形の似た漢字の測り方

三つの尺度

組は三つのスコアによります。二つはLars Yenckenのkanji confusionデータにある尺度で、どちらも2010年より前の常用漢字1,945字を互いに比べ、各字に近い十字を残しています。三つ目はこのパッケージが作ったもので、彼の尺度が届かなかった字のためのものです。

• **画（strokes）**は、一方をもう一方に変えるのに、画の編集がどれだけ少なくて済むかを表します。田と由、土と士のように、一画違いで、辞書が挙げるような共通の部品を持たない組を見つけます。
• **部品（parts）**は、YehとLiの部首による尺度で、二字がどれだけ部品を共有するかです。読と続、暑と署を見つけます。
• **形（shape）**は、KanjiVG（CC BY-SA 3.0）の筆画のデータからscripts/build-shapes.mjsで作ったものです。画の尺度と同じ考え方で、各字を書き順どおりの画の並びとし、各画を線上の八つの点で表します。二字を画ごとに並べ、合う画は、点が相手の画からどれだけ離れているかを費用（最大1）とし、相手のない画の費用は1です。スコアは、この費用が長いほうの字の画数に占める割合を100から引いたものです。各字は近い十字を残し、どちらかの十字に入っていれば組を残します。

スコアの意味

スコアは100点満点で、判断ではなく距離です。ここでは整数に丸め、三つのうち一番高いものを組のscoreにしています。

このパッケージは、画で60以上、または部品で70以上の組を残しています。7,211組です。lookAlikesは、指定がなければ70以上を最大六つ返します。2026年10月31日に元のファイルで数えると、画の尺度では70以上が1,842組、60以上が6,457組でした。60まで下げると、多くの字で注意を促すというより一覧になってしまい、誰も間違えない組も混ざります。一方で千と干のような紛らわしい組も入るので、どこで切るかは呼び出す側の判断です。

形のスコアは、その二つが残さなかった組（2,882組）だけに付けています。Yenckenの組のshapeは、見た目にかかわらず0です。形で75以上の組を残し、Yenckenが測っていない字を含む組は70以上、測っていない字でまだ組のないものは、一番近い一組を62以上で残します。2010年に加わった字のほとんどに、注意できる相手があるようにするためです。形の尺度はYenckenのものより粗く、位置の違う画は別の画とみなし、部品のことは知らないので、部品が動いた字は見つかりません。加わるのは、同じ位置で一画や一つの部品が違う組で、己と巳、崎と埼などです。

拾えないもの

• 近い字がない字: 2010年に加わった196字のうち9字（臼、瓦、乞、嫉、遡、遜、溺、藤、鬱）と、名前用の858字のうち64字には組がありません。各字は近い十字しか残さないからです。
• Yenckenが測った二字で、どちらの尺度も形のスコアも上位に入れなかった組。すべての行を公開されたファイルまでたどれるよう、手では一組も加えていません。
• スコアは食い違うことがあります。 ここでの0は「順位に入らなかった」という意味で、「似ていない」という意味ではありません。

ですから、lookAlikesが何も返さなくても、その字に似た字がないとは言えません。