文字鏡》光碟九萬多字，以《大漢和辭典》的字作基礎。所謂M碼，除了後來擴充的字外，就是《大漢和辭典》中四萬八千九百零二個字的字碼。如鏡字，《大漢和辭典》的字碼為40812，《文字鏡》的M碼是040812－－《文字鏡》所以比《大漢和辭典》多一碼的原因，可能就是考慮到，缺字的增加會超過十萬筆，因此預作準備的處理方式。
《今昔文字鏡》中的字，以部件一點一畫的方式構字，如下圖所示：
因此檢索方便。而檢索方法，以鏡字為例，除了點、畫外，也可用金、立、日、儿等來搜尋，凡是符合檢索條件的字，都會列出來提供選擇。所以，檢索部件愈齊全，所找到的字愈少，檢索就愈快。如鏡字，用金、立、日、儿等部件一起當搜尋條件時，就只列出鏡字以及鏡字的其他體字型；如果只用金字當搜尋條件，包括鏡字，共出現1,500個字左右，而鏡字位在這些字群的中間位置，所以檢索的速度相對比較慢。例如下圖所示：
（二）通用字
所謂通用字，就是某字的異體字，或某字通用某字的字；使用通用字，在於方便電腦的呈現。如[一/巾]字，現在用匝，《康熙字典通解》記載：「韻會：『通作匝。』《前漢．高祖紀》：『圍宛城三匝。』」（上冊，頁五一八中欄）所以[一/巾]字的通用字就是「匝」。
有關通用字的認定，大部分以字書上所能檢索到的實例，當作認證憑證；字書所沒有的，大部分從缺。在佛典電子化缺字實務中也發現，在為數可觀的缺字中，有一部分的電腦缺字在現代的字書中也沒有收錄的字，就是行書字或草書字，如以氐為偏旁的部分字，氐作[弓/一]。因此，CBETA所收集的缺字中，有一小部分字用草書、行書字體可以加以辨識，而檢出該字的通用字。
以[弓/一]字為例，[弓/一]出現在《大正藏》第三十三冊，一七○七經。《大正藏》[弓/一]字圖樣如下：
[弓/一]字所在的上下行經文，CBETA《大正藏》原始經文簡單標記版（以下簡稱CBETA版）中，作如下表示：
|
T33n1707_p0345a03_##║鬼神樂聞正法由其國中不講經故諸鬼神瞋 T33n1707_p0345a04_##║忿故起七難惱亂國。二十八宿者角亢[弓/一]房 T33n1707_p0345a05_##║心尾箕是東方宿也。斗牛女虛危室壁是北 |
（《大正藏》第三十三冊，一七○七經，頁三四五上欄。上文，T代表《大正藏》，T後面的數字代表《大正藏》冊數，n和後面的數字代表經號，p和後面的數字代表頁碼，而a、b、c和後面的數字代表上、中、下的欄位和行號）
引文說，[弓/一]是二十八宿的東方七宿之一，《大漢和辭典》二十八宿條，東方七宿即「角亢氐房心尾箕」，（卷一，頁四三二第三欄）而上引經文，東方七宿作「角亢[弓/一]房心尾箕」，所以[弓/一]就是氐字。
由[弓/一]就是氐字的發現，聯想推衍從[弓/一]字偏旁的相關字的檢索，在《大正藏》第三十四冊，一七二三經，找到[目*(弓/一)]字。[目*(弓/一)]字在CBETA版的上下相關經文如下：
|
T34n1723_p0854a18_##║炙。二繚繞。今從力小反。角睞者睞音洛代 T34n1723_p0854a19_##║反。玉篇童子不正也。視也。內[目*(弓/一)]也 T34n1723_p0854a20P##║經。說是普賢(至)作禮而去贊曰。品第六段 |
（《大正藏》第三十四冊，一七二三經，頁八五四上欄）
前面已知[弓/一]即氐，所以[目*(弓/一)]就是[目*氐]。[目*氐]，《康熙字典通解》：
《類篇》：「視貌。」《玉篇》：「古文視字。」（中冊，頁一四六二）
《大正藏》[目*(弓/一)]字圖樣如下：
上引經文：「睞音洛代反。《玉篇》︰『童子不正也。』視也。內[目*(弓/一)]也。」按童子即瞳子。《一切經音義》卷十六「[目＊丐]睞」條睞字下：「《蒼頡篇》云：『童子不正，內視也，從目來聲。』」是經文的「內[目*(弓/一)]」，就是《蒼頡篇》的「內視」，也就是[目*(弓/一)]即視，即[目*氐]，因此[目*(弓/一)]的通用字就是視，所以CBETA《大正藏》普及版的[目*(弓/一)]字就用「視」字來代替。例如：
|
T34n1723_p0854a18║炙。二繚繞。今從力小反。角睞者睞音洛代 T34n1723_p0854a19║反。玉篇童子不正也。視也。內視也 T34n1723_p0854a20║經。說是普賢(至)作禮而去贊曰。品第六段 |
從上面二例可以知道，從氐的偏旁，都可能用[弓/一]這個行書體偏旁來呈現，因此低可能作[(仁-二)*(弓/一)]，底也可能作[(序-予)@(弓/一)]；檢《佛教古文書字典》（川澄勳編，山喜房佛書林，一九八二年一月十日發行），底字不作[(序-予)@(弓/一)]，但低字正作[(仁-二)*(弓/一)]（頁二一一），[(仁-二)*(弓/一)]字圖樣如下：
像氐字作[弓/一]的情形，《大正藏》中，所在多有。原因是中國文字從傳說中的倉頡造字，而金文、甲骨文、大篆、小篆，到隸書的定型，又孳衍出楷書、行書、草書，因為使用文字的地區遼闊，南北地域又不同，加上經過千年的傳抄，各種字體互相雜用，以及通假等情形，雖然各體具備，文字表現豐富而精采，但是所產生的缺筆、訛字、俗寫等問題，也大量湧現。《大正藏》氐字作[弓/一]，而[目*氐]字作[目*(弓/一)]，就是字體互相雜用的結果。
（三）修訂
在處理電腦缺字的過程中，有時必須對文字加以校勘，以彌補處理缺字的不足。如《大正藏》第三十三冊，一七一四經－－《般若波羅蜜多心經註解》作者，書前目錄作宗[泳-永+防]如[王*巳])同註，但內文宗[泳-永+防]作宗泐：
般若波羅蜜多心經註解
唐三藏法師玄奘奉 詔譯
大明天界善世禪寺住持臣僧宗泐 演福講寺住持臣僧如[王*巳] 奉詔同註
（頁五六九中欄）
經註所記載的作者，目錄和內文不同，或作宗[泳-永+防]、或作宗泐，[泳-永+防]、泐形近，一從方、一從力。《明史》志第七十四＜釋家類＞：
宗泐《心經注》一卷
（鼎文版，卷九十八，頁二四五三）
對於宗泐，《釋鑑稽古略續集》二說：
|
全室禪師，諱宗泐，字季潭，號全室，台之臨海人，族姓周，父吉甫，母葛氏。幼輒跏趺坐，八歲從笑隱訢公學法，十四剃度，二十受具。訢公開山龍翔，師與俱。寄意詞章，尤精[隸-木+士]古。後謁元叟於徑山掌記室，出世水西，遷中竺升雙徑，次五十五代。詔師與演福法師大璞[王*已]公，箋釋《心經》、《金剛》、《楞伽》三經，點簡藏經，制獻佛樂章，往西域求法。 （《大正藏》第四十九冊，二○三八經，頁九三七上欄） |
這裡說宗泐和演福法師大璞[王*已]公，箋釋《心經》、《金剛》、《楞伽》三經。關於宗泐和演福法師大璞[王*已]箋釋《心經》、《金剛》、《楞伽》三經，是據《釋鑑稽古略續集》二：
|
丁巳洪武十年，詔天下沙門講《心經》、《金剛》、《楞伽》，命宗泐、如[王*已]等註釋頒行。御制演佛寺住持[王*已]太璞字。 （《大正藏》第四十九冊，二○三八經，頁九二八下欄） |
據《明史》和《釋鑑稽古略續集》載，宗泐所注《心經》，就是《般若波羅蜜多心經註解》，而兩書－－《般若波羅蜜多心經註解》和《釋鑑稽古略續集》記載，作者名都作宗泐，那麼《大正藏》目錄作宗[泳-永+防]，是形近而誤。所以，CBETA《大正藏》目錄，《波羅蜜多心經註解》的作者名，據《明史》和《釋鑑稽古略續集》，從內文作宗泐。
另外，和宗泐同註《般若波羅蜜多心經註解》的作者，如[王*巳]，字從王從巳，《卍正藏經》同（新文豐版，第六十八冊，頁一七四下欄）；《大正藏》第四十九冊，頁九二八和頁九三七，則從王從已，《卍續藏經》同（中國佛教會版，第一三三冊，頁百二十上欄）；而《二十五種藏經目錄對照考釋》，如[王*己]，[王*己]字則作從王從己。
檢索《大正藏》己、已、巳三字，多有雜用情形。《大正藏》己、已、巳雜用情形如下：
大周長壽二年，歲次癸巳，九月丁亥、三月巳丑，佛授記寺譯。
（第十六冊，六六○經，頁二九二上欄）
以第十一主，恭帝元熙元年，歲次巳未。
（第三十九冊，一八○一經，頁九四八中欄）
「大周長壽二年，歲次癸巳，九月丁亥、三月巳丑」，巳丑應作己丑；歲次巳未，應作己未——這是巳、己混用實例。
復次，須菩提！菩薩不著已類而行布施。
（第八冊，二三七經，頁七六二中欄）
自觀已身地水火風空識分分不淨。
（同上，二四五經，頁八三一中欄）
「菩薩不著已類而行布施」，已類應作己類；「自觀已身」，已身應作己身－－這是已、己混用實例。
《大正藏》己、已、巳雜用情形實例如上，而從己偏旁和從已、從巳偏旁的情形，如《大正藏》第三十三冊：「四大如牆壁，皆為無常所壞，故言[土*已]坼也。」（一七一五經，頁六二五下欄）[土*已]，從土從已，字書沒有收錄。而「[土*已]坼」義，經文說「四大如牆壁，皆為無常所壞」，是壞義。查圮，從土從己，《說文》：「毀也。」（《說文解字注》，頁六九七下，蘭臺出版社，民國六十年十月再版）正與上文義合，所以[土*已]修訂作圮，CBETA修訂標記作[[土*已]>圮]。《大正藏》前五十冊共六十八處作[土*已]，都作修訂，不殫舉。
關於[王*已]字，《大正藏》第五十二冊，二一○六經：
|
東晉周[王*已]，字宣佩，義興陽羨人，晉平西將軍處之第二子也，位至吳興太守。 （頁四一六中欄） |
「東晉周[王*已]，字宣佩，義興陽羨人」，周[王*已]，就是除三害的周處的兒子。《晉書》列傳第二十八，＜周處傳＞說：
|
周處，字子隱，義興陽羨人。（中略）有三子：[王*己]、靖、札。（中略）[王*己]字宣佩。 （鼎文版，卷五十八，頁一五六九－一五七二） |
是周[王*已]，實即周[王*己]之誤，從己誤作從已；則「如[王*已]」，應該就是「如[王*己]」，字從己非從已、也不從巳。《釋鑑稽古略續集》載宗泐、如[王*已]作《心經》、《金剛》、《楞伽》註釋後說：
|
《御制演佛寺住持[王*已]太璞字說》、《御制字說》，僧多捨俗，惟立字為名何也？以其法殊人主之教故也。邇來有僧，用三字為名，《曰[王*已]》、《曰太》、《曰璞》。且[王*已]，玉之至精者也；太，無上之巨也；璞，實而不虛，混而未鑿。斯三字之用，果如是乎？若是，則仁者體之，又何為而不可哉！今僧用斯三字，理道深長、機根淺露者，莫可探其趣；若遇良工，必由雕琢而方見其形也。昔如來璞太虛，混厚坤故，發問於未判，孰雕琢而使澄清，列無量之象於穹壤，七曜運行其間，布海嶽於鴻龐，百川東注。此由大樸而至穹窿，果理之使然，氣質之變焉？吾聞混沌靜久，今僧捨俗認璞，必釋教之然哉！ |
「且[王*已]，玉之至精者也」，查[王*已]字，《說文》無[王*已]、[王*巳]二字，《廣韻》也沒有[王*已]、[王*巳]二字，但有[王*己]字，是一種「佩玉」（黎明版，頁二五三第四欄）。因從《晉書》周[王*己]，[王*己]字從己，以及《大正藏》己、已、巳雜用，並字書有[王*己]字而沒有[王*已]、[王*巳]二字綜合考查，《大正藏》《般若波羅蜜多心經註解》的作者如[王*己]，[王*己]字從己不從已、巳。因此[王*已]、[王*巳]二字修訂後作[王*己]，形式如[[王*已]>[王*己]]、[[王*巳]>[王*己]]。CBETA版作以下表示：
|
T33n1714_p0569b17J##║般若波羅蜜多心經註解 T33n1714_p0569b18_##║ T33n1714_p0569b19Y##║唐三藏法師玄奘奉 詔譯 T33n1714_p0569b20A##║大明天界善世禪寺 T33n1714_p0569b21_##║住持(臣)僧(宗泐) T33n1714_p0569b22_##║演福講寺 T33n1714_p0569b23_##║住持(臣)僧(如[[王*巳]>[王*己]])奉詔同註 |
又如《大正藏》第四十八冊，二○○一、二○○三、二○○六經「陜府鐵牛」五條（CBETA版）：
|
T48n2001_p0043b21║象陜府鐵牛。莫怪扶桑最先照。大都家住海 T48n2003_p0177a26║ 流(不是這一喝截卻爾舌頭。咄。驚走陜府鐵牛。嚇殺嘉州大象) T48n2006_p0305b01║大像[陜>陝]府鐵牛。當甚破草鞋。少賣弄。兩肩 T48n2006_p0306a23║智(黑山鬼窟)孰能總同參(燈籠入露柱)那箇同大事(嘉州大像陜府 T48n2006_p0306a24║鐵牛)何物同一質([夗/皿]脫丘) T48n2006_p0307b22║如何是學人轉身句。汾云。陜府灌銕牛 |
查一般字書，沒有「陜府鐵牛」條。檢索《佛光大辭典》「鐵牛」條：
|
河南陝府城外有大鐵牛，傳說是禹王為防黃河泛濫所鑄，為黃河之守護神。禪宗「鐵牛之機」一語，即謂其「體」不動、「用」無應鯵而自在之大機用；又用來形容無相之佛心印。《碧巖錄》第三十八則（大四八•一七五下）：「祖師心印，狀似鐵牛之機。」 （第七冊，頁六八七七） |
而上面引文第五條：「如何是學人轉身句？汾云︰『陜府灌銕牛。』」《佛光大辭典》「汾陽三句」條：
|
即宋代臨濟宗汾陽善昭禪師接引學人時所立之三語句。即：(一)著力句，謂學人之力量須具備可成就宛如嘉州彌勒大石像之大根機。(二)轉身句，謂學人以其機用，固守本分，縱然雙足立地，牢不可破之陝府鐵牛亦無法比擬。(三)親切句，謂學人契入佛法時，疾速而緊密，猶如獅子張口齧咬獵物，其勢速疾而緊密相契。〔人天眼目卷二〕 （第三冊，頁二九八一） |
經文「轉身句」下作「陜府灌銕牛」，銕牛即鐵牛；而《佛光大辭典》引＜人天眼目＞卷二則作「陝府鐵牛」。是「陜府灌銕牛」即「陝府鐵牛」。按，檢二十五史《宋史》，有「陝府」條而無「陜府」。《宋史．李昉傳》：
|
初，議罷天下職田及公使錢，昭遘以為不可。三司使姚仲孫惡其異己，請詰所以興利之實，昭遘爭不屈，遂罷判官，為白波發運使。因入奏事，仁宗謂曰：「前所論罷職田等事，卿言是也。」遷直史館、知陝州。諫官歐陽脩言：「陝府，關中要地，昭遘無治劇材，不宜遣。」改判三司理欠司，徙度支判官。（鼎文版，卷二六五，頁九一四五） |
上文說昭遘因為反對罷天下職田和公使錢的事，宋仁宗要把昭遘遷直史館並知陝州，因歐陽脩的反對而作罷。其中歐陽脩所說的「陝府」，顯然就是宋仁宗說的「陝州」，而兩「陝」字都從入，和從人字的「陜」字形近。是陜、陝，一從人，一從入，形近而誤。所以CBETA版「陜府鐵牛」修訂後作「陝府鐵牛」，形式如下：
|
T48n2001_p0043b21║象[陜>陝]府鐵牛。莫怪扶桑最先照。大都家住海 T48n2003_p0177a26║ 流(不是這一喝截卻爾舌頭。咄。驚走[陜>陝]府鐵牛。嚇殺嘉州大象) T48n2006_p0305b01║大像[陜>陝]府鐵牛。當甚破草鞋。[51]少賣弄。[52]兩肩 T48n2006_p0306a23║智(黑山鬼窟)孰能總同參(燈籠入露柱)那箇同大事(嘉州大像[陜>陝]府 T48n2006_p0306a24║鐵牛)何物同一質([夗/皿]脫丘) T48n2006_p0307b22║如何是學人轉身[＊]句。[＊]汾云。[陜>陝]府[34]灌銕牛 |
三、結語
CBETA對缺字的整理，目前還只是資料性的匯集；就資料性的匯集方面，一開始就立下規範，如「大正藏缺字圖檔」、「基本通用字形」、「一般組合字字典部首規範」、「一般組字式基本規則」、「缺字資料庫」等。而CBETA「缺字資料庫」除了收集《大正藏》的缺字外，另編定輸入法，並作各字檢索字書的資訊，為日後進一步處理缺字預作準備。
這種預作準備，目標是把所收集的缺字加以考證，完成CBETA「大正藏缺字檢索資料庫」，務使字字「字有例、例有考、考有證」，字義清楚，方便使用者利用本資訊庫。
【附註】
| 註1： | 詳參杜正民先生＜佛教藏經的文字問題與解決方案＞一文（載於：CBETA第二十一-二十三期電子報 < http://www.cbeta.org/data/news/index.htm >）。 |