中日韓越統一表意文字

维基百科，自由的百科全书
（重定向自中日韓統一表意文字）
跳转到： 导航, 搜索
「Unihan」重定向至此。關於与Unihan同名的其他主题，詳見「Unihan (消歧义)」。

中日韓統一表意文字（英语：CJK Unified Ideographs），也稱中日韓越統一表意文字（英语：CJKV Unified Ideographs）、統漢字（英语：Unihan），目的是要把分別來自中文、日文、韓文、越文、壮文中，本質相同、形狀一樣或稍異的表意文字（主要為汉字，但也有仿漢字如方塊壯字、日本國字、韓國獨有漢字、越南的喃字）於ISO 10646及Unicode標準內賦予相同編碼。

越南文後來加入此計劃，所以亦有 CJKV（中日韓越統一表意文字）的稱呼。Unicode亦開始收錄越漢字——喃字。

目录

[编辑] 版本

ISO 10646 版本 Unicode 版本 新增 置放平面 字數 累計字數
1993 1.0 中日韓統一表意文字 基本多文種平面（BMP，Basic Multilingual Plane） 20,902 20,914
位於「相容表意文字區」中但實則獨一的漢字（U+FA0E（﨎）、U+FA0F（﨏）、U+FA11（﨑）、U+FA13（﨓）、U+FA14（﨔）、U+FA1F（﨟）、U+FA21（﨡）、U+FA23（﨣）、U+FA24（﨤）、U+FA27（﨧）、U+FA28（﨨）、U+FA29（﨩）[1] 基本多文種平面 12
2000 3.0 中日韓統一表意文字擴展A區 基本多文種平面 6,582 27,496
2001 3.1 中日韓統一表意文字擴展B區 第二辅助平面（SIP，Supplementary Ideographic Plane） 42,711 70,207
2003第一修訂版 4.1 HKSCS-2004中未加入ISO 10646的漢字（U+9FA6－U+9FB3龦龧龨龩龪龫龬龭龮龯龰龱龲龳）和GB 18030-2000中未加入ISO 10646的印刷業常用的偏旁和字形部件（U+9FB4－U+9FBB龴龵龶龷龸龹龺龻） 基本多文種平面 22 70,229
2003第四修訂版 5.1 7個日語漢字（U+9FBC－U+9FC2龼龽龾龿鿀鿁鿂），U+4039䀹 拆分為 U+4039䀹 和 U+9FC3鿃 基本多文種平面 8 70,237
2003第五修訂版 5.2 中日韓統一表意文字擴展C區 第二辅助平面 4,149 74,394
2003第六修訂版 2個日語用漢字（ARIB #47, #95，U+9FC4鿄－U+9FC5鿅）、1個新增漢字（ARIB #93，U+9FC6鿆）、在 HKSCS-2004 推出後新增的 5個香港漢字（U+9FC7－U+9FCB鿇鿈鿉鿊鿋） 基本多文種平面 8
2010 6.0 中日韓統一表意文字擴展D區（2B740..2B81F） 第二輔助平面 222 74,616

[编辑] 歷史

於1990年代初ISO 10646制訂時，來自台灣的代表提出相同形式的中日韓漢字給以統一編碼（Unify，ISO術語稱為「認同」），可以大量節省編碼空間，獲其他代表接納。

[编辑] 字源

[编辑] 最初期統一漢字

unicode范围是：0x4E00--0x9FCF。最初期的統一漢字（20,902字）字源來自以下字集：

以上的來源字集會實施字源分離原則（下詳）。

另外還有：美國國會圖書館之東亞字元編碼（East Asia Character Code，簡稱 EACC；標準號 ANSI Z39.64-1989）[2]、Big5、CCCII第一面、GB 12052-89、JEF、中國電報碼、台灣電報碼、Xerox Chinese 等字集來源。

从Unihan数据库中的数据来看，G3中收入CJK的汉字有4835个，G5中收入CJK的汉字有2841个。G3、G5中除去收入CJK的汉字，余下的有一部分收入CJK-EXTA。

[编辑] 擴展A區

擴展A區包含有6,582個新的漢字，位置在 U+3400—U+4DB5。這6千多個漢字分別從以下字典或字集中取得：

  • 中國大陸地區（中华人民共和国）
    • 《康熙字典》5357字（獨有1892字）
    • 《漢語大字典》5888字（獨有339字）
    • G3：GB 7589-87 繁体版本：2391字
    • G5：GB 7590-87 繁体版本：1226字
    • G7：120字
    • GS：新加坡漢字226字
  • 台灣地區（中華民國）
    • T3：CNS 11643-1992 第三字面（原本為CNS 11643-1986第十四字面）新加入字元
    • T4：CNS 11643-1992 第四字面
    • T5：CNS 11643-1992 第五字面
    • T6：CNS 11643-1992 第六字面
    • T7：CNS 11643-1992 第七字面
    • TF：CNS 11643-1992 第十五字面
  • 日本
    • JA： Unified Japanese IT Vendors Contemporary Ideographs, 1993
  • 韓國
  • 越南

[编辑] 擴展B區

擴展B區包含有42,711個新的漢字，位置在 U+20000—U+2A6D6。根據 IRG N777號文件，這四萬多個漢字分別從以下字典或字集中取得：

這些漢字中重複的漢字有不少，所以經過整理之後，實際總數只有42,711個漢字。

另外，在 U+2F800—U+2FA1D 的位置，放了542個來自台灣的兼容漢字。

[编辑] Unicode 4.1漢字

為使 Unicode 向下兼容 GB 18030 和香港增補字符集（HKSCS）的所有漢字，而擴展C區又遲遲未能出籠，在 Unicode 4.1 版中引進了14個中國香港增補字符集的用字和8個 GB 18030 用字。該22字被編於 U+9FA6—U+9FBB 的位置。

另外，在 U+FA70—U+FAD9 的位置，放了106個來自北韓的兼容漢字。

[编辑] Unicode 5.1漢字

在2008年4月推出的 Unicode 5.1 版本，收錄7個由日本 Adobe 公司遞交的日語漢字（U+9FBC－U+9FC2）[3]，和目字旁加㚒（大字加兩個入字，就如陝西省的陝字換上目字旁）的字 U+9FC3。本來 Unicode 3.0 收錄了目字旁加夾（大字加兩個人字）字的「䀹」（U+4039），目字旁加㚒字的字，與「䀹」無論在意義和發音均不相同，故魏安（Andrew West）和井作恆（John H. Jenkins）申請追加此字[4]。

[编辑] 擴展C區

於2009年10月發布的Unicode 5.2涵蓋了擴展C區，共收錄4,149個漢字，包括來自中國大陸、中國澳門、台灣、日本、越南等尚未被編碼的漢字。位置在 U+2A700—U+2B734。這四千多個漢字分別從以下字典或字集中取得：

[编辑] 擴展D區

擴充區D包含的都是所謂的「急用漢字」，合共222個新漢字，於2010年下旬發布的Unicode 6.0中，編碼範圍為 U+2B740-U+2B81F。

擴展D區原本計劃放置擴展C區未收錄的16,000多個漢字，但在2007年5月，台灣撤消了6,545個第二部份字集內私用漢字，不再使用字，原因是那些人名用字的擁有人或已去世或已移居外地[5]，此後擴展D區縮減到大約10,000字左右。[6]，由於各種阻礙，協議先把數量較少，又急切要收錄的漢字提交出來，就是「急用漢字」，以便和統一碼6.0.0版一起發表。提出的急用漢字只有二百二十二字（本來有二百二十三字，但中國大陸撤回其中一字）。現在文字小組把第二部份字集延後到擴充E區。

擴展D區漢字主要來自：

  • 中國大陸：公安部身份證系統人名和地名用字。
    • G_CH：《辭海》1字
    • G_IDC：公安部身份证用字3字
    • G_IDCX：公安部身份证用字29字
    • G_XC：《现代汉语词典》4字
    • G_ZH：《中华字海》39字
  • 台灣：教育部台语用字
    • TB：CNS 11643-2007 第11平面24字（閩客方言用字）
  • 日本：
    • JH：Hanyo-Denshi Program （汎用電子情報交換環境整備プログラム）108字（日本經濟產業省提出的人名和地名用字）
  • UTC：Unicode technical report #45
    • UTC：19字

[编辑] 擴展E區

擴展E區現正處于研究階段，計劃放置于編碼範圍 U+2B820-U+2F7FF 中。

擴展E區將包含1,277個新越南漢字[7]、被台灣的閩南語和客家話所使用的24個台灣漢字[8] 以及2個中華人民共和國地名用字。[9][10]

[编辑] 字源分離原則

字源分離原則（Source Separation Rule）是整理中日韓統一表意文字的基礎。

由於CJK各地字型多有微妙的差異，如「戶」字的第一筆，台灣作撇「戶」、中國香港及中國作點「户」、日本作橫「戸」，這種程度的差異，理想上是整併為一個字為佳。然而，從之前各種受挫之文字整併計劃的經驗得知，整合字集與現行通用字集（Big5或國標碼）等無法一一對應，是推行整合字集的最大阻礙。

例如，日本的JIS標準同時收錄了「剣」字與「劍」字，原本JIS文件裡這兩個字可以並存，但採用整合字集後反而變成同一個字，會造成使用上的困擾。而且，如果將多個不同地區字形合併會影響閱讀者，令使用者不習慣並非以往所見字形；更有可能引致閱讀者因習慣而書寫不屬於自己地區的字形（或地區性的異體字）、學習錯誤的字形。於是，字源分離原則因而誕生。

而在不同地區而有不同寫法的部首，如「⻌（中）、⻍（港台舊字體）、辶（港台）」、「⺾（新字體）、卝䒑（舊字體）」、「⺥（中）、爫（港台）」等就會交由字體處理，例如使用依中國漢字標準《印刷通用漢字字形表》的字體下（如中易宋體、微軟雅黑體）便會出現「⻌、⺥」；使用港台字體標準字體下（如微軟正黑體，但非舊版細明體[11]）就會出現「辶、爫」等字形。大大解決了因地區而異之部首寫法。

字源分離原則是指，在上述所列出之各種字源裡，若有任何字集同時收了兩種以上的文字字形，則在Unicode中日韓統一表意文字中，也同時收錄這些字。這樣一來，現行的各種原有字集與Unicode漢字可以一一對應。

由於Unicode中日韓統一表意文字的主要訴求，就是能大幅減少Unicode收錄漢字字數，同時尊重各地的習慣字形。但字源分離原則則破壞了「只對字，而不對字形」編碼之原則，亦遭受不少批評。

[编辑] 批評

合併同義字，雖有助減少收錄字數，但在研究學術時，如古籍、歷史及文字研究等，部份文獻確要將字形不同之字同時並列，已合拼各字，變得各有各意思。學者若用Unicode，遇此情況，就要用同碼不同電腦字形，甚至要自行造字，或捨Unicode而用其他編碼。一來尋轉電腦字形不便，二來有損Unicode記錄隻隻字之用意，三來不能以純文本交換。另外亦不能以Unicode準確記錄文獻，原本不同字形之字合拼，原有有別義，轉Unicode而訛誤，不利於文本存於電腦。

另外，同一部件，有分有合，原則不一致。如眞真分而直直合，令人混淆。

不同字形之字合拼後，若檢索方法以字形爲本，會混亂而難以檢索。例如筆劃檢字，艸部之草花頭，日本大陸計三劃，而傳統中文四劃，留有艸形則六劃。Unicode同一字碼，源於字形不同，就有幾種筆劃，檢索混亂。即使檢出字，筆劃與顯示之字亦不符。

文化上，東亞各國用字形有別，用電腦字形亦有別，在日本難以用傳統字之電腦字體，在港臺難以用日本電腦字體，故合拼後，文本要顯示文化差異之字形，則大有困難。


[编辑] 已統一漢字

原則上ISO 10646只對字（Character），而非字形（Glyph）編碼。同一字各地可使用自己的標準寫法。下例中使用HTML標示同一編碼的字在不同地區中的寫法（但只是读者電腦提供的字型，未必代表該地區的標準寫法）。

例子：

Unicode 中文 日文 韓文
中國大陆 台灣 中國香港
U+6E2F 港 港 港 港 港
U+6F22 漢 漢 漢 漢 漢
U+76F4 直 直 直 直 直
U+7A97 窗 窗 窗 窗 窗
U+89D2 角 角 角 角 角
U+8D77 起 起 起 起 起
U+9AA8 骨 骨 骨 骨 骨

註：不是所有網頁瀏覽器均可分辨全部 HTML 的語言代碼（Language Code）並使用不同字形。如非某一地区的使用者看到的字形和当地通用的字形一樣，表示该用户的瀏覽器不能分辨此標籤，或設定兩者以同一種字形顯示。具体情况请参考 Test results: Automatic font assignment for CJK text。

[编辑] 未統一漢字

主条目：未統一漢字列表

有些字只是同一字在不同地區的寫法，理應統一，但因為字源分離原則而只好分開編碼。值得注意的是字源分離原則由“Unicode聯盟決定把不正統的編入位於基本多文種平面的『相容表意文字區』（Compatibility Ideographs）”時起廢棄，原因是CNS中有太多字形非常接近，按 Unicode 標準應該統一的字。這些字只有正統的會編入正式字集（包括擴展A、B、C區）中，不正統的編入位於「第二輔助平面」的「相容表意文字補充區」（Compatibility Ideographs Supplement）中。

例子：

Unicode 字 Unicode 字 Unicode 字
U+4E1F 丟 U+4E22 丢    
U+514C 兌 U+5151 兑    
U+518A 冊 U+518C 册    
U+5433 吳 U+5434 吴 U+5449 呉
U+543F 吿 U+544A 告    
U+5965 奥 U+5967 奧    
U+5968 奨 U+596C 奬 U+734E 獎
U+5986 妆 U+599D 妝    
U+59CD 姍 U+59D7 姗    
U+5C13 尓 U+5C14 尔    
U+5F54 彔 U+5F55 录    
U+6236 戶 U+6237 户 U+6238 戸
U+63FA 揺 U+6416 搖 U+6447 摇
U+66A8 暨 U+66C1 曁    
U+69D8 様 U+6A23 樣    
U+6A2A 横 U+6A6B 橫    
U+6B65 步 U+6B69 歩    
U+7155 煕 U+7199 熙    
U+7D55 絕 U+7D76 絶    
U+7DA0 綠 U+7DD1 緑    
U+9AEA 髪 U+9AEE 髮    
U+9EAA 麪 U+9EAB 麫    
U+9EBC 麼 U+9EBD 麽    
U+9EC3 黃 U+9EC4 黄    
U+9ED1 黑 U+9ED2 黒    

自上表發表後，WG2 亦調查過其他漢字[12]，認為以下屬於基本多文種平面的漢字，亦可考慮收編到 ISO 10646 Annex S3：

[编辑] 擴展B區的問題

擴展B區使用了輔助平面來擺放漢字，以致不少文書處理軟件都不能支援。例如，Microsoft Office 2000 或之前的版本，即使電腦擁有擴展B區漢字字體，也只會顯示兩個方格。

另外，因擴展B區在整理上有缺陷，收錄了以下5個本來應該與其他漢字統一的字[13]：

而在 WG2 N1155[12] 文件中，亦列出了152對可考慮統一的漢字。

[编辑] 注释

  1. ^ 這個十二個字放到兼容區不是因為和其他字同形或為異體，而是因為它們只收錄在廠商用字中，但未有收錄在官方標準（C-、T-、J-、K-Source）中。他們有獨立的形、音、義，即「獨一」（Unique），Unicode 5.0, 第 412 頁 [1]
  2. ^ http://fonts.jp/hanazono/
  3. ^ http://std.dkuug.dk/JTC1/SC2/WG2/docs/n3210.pdf
  4. ^ http://std.dkuug.dk/jtc1/sc2/wg2/docs/n3196.pdf
  5. ^ IRG N 1306: Request to Withdraw 6545 T-Source from CJK D candidate
  6. ^ http://www.cse.cuhk.edu.hk/~irg/irg/irg28/IRGN1319A1_MoveToCJK_D.pdf
  7. ^ http://www.cse.cuhk.edu.hk/~irg/irg/irg28/IRGN1279_CJK_DVietNam.pdf
  8. ^ http://www.cse.cuhk.edu.hk/~irg/irg/irg28/IRGN1305_CJKD_24Char_TCA.pdf
  9. ^ IRGN1324 Submitted To D_China （PDF）
  10. ^ CJK Unified Ideographs: To Infinity and Beyond
  11. ^ 舊版細明體指 Windows XP 或以前版本之新細明體及細明體。
  12. ^ 12.0 12.1 http://www.cse.cuhk.edu.hk/~irg/irg/irg25/IRGN1155_Possible_Duplicates.pdf
  13. ^ http://std.dkuug.dk/JTC1/SC2/wg2/docs/n2644.pdf

[编辑] 參看

[编辑] 外部連結

Unicode 相關的條目
Unicode字符列表 | Unicode聯盟 | Unicode技術委員會 | ISO 10646（通用字符集） | UTF-7 | UTF-8 | UTF-16 / UCS-2 | UTF-32 / UCS-4
Unicode字符平面映射 | 中日韓統一表意文字 | CJKV | 表意文字小組（IRG） | IICore | 完整Unicode編碼表
查 · 論 · 編
早期电信
ISO/IEC 8859
书目使用
国家标准
EUC
ISO/IEC 2022
MacOS codepages ("scripts")
DOS代码页
Windows代码页
EBCDIC代码页
特定平台
Unicode / ISO/IEC 10646
杂项代码页
相关主题
来自“http://zh.wikipedia.org/w/index.php?title=%E4%B8%AD%E6%97%A5%E9%9F%93%E8%B6%8A%E7%B5%B1%E4%B8%80%E8%A1%A8%E6%84%8F%E6%96%87%E5%AD%97&oldid=19079180”
个人工具
名字空间
操作
导航
帮助
工具
其他语言