中日韩统一表意文字

术语| 2007-01-23 07:42:59

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：

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：

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：

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（大字加两个入字，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（大字加两个人字）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：

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

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

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。

微软

微软

 Mozilla

Mozilla

© 2009-2024 字客网 版权所有