汉典论坛 » 【实用附录讨论】 » 中日韩统一表意文字

zdic 发表于 2008-8-22 15:19

中日韩统一表意文字

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。

zdic 发表于 2008-8-22 15:23

[b]版本[/b][table][tr][td]ISO 10646 版本[/td][td]Unicode 版本[/td][td]新增[/td][td]置放平面[/td][td]字数[/td][td]累计字数[/td][/tr][tr][td=1,2]1993[/td][td=1,2]1.0[/td][td]中日韩统一表意文字[/td][td]基本多文种平面（BMP, Basic Multilingual Plane）[/td][td]20,902[/td][td=1,2]20,914[/td][/tr][tr][td]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）[1]
[/td][td]基本多文种平面[/td][td]12[/td][/tr][tr][td]2000[/td][td]3.0[/td][td]中日韩统一表意文字扩展A区[/td][td]基本多文种平面[/td][td]6,582[/td][td]27,496[/td][/tr][tr][td]2001[/td][td]3.1[/td][td]中日韩统一表意文字扩展B区[/td][td]第二辅助平面（SIP, Supplementary Ideographic Plane）[/td][td]42,711[/td][td]70,207[/td][/tr][tr][td]2003第一修订版[/td][td]4.1[/td][td]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）[/td][td]基本多文种平面[/td][td]22[/td][td]70,229[/td][/tr][tr][td]2003第四修订版[/td][td]5.1[/td][td]7个日语汉字（U+9FBC－U+9FC2），U+4039 拆分为 U+4039 和 U+9FC3[/td][td]基本多文种平面[/td][td]8[/td][td]70,237[/td][/tr][tr][td=1,2]2003第五修订版[2]（预计）[/td][td=1,2]5.2（预计）[/td][td]中日韩统一表意文字扩展C区[/td][td]第二辅助平面（预计）[/td][td]4,149[/td][td=1,2]74,388[/td][/tr][/table]

zdic 发表于 2008-8-22 15:24

[b]历史[/b]
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。

zdic 发表于 2008-8-22 15:30

[b]字源[/b]

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
[list][*]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）[/list]

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）
[list][*]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[/list]

日本的J源
[list][*]J0：JIS X 0208-90：6,335+1字[*]J1：JIS X 0212-90：5,801字[/list]

韩国的K源
[list][*]K0：KS C 5601-87：4,888字（含268个重见字）[*]K1：KS C 5657-91：2,856字[/list]


以上的来源字集会实施[b]字源分离原则[/b]。
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。

zdic 发表于 2008-8-22 15:34

[b]扩展A区[/b]

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
[list][*]GE：GB 16500-95[*]GS：新加坡汉字[/list]

台湾
[list][*]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[/list]

日本
[list][*]JA： Unified Japanese IT Vendors Contemporary Ideographs, 1993[/list]

韩国
[list][*]K2：PKS C 5700-1:1994[*]K3：PKS C 5700-2:1994[/list]

越南
[list][*]V0：TCVN 5773:1993[*]V1：TCVN 6056:1995[/list]

zdic 发表于 2008-8-22 15:35

[b]扩展B区[/b]

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：
[list][*]《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；[/list]
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。

zdic 发表于 2008-8-22 15:49

[b]Unicode 4.1汉字[/b]
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。

[b]Unicode 5.1汉字[/b]
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）[2]，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[3]。

[b]扩展C区[/b]
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
[list][*]《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[/list]

澳门
[list][*]澳门资讯系统字集[/list]

台湾
[list][*]CNS 11643-1992 第12字面[*]CNS 11643-1992 第13字面[*]CNS 11643-1992 第14字面[/list]

日本
[list][*]日本国字集（Japanese KOKUJI Collection）[/list]

韩国
[list][*]韩国 IRG 汉字集第5版（Korean IRG Hanja Character Set 5th Edition: 2001）[/list]

北朝鲜
[list][*]KPS 10721:2003[/list]

越南
[list][*]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[/list]

UTC来源
[list][*]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》[/list]

zdic 发表于 2008-8-22 15:50

[b]字源分离原则[/b]

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。

WittyHare 发表于 2008-10-15 11:27

长知识了.

查看完整版本: 中日韩统一表意文字