维基百科

Unicode补完项目

Unicode补完项目（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内置的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补完项目字集下的对应字符，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。

除了系统支持，用户亦需安装相关字体才可正确显示文字。

要留意的是“Unicode补完项目”不等于Unicode。当有人说“我已安装Unicode”，通常是将“Unicode补完项目”和Unicode混为一谈。

“Unicode补完项目”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补完项目”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

“Unicode补完项目”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补完项目”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补完项目”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项目的电脑用户，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

“Unicode补完项目”修改操作系统中的字码表，处理Unicode和非Unicode字码的对应。“Unicode补完项目”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版的补完项目。

Palm上也有另外的用户，开发对应的补完项目：

Unicode架构的Windows

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

包括Windows 98、Windows ME。

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

在“Unicode补完项目”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补完项目”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

“Unicode补完项目”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补完项目”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

这是“Unicode补完项目”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子邮件客户端，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补完项目”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补完项目”。于是这反而与“Unicode补完项目”的创立宗旨背道而驰：原先避免以外字集解决缺字的“Unicode补完项目”，反而变成另一套外字集。解决方案是，当用户安装“Unicode补完项目”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补完项目”，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

这是原樱花输入法用户会面临的问题。

在未安装“Unicode补完项目”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），甚至会变成无法访问的乱码。这就表示甚至连ANSI架构的操作系统（例如整个Windows 98）都无法访问该文件。另外还有一个问题：若电脑是未安装“Unicode补完项目”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补完项目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

  • Unicode补完项目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补完项目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补完项目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补完项目提供的“造字保留区：0xFA40～0xFA63”内的话，则不在此限。
  • 有人表示补完项目会让Internet Explorer的自动选择网页编码准确度下降，但是无法证实。
  • 在安装补完项目后，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──补完项目会无效，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，而补完项目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补完项目但内置其字码表的软件

  • 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补完项目字码表。）[2][3]

相关条目

参考文献

  1. ^ 大五码普遍被认为包含13,053字，但在计算0xA259-0xA261的度量衡单位用字（兙兛兞兝兡兣嗧瓩糎），再减去重收了两次的“兀”（0xC94A）和“嗀”（0xDDFC）后，应为13,060字。
  2. ^ 存档副本. [2010-07-27]. （原始内容存档于2021-11-25）. 
  3. ^ 存档副本. [2010-07-26]. （原始内容存档于2021-11-17）. 

参考文件

外部链接

备注

  1. ^ 注：但是在原本就只有ANSI的网络环境下──例如Telnet BBS──Unicode补完项目还是只能当外字集用。此时用户可以选择有内置特殊字码表的Telnet程序，如PieTTY，即无须安装“Unicode补完项目”。
检索自“https://zh.wikipedia.org/w/index.php?title=Unicode補完計畫&oldid=77691385”