Unicode补完计划
![本页使用了标题或全文手工转换](http://upload.wikimedia.org/wikipedia/commons/thumb/c/cd/Zh_conversion_icon_m.svg/35px-Zh_conversion_icon_m.svg.png)
Unicode补完计划(Unicode-at-on,简称UAO,官方网站使用的识别系统用字是Unicode补完计画)是台湾电脑用户针对大五码(Big-5)延伸的紊乱、以及微软Code Page 950(Microsoft Windows内建的Big-5转码表)未收录某些常用字(又称缺字问题)以及缺乏对于倚天中文系统、中国海字集延伸中的简体中文、日文假名与日文汉字支持等问题所采取的其中一种解决方案(参看大五码#影响)。透过对Code Page 950的修改,使得原始采用简体中文或日语的内容,在复制至ANSI架构的程序时能转换为Unicode补完计划字集下的对应字符,而不会造成缺字的问题(详细字符请参看字符的来源)。它是一个自由软件。
![](http://upload.wikimedia.org/wikipedia/commons/thumb/1/1f/Unicode_font_support.png/220px-Unicode_font_support.png)
要留意的是“Unicode补完计划”不等于Unicode。当有人说“我已安装Unicode”,通常是将“Unicode补完计划”和Unicode混为一谈。
“Unicode补完计划”也不是用来解决软件显示乱码的问题。电脑内要有相关的字体(例如支持整个Unicode汉字的字体),才能在电脑显示器看到。因为“Unicode补完计划”只包含编码转换表,并不包括字体在内。而有些日语程序装在Windows XP所出现的乱码问题,应使用Microsoft AppLocale等程序去作内部转换。
背景与原理
[编辑]“Unicode补完计划”的原理是把大五码造字区的区位和Unicode的相关字符作双向对应,以达到无须借助外字集、也能使大五码文件或文件名使用原先欠缺的汉字。
由于大五码仅收录13,060个汉字[1],对不少用户而言确实不足够,例如日语假名、人名、香港粤语字、科学用的特殊字等等都欠缺。长久以来解决这种问题的方式都是加装各种外字集,例如樱花输入法(支持日语假名)、中国海字集、香港增补字符集(HKSCS)等。但目前世界的潮流是以使用包含最多字数的Unicode为目标。以外字集收录字符根本难以作为资料交换之用,除非对方也安装了该外字集。
在默认状态下,操作系统字码表中,大五码造字区是和“Unicode造字区”作双向对应的,也就是说当电脑读取到某个原先是落在造字区的内码时,电脑会去读取与其相对应的Unicode造字区字符。结果是,由于不是每人电脑内的Unicode造字区都使用同一造字文件,所以把外字集的用字发送给其他人时,对方若无安装相同的外字集,就不能看到里面的内容。
“Unicode补完计划”试图以修改操作系统字码表的方式以解决问题。它把大五码造字区的字符对应到相关的Unicode编码。与造字不同的是,“Unicode补完计划”让这些字符保持了双向流通性。在补完后的电脑上,当这些字符从大五码转变到Unicode存储后,它们全都会被对应到正确的Unicode位置上,之后即使是对于没有安装补完计划的电脑用户,只要他的系统和程序支持Unicode,在读取这些文字时,就完全没有问题。
作业平台
[编辑]“Unicode补完计划”修改操作系统中的字码表,处理Unicode和非Unicode字码的对应。“Unicode补完计划”首先是在以Unicode架构为核心的微软Windows NT(包括Windows 2000和Windows XP)操作系统上开发,之后又支持了以ANSI架构为核心的Windows 98和Windows Me。
Linux也有另外的用户,开发Linux版的补完计划。
Palm上也有另外的用户,开发对应的补完计划:
Unicode架构的Windows
[编辑]包括Windows 2000、Windows XP、Windows Server 2003,与未来的Windows系列。
修改的文件:
- $SYSDIR\C_950.nls:Unicode与Big-5的对照表
- 如果用户有安装Microsoft AppLocale,安装程序会将$WINDIR\AppPatch\AppLoc.tmp以一个同名的空白只读文件取代。
- 如果用户没有安装Microsoft AppLocale,安装程序会直接产生一个空白的只读文件:$WINDIR\AppPatch\AppLoc.tmp。
ANSI架构的Windows
[编辑]修改的文件:
- $SYSDIR\CP_950.nls:资源管理器显示时使用的转码表
- $SYSDIR\unicode.bin:负责跟文件系统操作相关的转码表(注:把$sysdir\unicode.bin删除并重启后,系统会使用最原始的默认代码页437显示,在这情况下所有存在于文件名中的中文字都会以‘__’显示,这包括大部分的桌面快捷方式和几乎整个‘开始’功能表)
- $SYSDIR\GDI.exe在显示字体时,获取字体的文件(将代码页内码依此档内含之转码表转换成Unicode码,再以此Unicode码到TrueType字体档中提取字体)
注:
- $SYSDIR是代表某路径的一个变量,在Windows XP默认是C:\WINDOWS\system32,在Windows 2000默认是C:\WINNT\system32,在Windows 98和Windows ME默认是C:\WINDOWS\system。
- $WINDIR也是一个路径变量,在Windows 98、Windows ME和Windows XP默认是C:\WINDOWS,Windows 2000默认是C:\WINNT。
字符的来源
[编辑]在“Unicode补完计划”的第2版中,字符的基本来源是引用“中国海字集”,再加上中国海字集所遗漏的简体中文、日语和部分香港用字而成。
“Unicode补完计划”的2.40 Alpha 3版,除了大五码原有的符号和汉字外,共收录了4,916个汉字及汉字偏旁、日语的半角及全角假名、俄语西里尔字母等,涵盖了在GB 2312(不是GBK或GB 18030)、JIS X 0208之中出现的所有汉字,和香港增补字符集之中,Unicode码落在U+4E00至U+9FA5中 (即Unicode 1.1版定义)的汉字。(因编码空间不足的关系,并不收录在香港增补字符集的Unicode扩展汉字)
使用上的问题
[编辑]“Unicode补完计划”原先的立意是避免利用造字,以达成扩展Big-5的目的:但由于Unicode环境尚未成熟、以及用户的误用,“Unicode补完计划”有时反而为用户本身──甚至其他用户──带来其他的麻烦。
网页交换
[编辑]这是“Unicode补完计划”用户可能会影响到其他用户的最大问题。
一般的网页浏览器或电邮客户端,在用户打出非该软件显示画面默认编码(例如写一封用大五码作编码的信件)的字符时,软件会自动把这些字符转换成Unicode引用码,例如“堃”会被自动转换成“堃”;然而在补完后的电脑,由于即使打出的是原非大五码默认的字符,也会被认为是大五码的字符(装了“Unicode补完计划”的系统,在对照字码表后,发现当中有这个字),因此就不会被转换。这也就是说,其他用户不一定能看见该用户所打的字──除非他们也有装“Unicode补完计划”。于是这反而与“Unicode补完计划”的创立宗旨背道而驰:原先避免以外字集解决缺字的“Unicode补完计划”,反而变成另一套外字集。解决方案是,当用户安装“Unicode补完计划”时,会获得一份“HTML外字兼容转换器”(另外也有网络版),可以直接把原本不属于大五码的字符转换为引用码;接下来只要使用这份夹杂着引用码的文件,就能让其他用户也见到这些字符。另一种做法是,像推广樱花输入法一样推广“Unicode补完计划”,使其也变成一种人人使用的非官方标准。然而最终的解决方案是放弃大五码,将网页或信件直接改用Unicode编码。[注 1]
新旧文件名
[编辑]这是原樱花输入法用户会面临的问题。
在未安装“Unicode补完计划”的电脑,当用户使用樱花输入法为文件命名时,存储在电脑内的文件名虽然是Unicode编码,却是在“Unicode造字区”内的字码;而补完后的电脑,由于字码表已被修改,这些文件名称在Unicode架构的程序的查看下,就会变成空白;而对于ANSI架构的程序(例如ACDSee、Winamp等),甚至会变成无法存取的乱码。这就表示甚至连ANSI架构的操作系统(例如整个Windows 98)都无法存取该文件。另外还有一个问题:若电脑是未安装“Unicode补完计划”的ANSI架构操作系统,以上的状况就会刚好相反(以Unicode架构的操作系统则无此问题)。
解决方案:Unicode补完计划内附一个文件名转换程序,可以把造字区文件名和Unicode文件名互换,但仅能在Unicode架构的操作系统下使用;ANSI架构操作系统的用户必须要手动改文件名。另一个比较有效率的作法:如果是双系统的用户,可以直接在Unicode架构的操作系统下使用改文件名程序,让ANSI架构的操作系统使用。
其他问题
[编辑]- Unicode补完计划的编码不兼容于香港增补字符集的编码,两者只能择其一。简单来说,即使Unicode补完计划与香港增补字符集均有某一个字,但因这个字在大五码中的位置不相同,故那个字只能在Unicode的环境下交换,不能直接透过大五码交换。
- Unicode补完计划会使用到用户造字区;也就是说如果用户有自造字,这些字可能会不见。
- PS:如果用户的自有造字放在Unicode补完计划提供的“造字保留区:0xFA40~0xFA63”内的话,则不在此限。
- 有人表示补完计划会让Internet Explorer的自动选择网页编码准确度下降,但是无法证实。
- 在安装补完计划后,Microsoft FrontPage在处理Big5编码网页时会运作不正常(包括:存档会当掉导致文件大小归零内容丢失),但是如果FrontPage是处理Unicode网页,就能正常运作。
- PS:这个问题只有在用户的Windows其“非Unicode程序语系”是“繁体中文”的情况下才会发生。
- 对于不是使用系统字码表的软件──例如Mozilla Firefox等跨平台浏览器或Java软件──补完计划会无效,这些软件需要“个别补完”(例如有些社群版的Firefox,就有将补完后的字码表编译进去)。
- Windows 98的细明体字形(mingliu.ttc)比起Windows Me / 2000 / XP的版本来得旧。旧版字形有不少缺字情况;用户必须在新版Windows中,复制细明体去更新Windows 98的字形文件。
- Windows 98 / Me的用户需要再安装“中国海字集”,才能正常显示纯文本文件。
- 由于Windows XP Service Pack 2改进了系统文件保护的能力,而补完计划需要变更一个系统文件,故当出现一个视窗,询问是否要还原此系统文件时,用户必须选择“不还原”此文件,才能安装成功。
不属于Unicode补完计划但内建其字码表的软件
[编辑]- PieTTY:SSH与Telnet客户端程序。
- OpenPCMan:Telnet客户端程序。
- Firefox 2.0版:网页浏览器。(Big5→Unicode单向使用Unicode补完计划字码表。)[2][3]
相关条目
[编辑]参考文献
[编辑]参考文件
[编辑]- “Unicode补完计划”自述文件(附于安装程序中)
- C_xxx.NLS & CP_xxx.NLS结构解说
- Unicode.bin结构解说
- Windows File Protection: How to disable it on the fly
外部链接
[编辑]- “Unicode补完计划”官方旧站 - 镜像 (页面存档备份,存于互联网档案馆)
- 中文编码网页-台湾Unicode补完计划(按部首排序)-字 (页面存档备份,存于互联网档案馆)
“Unicode补完计划”官方网站- 失联站台补完计划救星[永久失效链接]- 失联站台
备注
[编辑]- ^ 注:但是在原本就只有ANSI的网络环境下──例如Telnet BBS──Unicode补完计划还是只能当外字集用。此时用户可以选择有内建特殊字码表的Telnet程序,如PieTTY,即无须安装“Unicode补完计划”。