Unicode補完計劃

Unicode補完計劃Unicode-at-on,簡稱UAO,官方網站使用的識別系統用字是Unicode補完計画)是台灣電腦用戶針對大五碼(Big-5)延伸的紊亂、以及微軟Code Page 950(Microsoft Windows內建的Big-5轉碼表)未收錄某些常用字(又稱缺字問題)以及缺乏對於倚天中文系統中國海字集延伸中的簡體中文日文假名日文漢字支援等問題所採取的其中一種解決方案(參看大五碼#影響)。透過對Code Page 950的修改,使得原始採用簡體中文日語的內容,在複製至ANSI架構的程式時能轉換為Unicode補完計劃字集下的對應字元,而不會造成缺字的問題(詳細字元請參看字元的來源)。它是一個自由軟件

除了系統支援,用戶亦需安裝相關字型才可正確顯示文字。

要留意的是「Unicode補完計劃」不等於Unicode。當有人說「我已安裝Unicode」,通常是將「Unicode補完計劃」和Unicode混為一談。

「Unicode補完計劃」也不是用來解決軟件顯示亂碼的問題。電腦內要有相關的字型(例如支援整個Unicode漢字的字型),才能在電腦顯示器看到。因為「Unicode補完計劃」只包含編碼轉換表,並不包括字型在內。而有些日語程式裝在Windows XP所出現的亂碼問題,應使用Microsoft AppLocale等程式去作內部轉換。

背景與原理

編輯

「Unicode補完計劃」的原理是把大五碼造字區的區位和Unicode的相關字元作雙向對應,以達到無須藉助外字集、也能使大五碼檔案或檔名使用原先欠缺的漢字。

由於大五碼僅收錄13,060個漢字[1],對不少用戶而言確實不足夠,例如日語假名、人名、香港粵語字、科學用的特殊字等等都欠缺。長久以來解決這種問題的方式都是加裝各種外字集,例如櫻花輸入法(支援日語假名)、中國海字集香港增補字符集HKSCS)等。但目前世界的潮流是以使用包含最多字數的Unicode為目標。以外字集收錄字元根本難以作為資料交換之用,除非對方也安裝了該外字集。

在預設狀態下,作業系統字碼表中,大五碼造字區是和「Unicode造字區」作雙向對應的,也就是說當電腦讀取到某個原先是落在造字區的內碼時,電腦會去讀取與其相對應的Unicode造字區字元。結果是,由於不是每人電腦內的Unicode造字區都使用同一造字檔案,所以把外字集的用字傳送給其他人時,對方若無安裝相同的外字集,就不能看到裏面的內容。

「Unicode補完計劃」試圖以修改作業系統字碼表的方式以解決問題。它把大五碼造字區的字元對應到相關的Unicode編碼。與造字不同的是,「Unicode補完計劃」讓這些字元保持了雙向流通性。在補完後的電腦上,當這些字元從大五碼轉變到Unicode儲存後,它們全都會被對應到正確的Unicode位置上,之後即使是對於沒有安裝補完計劃的電腦用戶,只要他的系統和程式支援Unicode,在讀取這些文字時,就完全沒有問題。

作業平台

編輯

「Unicode補完計劃」修改作業系統中的字碼表,處理Unicode和非Unicode字碼的對應。「Unicode補完計劃」首先是在以Unicode架構為核心的微軟Windows NT(包括Windows 2000Windows XP)作業系統上開發,之後又支援了以ANSI架構為核心的Windows 98Windows Me

Linux也有另外的用戶,開發Linux版的補完計劃

Palm上也有另外的用戶,開發對應的補完計劃:

Unicode架構的Windows

編輯

包括Windows 2000Windows XPWindows Server 2003,與未來的Windows系列。

修改的檔案:

  • $SYSDIR\C_950.nls:Unicode與Big-5的對照表
  • 如果用戶有安裝Microsoft AppLocale,安裝程式會將$WINDIR\AppPatch\AppLoc.tmp以一個同名的空白唯讀檔案取代。
  • 如果用戶沒有安裝Microsoft AppLocale,安裝程式會直接產生一個空白的唯讀檔案:$WINDIR\AppPatch\AppLoc.tmp

ANSI架構的Windows

編輯

包括Windows 98Windows ME

修改的檔案:

  • $SYSDIR\CP_950.nls:檔案總管顯示時使用的轉碼表
  • $SYSDIR\unicode.bin:負責跟檔案系統操作相關的轉碼表(註:把$sysdir\unicode.bin刪除並重新開機後,系統會使用最原始的預設代碼頁437顯示,在這情況下所有存在於檔名中的中文字都會以『__』顯示,這包括大部份的桌面捷徑和幾乎整個『開始』功能表)
  • $SYSDIR\GDI.exe在顯示字型時,取得字型的檔案(將代碼頁內碼依此檔內含之轉碼表轉換成Unicode碼,再以此Unicode碼到TrueType字型檔中提取字型)

註:

  • $SYSDIR是代表某路徑的一個變數,在Windows XP預設是C:\WINDOWS\system32,在Windows 2000預設是C:\WINNT\system32,在Windows 98和Windows ME預設是C:\WINDOWS\system
  • $WINDIR也是一個路徑變數,在Windows 98、Windows ME和Windows XP預設是C:\WINDOWS,Windows 2000預設是C:\WINNT

字元的來源

編輯

在「Unicode補完計劃」的第2版中,字元的基本來源是參照「中國海字集」,再加上中國海字集所遺漏的簡體中文日語和部分香港用字而成。

「Unicode補完計劃」的2.40 Alpha 3版,除了大五碼原有的符號和漢字外,共收錄了4,916個漢字及漢字偏旁、日語的半形全形假名俄語西里爾字母等,涵蓋了在GB 2312(不是GBKGB 18030)、JIS X 0208之中出現的所有漢字,和香港增補字符集之中,Unicode碼落在U+4E00至U+9FA5中 (即Unicode 1.1版定義)的漢字。(因編碼空間不足的關係,並不收錄在香港增補字符集的Unicode擴充漢字)

使用上的問題

編輯

「Unicode補完計劃」原先的立意是避免利用造字,以達成擴充Big-5的目的:但由於Unicode環境尚未成熟、以及用戶的誤用,「Unicode補完計劃」有時反而為用戶本身──甚至其他用戶──帶來其他的麻煩。

網頁交換

編輯

這是「Unicode補完計劃」用戶可能會影響到其他用戶的最大問題。

一般的網頁瀏覽器電子郵件客戶端,在用戶打出非該軟件顯示畫面預設編碼(例如寫一封用大五碼作編碼的信件)的字元時,軟件會自動把這些字元轉換成Unicode參照碼,例如「堃」會被自動轉換成「堃」;然而在補完後的電腦,由於即使打出的是原非大五碼預設的字元,也會被認為是大五碼的字元(裝了「Unicode補完計劃」的系統,在對照字碼表後,發現當中有這個字),因此就不會被轉換。這也就是說,其他用戶不一定能看見該用戶所打的字──除非他們也有裝「Unicode補完計劃」。於是這反而與「Unicode補完計劃」的創立宗旨背道而馳:原先避免以外字集解決缺字的「Unicode補完計劃」,反而變成另一套外字集。解決方案是,當用戶安裝「Unicode補完計劃」時,會獲得一份「HTML外字相容轉換器」(另外也有網絡版),可以直接把原本不屬於大五碼的字元轉換為參照碼;接下來只要使用這份夾雜着參照碼的檔案,就能讓其他用戶也見到這些字元。另一種做法是,像推廣櫻花輸入法一樣推廣「Unicode補完計劃」,使其也變成一種人人使用的非官方標準。然而最終的解決方案是放棄大五碼,將網頁或信件直接改用Unicode編碼。[註 1]

新舊檔名

編輯

這是原櫻花輸入法用戶會面臨的問題。

在未安裝「Unicode補完計劃」的電腦,當用戶使用櫻花輸入法為檔案命名時,儲存在電腦內的檔名雖然是Unicode編碼,卻是在「Unicode造字區」內的字碼;而補完後的電腦,由於字碼表已被修改,這些檔案名稱在Unicode架構的程式的檢視下,就會變成空白;而對於ANSI架構的程式(例如ACDSeeWinamp等),甚至會變成無法存取的亂碼。這就表示甚至連ANSI架構的作業系統(例如整個Windows 98)都無法存取該檔案。另外還有一個問題:若電腦是未安裝「Unicode補完計劃」的ANSI架構作業系統,以上的狀況就會剛好相反(以Unicode架構的作業系統則無此問題)。

解決方案:Unicode補完計劃內附一個檔名轉換程式,可以把造字區檔名和Unicode檔名互換,但僅能在Unicode架構的作業系統下使用;ANSI架構作業系統的用戶必須要手動改檔名。另一個比較有效率的作法:如果是雙系統的用戶,可以直接在Unicode架構的作業系統下使用改檔名程式,讓ANSI架構的作業系統使用。

其他問題

編輯
  • Unicode補完計劃的編碼不相容於香港增補字符集的編碼,兩者只能擇其一。簡單來說,即使Unicode補完計劃與香港增補字符集均有某一個字,但因這個字在大五碼中的位置不相同,故那個字只能在Unicode的環境下交換,不能直接透過大五碼交換。
  • Unicode補完計劃會使用到用戶造字區;也就是說如果用戶有自造字,這些字可能會不見。
PS:如果用戶的自有造字放在Unicode補完計劃提供的「造字保留區:0xFA40~0xFA63」內的話,則不在此限。
  • 有人表示補完計劃會讓Internet Explorer的自動選擇網頁編碼準確度下降,但是無法證實。
  • 在安裝補完計劃後,Microsoft FrontPage在處理Big5編碼網頁時會運作不正常(包括:存檔會當掉導致檔案大小歸零內容遺失),但是如果FrontPage是處理Unicode網頁,就能正常運作。
PS:這個問題只有在用戶的Windows其「非Unicode程式語系」是「繁體中文」的情況下才會發生。
  • 對於不是使用系統字碼表的軟件──例如Mozilla Firefox等跨平台瀏覽器或Java軟件──補完計劃會無效,這些軟件需要「個別補完」(例如有些社群版的Firefox,就有將補完後的字碼表編譯進去)。
  • Windows 98的細明體字形(mingliu.ttc)比起Windows Me / 2000 / XP的版本來得舊。舊版字形有不少缺字情況;用戶必須在新版Windows中,複製細明體去更新Windows 98的字形檔案。
  • Windows 98 / Me的用戶需要再安裝「中國海字集」,才能正常顯示純文字檔案。
  • 由於Windows XP Service Pack 2改進了系統檔案保護的能力,而補完計劃需要變更一個系統檔案,故當出現一個視窗,詢問是否要還原此系統檔案時,用戶必須選擇「不還原」此檔案,才能安裝成功。

不屬於Unicode補完計劃但內建其字碼表的軟件

編輯
  • PieTTY:SSH與Telnet客戶端程式。
  • OpenPCMan:Telnet客戶端程式。
  • Firefox 2.0版:網頁瀏覽器。(Big5→Unicode單向使用Unicode補完計劃字碼表。)[2][3]

相關條目

編輯

參考文獻

編輯
  1. ^ 大五碼普遍被認為包含13,053字,但在計算0xA259-0xA261的度量衡單位用字(兙兛兞兝兡兣嗧瓩糎),再減去重收了兩次的「兀」(0xC94A)和「嗀」(0xDDFC)後,應為13,060字。
  2. ^ 存档副本. [2010-07-27]. (原始內容存檔於2021-11-25). 
  3. ^ 存档副本. [2010-07-26]. (原始內容存檔於2021-11-17). 

參考檔案

編輯

外部連結

編輯

備註

編輯
  1. ^ 註:但是在原本就只有ANSI的網絡環境下──例如Telnet BBS──Unicode補完計劃還是只能當外字集用。此時用戶可以選擇有內建特殊字碼表的Telnet程式,如PieTTY,即無須安裝「Unicode補完計劃」。