• 字体
  • 字体家族
  • 字体公司
  • 字体设计师
  • 字体样张
  • 资讯
  • 视频
字客网>资讯>详情

中日韩统一表意文字

时间:2007-01-23 07:42:59| 术语|浏览:406|作者:fontke
导语中日韩统一表意文字(英语:CJK Unified Ideographs),也称统汉字(Unihan),目的是要把分别来自中文、日文、韩文、越文中,本质相同、形状一样或稍异的表意文字(主要为汉字,但也有仿汉字如方块壮字、日本国字、韩国独有汉字、越南的喃

中日韩统一表意文字(英语:CJK Unified Ideographs),也称统汉字(Unihan),目的是要把分别来自中文、日文、韩文、越文中,本质相同、形状一样或稍异的表意文字(主要为汉字,但也有仿汉字如方块壮字、日本国字、韩国独有汉字、越南的喃字)于ISO 10646及Unicode标准内赋予相同编码。

越南文后来加入此计划,所以亦有 CJKV (中日韩越统一表意文字)的称呼。Unicode亦开始收录越汉字——喃字。

版本

ISO 10646 版本

Unicode 版本

新增

置放平面

字数

累计字数

1993

1.0

中日韩统一表意文字

基本多文种平面(BMP, Basic Multilingual Plane)

20,902

20,914

位于“相容表意文字区”中但实则独一的汉字(U+FA0E, U+FA0F, U+FA11, U+FA13,

U+FA14, U+FA1F, U+FA21, U+FA23, U+FA24, U+FA27, U+FA28 及 U+FA29)

基本多文种平面

12

2000

3.0

中日韩统一表意文字扩展A区

基本多文种平面

6,582

27,496

2001

3.1

中日韩统一表意文字扩展B区

第二辅助平面(SIP, Supplementary Ideographic Plane)

42,711

70,207

2003第一修订版

4.1

HKSCS-2004 和 GB 18030-2000 中仍未加入 ISO 10646 的汉字(分别为 U+9FA6-U+9FB3, U+9FB4-U+9FBB)

基本多文种平面

22

70,229

2003第四修订版

5.1

7个日语汉字(U+9FBC-U+9FC2),U+4039 拆分为 U+4039 和 U+9FC3

基本多文种平面

8

70,237

2003第五修订版[2](预计)

5.2(预计)

中日韩统一表意文字扩展C区

第二辅助平面(预计)

4,149

74,388

2个日语用汉字(U+9FC4-U+9FC5)(预计)

基本多文种平面(预计)

2

历史

于1990年代初ISO 10646制订时,来自台湾的代表提出相同形式的中日韩汉字给以统一编码(Unify, ISO术语称为认同),可以大量节省编码空间,获其他代表接纳。

最初期统一汉字

最初期的统一汉字(20,902字)字源来自以下字集:

  • 中国大陆的G源

    • G0:GB 2312-80:6,763字
    • G1:GB 12345-90:2,352字(含58个香港字和92个吏读字,不包括和GB 2312重复的字)
    • G3:GB 7589-87 繁体字:7,237字
    • G5:GB 7590-87 繁体字:7,039字
    • G7:现代汉语通用字表:642(G0, 1, 3, 5, 8未包括的字)
    • G8:GB 8565-89:290字(G0, 1, 3, 5未包括的字)
  • 台湾的T源

    • T1:CNS 11643-1986 第一字面:5,401+9字(含9个计量用汉字)
    • T2:CNS 11643-1986 第二字面:7,650字
    • TE:CNS 11643-1986 第十四字面:6,319+239+10(含239个CCCII特字和10个XCCS特字
  • 日本的J源

    • J0:JIS X 0208-90:6,335+1字
    • J1:JIS X 0212-90:5,801字
  • 韩国的K源

    • K0:KS C 5601-87:4,888字(含268个重见字)
    • K1:KS C 5657-91:2,856字

以上的来源字集会实施字源分离原则。

另外还有:EACC的ANSI Z39.64-1989、Big5、CCCII第一面、GB 12052-89、JEF、中国大陆电报码、台湾电报码、Xerox Chinese等字集来源。

扩展A区

扩展A区包含有6,582个新的汉字,位置在 U+3400—U+4DB5。这6千多个汉字分别从以下字典或字集中取得:

  • 中国大陆

    • GE:GB 16500-95
    • GS:新加坡汉字
  • 台湾

    • T3:CNS 11643-1992 第三字面(原本为CNS 11643-1986第十四字面)新加入字符
    • 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
  • 韩国

    • K2:PKS C 5700-1:1994
    • K3:PKS C 5700-2:1994
  • 越南

    • V0:TCVN 5773:1993
    • V1:TCVN 6056:1995

扩展B区

扩展B区包含有42,711个新的汉字,位置在 U+20000—U+2A6D6。根据IRG N777号文件,这四万多个汉字分别从以下字典或字集中取得:

  • 《康熙字典》中出现的18,486个未收录汉字(包括一个在补遗篇出现的汉字);
  • 《汉语大字典》中出现的28,914个未收录汉字;
  • 《辞源》中出现的66个未收录汉字;
  • 《辞海》中出现的247个未收录汉字;
  • 《汉语大词典》中出现的553个未收录汉字;
  • 《中国大百科全书》中出现的86个未收录汉字;
  • 北大方正排版系统中出现的65个未收录汉字;
  • 《四库全书》中出现的522个未收录汉字;
  • 香港增补字符集中出现的1,081个未收录汉字;
  • 日本工业标准的JIS X 0213第3平面及第4平面的302个未收录汉字;
  • 韩国 PKS 5700-3:1998 中出现的166个未收录汉字;
  • 北朝鲜 KPS 9566-97 和 KPS 10721-2000 国家标准所收录的5,642个汉字;
  • 台湾 CNS 11643 的第4至7和15平面所收录的30,177个汉字;
  • 越南 TCVN、VHN 01:1998 和 VHN 02:1998 所收录的4,232个字喃;

这堆汉字中重复的汉字有不少,所以经过整理之后,实际总数只有42,711个汉字。

另外,在 U+2F800—U+2FA1D 的位置,放了542个来自台湾的兼容汉字。

Unicode 4.1汉字

为使 Unicode 向下兼容 GB 18030 和香港增补字符集(HKSCS)的所有汉字,而扩展C区又迟迟未能出笼,在 Unicode 4.1 版中引进了14个香港增补字符集的用字和8个 GB 18030 用字。该22字被编于 U+9FA6—U+9FBB 的位置。

另外,在 U+FA70—U+FAD9 的位置,放了106个来自北朝鲜的兼容汉字。

Unicode 5.1汉字

在2008年4月推出的 Unicode 5.1 版本,收录7个由日本 Adobe 公司递交的个日语汉字(U+9FBC-U+9FC2),和目字旁加㚒(大字加两个字,就如陕西省的陝字换上目字旁)的字 U+9FC3。本来 Unicode 3.0 收录了目字旁加夾(大字加两个字)字的“䀹”(U+4039),目字旁加㚒字的字,与“䀹”无论在意义和发音均不相同,故 Andrew West 和 John Jenkins 申请追加此字。

扩展C区

按计划,中日韩统一表意文字扩展C区将收录4,149个汉字,包括来自中国大陆、澳门、台湾、日本、越南等尚未被编码的汉字。这些汉字预计会收录在下一版的 Unicode 版本中,位置在 U+2A6E0—U+2B734。根据IRG N1266号文件(另见 N3270),这四千多个汉字分别从以下字典或字集中取得:

  • 中国大陆

    • 《中国大百科全书》
    • 北大方正排版系统
    • 《汉语大字典》
    • 《汉语大词典》
    • 《古代汉语词典》
    • 商务印书馆用字
    • 《现代汉语词典》
    • 《辞海》
    • 《康熙字典》及补遗
    • 中国测绘科学研究院用字
    • 《汉语方言大辞典》
    • 殷周金文集成引得
  • 澳门

    • 澳门资讯系统字集
  • 台湾

    • CNS 11643-1992 第12字面
    • CNS 11643-1992 第13字面
    • CNS 11643-1992 第14字面
  • 日本

    • 日本国字集(Japanese KOKUJI Collection)
  • 韩国

    • 韩国 IRG 汉字集第5版(Korean IRG Hanja Character Set 5th Edition: 2001)
  • 北朝鲜

    • KPS 10721:2003
  • 越南

    • 喃字词典(Từ điển chữ Nôm), 阮光红(Nguyễn Quang Hồng), 2006
    • Từ điển chữ Nôm Tày, Hoàng Triều Ân, 2003
    • Bảng tra chữ Nôm miền Nam, Vũ Văn Kính, 1994
  • UTC来源

    • ABC Chinese-English Dictionary, John DeFrancis(德范克), et al., eds., 2nd edition. (1998) Honolulu: University of Hawaii Press
    • 耶稣基督后期圣徒教会香港分会用字
    • Mathews' Chinese-English Dictionary, Robert H. Mathews (1975) Cambridge; Harvard University Press
    • 宋本《广韵》
    • 《中国鸟类系统检索》,郑作新等(2000),北京,科学出版社
    • 段玉裁《说文解字注》

字源分离原则

字源分离原则(Source Separation Rule)是整理中日韩统一表意文字的基础。

由于CJK各地字型多有微妙的差异,如“户”字的第一笔,台湾作撇“戶”、香港及中国大陆作点“户”、日本作横“戸”,这种程度的差异,理想上是整并为一个字为佳。然而,从之前各种受挫之文字整并计划的经验得知,整合字集与现行通用字集(Big5或国标码)等无法一一对应,是推行整合字集的最大阻碍。

例如,日本的JIS标准同时收录了“剣”字与“劍”字,原本JIS文件里这两个字可以并存,但采用整合字集后反而变成同一个字,会造成使用上的困扰。而且,如果将多个不同地区字形合并会影响阅读者,令使用者不习惯并非以往所见字至;更有可能引致阅读者因习惯而书写不属于自己地区的字形(或地区性的异体字)、学习错误的字形。于是,字源分离原则因而诞生。

而在不同地区而有不同写法的部首,如“⻌(中)、⻍(港台旧字体)、辶(港台)”、“⺾(新字体)、卝䒑(旧字体)”、“⺥(中)、爫(港台)”等就会交由字体处理,例如使用依中国汉字标准《印刷通用汉字字形表》的字体下(如中易宋体、微软雅黑体)便会出现“⻌、⺥”;使用港台字体标准字体下(如微软正黑体,但非旧版细明体)就会出现“辶、爫”等字形。大大解决了因地区而异之部首写法。

字源分离原则是指,在上述所列出之各种字源里,若有任何字集同时收了两种以上的文字字形,则在Unicode中日韩统一表意文字中,也同时收录这些字。这样一来,现行的各种原有字集与Unicode汉字可以一一对应。

由于Unicode中日韩统一表意文字的主要诉求,就是能大幅减少Unicode收录汉字字数,同时尊重各地的习惯字形。但字源分离原则则破坏了“只对字,而不对字形”编码之原则,亦遭受不少批评。

已统一的汉字

原则上ISO 10646只对字(Character),而非字形(Glyph)编码。同一字各地可使用自己的标准写法。下例中使用HTML标示同一编码的字在不同地区中的写法(但只是读者电脑提供的字型,未必代表该地区的标准写法)。

例子:

Unicode

中文

日文

韓文

中國大陸

台灣

香港

U+6D2A

U+6F22

U+76F4

U+7A97

U+89D2

U+8D77

U+9AA8

注:不是所有浏览器均可分辨“中文-香港”(zh-hk)此一HTML的语言代码(Language Code)并使用不同的字形。如非某一地区的使用者看到的字形和当地通用的字形一样,表示该用户的浏览器不能分辨此标签,或设定两者以同一种字形显示。

截至2007年7月,只有Internet Explorer 7能够完整正确地支持此标记,而Internet Explorer 6和Mozilla Firefox也能同样完整支持,但表现不同(部分中文标记被当作日文)。Opera仅部分支持。具体情况请参考Test results: Automatic font assignment for CJK text。

没有统一的汉字

有些字只是同一字在不同地区的写法,理应统一,但因为字源分离原则而只好分开编码。值得注意的是字源分离原则由“Unicode联盟决定把不正统的编入位于基本多文种平面的‘相容表意文字区’(Compatibility Ideographs)”时起废弃,原因是CNS中有太多字形非常接近,按 Unicode 标准应该统一的字。这些字只有正统的会编入正式字集(包括扩展A、B、C区)中,不正统的编入位于“第二辅助平面”的“相容表意文字补充区”(Compatibility Ideographs Supplement)中。

以下是所有摘自ISO/IEC JTC1/SC2/WG2字源分离原则文件之中有的字。

0
更多中日韩统一表意文字敬请关注字客网!
中日韩统一表意文字 网友点评
游客:文明上网,理性发言。 看不清?换一张
中日韩统一表意文字 最新评论
暂无相关评论
精彩点评