跳去內容

大五碼

出自維基百科,自由嘅百科全書

五大碼(原名)/大五碼(誤譯)/Big5(唔譯),係喺大家未廣泛採用統一碼之前,繁體中文社群裏面最常用嘅電腦漢字字符集標準,總共收錄13060個漢字[1]

中文編碼分為內碼以及交換碼兩類,大五碼屬於中文內碼。至於中文交換碼,出名嘅有CCCIICNS11643等。

大五碼雖然普及於台灣、香港同埋澳門等繁體中文通行區,但長期以來並非當地嘅官方標準,而只係業界標準。倚天中文系統、Windows繁體中文版等主要系統嘅字元集都係以大五碼為基準,但係廠商又各自增加唔同嘅造字同埋造字區,衍生出多種唔同嘅版本。[2]

2003年,大五碼被收錄到CNS11643中文標準交換碼嘅附錄當中,得到咗台灣官方正式認可地位,呢個最新版本被稱為Big5-2003。而喺香港,有政府補完嘅香港增補字符集,作爲官方標準。

歷史同名稱

[編輯]

「五大碼」係由臺灣財團法人資訊工業策進會五大中文套裝軟體設計嘅中文共通內碼,喺1983年12月完成同對外公告[3][4]。第二年3月,資訊工業策進會同臺灣13間廠商簽定「16位元個人電腦套裝軟體合作開發(BIG-5)計劃(五大中文套裝軟體)」[5],因爲呢套中文內碼係爲臺灣自行製作開發嘅「五大中文套裝軟體」所設計嘅,所以就稱爲Big5中文內碼[6][7][8][9]

至於「五大中文套裝軟體」係邊五大,官方講法係資訊工業策進會同呢13間廠商合作進行嘅「五大軟體專案」開發出嚟嘅五種中文套裝軟體,分別係「文書處理」、「資料庫」、「試算表」、「通訊」同「繪圖」[10][11][12]。不過亦有硏究指係五大模組系統公用程式字嘅組成狀態列設定字形列印設定[13]

五大中文套裝軟體雖然冇好似預期噉取代國外嘅套裝軟體,但係隨住採用五大碼嘅國喬中文系統倚天中文系統相繼橫掃臺灣市場,令五大碼深遠噉影響正體中文電腦內碼,直至今日。「五大碼」嘅英文名「Big5」後嚟畀人按照英文字序硬譯番做中文,搞到而家有「五大碼」同「大五碼」兩種中文叫法。

大五碼誕生,係因爲當時個人電腦冇共通嘅內碼,搞到廠商推出嘅中文應用軟體無法推廣,而且同IBM 5550王安碼等內碼彼此互不兼容;另一方面,臺灣當時仲未推出中文編碼標準。喺噉樣嘅時空背景下,爲咗令臺灣早日進入資訊時代,共用改用新嘅中文編碼就成爲各廠商所採行嘅計劃;同時,呢個計劃對於以臺灣爲核心嘅亞洲繁體漢字圈亦產生咗久遠嘅影響。

大五碼誕生之前,研發中文電腦朱邦復認爲內碼字集應該廣納所有正異體字,以照顧戶政等等嘅實用需求,因此喺當時嘅內碼會議中,建議採用佢硏發有超過五萬字嘅字庫。工程師認爲雖然佢嘅技術可行,但係三個位元組(超過兩個位元組)長度嘅內碼,會喺英文螢幕畫面映射成中文畫面嗰陣,發生文字無法對齊嘅問題,噉係因爲當時盛行嘅倚天中文系統畫面以兩位元組文字寬度映射成一個中文字圖樣,英文軟體中只要以兩個英文字寬度去顯示一個中文字,畫面就唔會亂,呢一點令啲中文系統業者偏愛兩個位元組長度內碼[14];此外,啲工程師認爲以倉頡輸入碼壓縮成嘅內碼冇排序等功能,因此未獲採用。1983年有人誣指朱邦復爲共產黨,其研究成果更加唔可能獲得採用。[15]

喺大五碼誕生後,大部分臺灣嘅電腦軟體都用咗大五碼嚟做內碼,加上後來倚天中文系統嘅普及,令後來嘅微軟Windows 3.x等系統亦都跟住用。雖然後來臺灣仲有各種編碼想取代大五碼,例如倚天中文系統後來推出嘅倚天碼、臺北市電腦公會所推動嘅公會碼等等,但係嗰陣時大五碼已經用咗多年,習慣唔容易改變,始終無法成爲主流字碼。而臺灣後來發展嘅中文資訊交換碼(CCCII)非一般內碼系統,係以交換使用爲目的,受先天所限,必須用至少三個位元組嚟表示一個漢字,普同率遠遠唔及大五碼。

喺1990年代初期,中國大陸電郵同轉碼軟體仲未普遍,喺深圳嘅港商同臺商公司亦都曾經使用大五碼嘅系統,以方便同總部交流文件,亦都避免爲中國辦公室再寫一套唔同內碼嘅系統。至於用簡體中文嘅社群,最常用嘅係中國嘅國標碼GB 2312GB 18030)同GBK

除咗臺灣之外,其他使用繁體漢字嘅地區,例如香港香港增補字符集)、澳門澳門增補字符集),同埋使用繁體漢字嘅海外華人,都曾普遍使用大五碼嚟做中文內碼同交換碼。

相關標準歷程

[編輯]
1983年 「通用漢字標準交換碼」試用版發行,包括13053字同441符號,分爲兩字面,先跟筆畫數,後跟部首序排列;12月推出嘅五大碼,包括13053字同441符號,字集同字序都同交換碼試用版完全相同,只係字碼定義唔同。
1984年 3月:臺灣資策會同其國內13家廠商簽定「五大中文套裝軟體」開發計劃,而「五大碼」即係爲「五大中文套裝軟體」所設計之中文內碼。
1997年 Big5+擴編計劃推出,使用咗兩萬多碼位,納入咗Unicode 1.1所有漢字;受Big5+編碼限制,Big-5E大五碼擴充推出,同1984年版相同,包括13053字同441符號,另外喺造字區定義咗3954個較常用嘅造字。
2003年 Big5-2003推出,收錄咗所有喺1984年五大編碼嘅所有字元,另外再加入微軟代碼頁950嘅歐元符號,同埋大部分倚天延伸字集嘅用字,仲將佢哋放喺臺灣官方嘅CNS 11643附錄裏面,正式成爲官方標準嘅一部份。

字節結構

[編輯]

大五碼係雙位元組字符集,以十六進制表示,使用雙八碼儲存方法,以兩字節安放一字。第一字節稱爲「高位字節」,第二字節稱爲「低位字節」。

「高位字節」使用咗0x81至0xFE,「低位字節」使用咗0x40至0x7E,同0xA1至0xFE。喺大五碼嘅分區中:

0x8140-0xA0FE 保留給使用者自定義字元(造字區)
0xA140-0xA3BF 標點符號希臘字母特殊符號,包括喺0xA259-0xA261,安放咗九計量用漢字:兙、兛、兞、兝、兡、兣、嗧、瓩、糎。
0xA3C0-0xA3FE 保留。呢區冇開放作造字區用。
0xA440-0xC67E 常用漢字(5401字),字集來源除咗教育部「常用國字標準字體表」所列出嘅4808字外,亦優先收編國中、國小教科書中常用字587字同埋異體字6字。先按筆畫再按部首排序。
0xC6A1-0xC8FE 保留畀使用者自定義字元(造字區)
0xC940-0xF9D5 次常用漢字(7652字),字集來源除教育部「次常用國字標準字體表」所列嘅6330字之外,亦篩選編入教育部「罕用國字標準字體表」表中使用頻率較高之1320字。亦都係先按筆畫再按部首排序。
0xF9D6-0xF9DC 七個倚天外字集嘅擴充字:碁、銹、裏、墻、恒、粧、嫺(呢七字所對應嘅臺灣敎育部選定字,順序分別係「棋、鏽、裡、牆、恆、妝、嫻」)
0xF9DD-0xFEFE 保留畀使用者自定義字元(造字區)

值得留意嘅係,Big5重複收錄咗兩個相同嘅字:「兀」(0xA461/U+5140同0xC94A/U+FA0C)、「嗀」(0xDCD1/U+55C0同0xDDFC/U+FA0D)。

此外,有啲編碼映射將符號區嘅花碼「〸」、「〹」、「〺」映射到漢字(分别爲U+5341,U+5344同U+5355)度[16][17]而唔係中日韓符號同標點區(分别为U+3038,U+3039同U+303A)[18],喺檢索系統入面成日會造成查唔到要查嘅字。[19]

衝碼問題

[編輯]

低位元字元中包含咗程式語言shellscript中,字串或命令常會用到嘅0x5C「\」、0x7C「|」等等特殊字元。「\」喺好多用途嘅字串入面當做轉義符號,例如\n(換行)、\r(歸位)、\t(tab)、\\(\本身符號)、\"(引號)等等。而「|」喺UNIX作業系統入面多數當做命令管線嚟用,例如「ls -la | more」等等。如果喺字串入面有呢啲特殊嘅轉義字元,會畀電腦程式或者直譯器解釋爲特殊用途。但係因爲係中文,所以無法正確解釋做上面所講嘅行爲,於是程式可能會忽略呢個轉義符號,或者係誤將中文字碼嘅一部份當咗做轉義符號而中斷執行,係噉就違反咗使用者本來要當成中文字元一部份嚟用嘅本意。[20][21][22][23][24]

低位元字元同ASCII重疊嘅字元爲0x40到0x7E,如下︰

@ A-Z [ \ ] ^ _ ` a-z { | } ~

佢哋喺常用字例如「功」(0xA55C)、「許」(0xB35C)、「蓋」(0xBB5C)、「育」(0xA87C)、「會」(0xB77C)度時常出現,令好多軟件無法正確噉處理大五碼嘅字串或者文件。有人搞笑噉將呢個問題戲稱爲「許功蓋」或者「許蓋功」(呢三個字都有呢種問題)。

一般嘅解決方法,係額外增加多一個「\」字元,因爲「\\」會被解釋爲「\」,所以「成功\因素」呢個字串就能夠無誤噉畀程式當做「成功因素」嘅字串嚟處理。但係額外嘅困擾係,有啲輸出功能唔會將「\」當做特殊字元看待,所以有啲程式或網頁就會錯誤噉喺「許功蓋」呢啲字後面顯示出多個「\」。[20]

低位元組爲「\」(0x5C)嘅字元:

﹏ 兝 α 么 功 吒 吭 沔 坼 歿 俞 枯 苒 娉 珮 豹 崤 淚 許 廄 琵 跚 愧 稞 鈾 暝 蓋 墦 穀 閱 璞 餐 縷 擺 黠 孀 髏 躡 ふ ж 尐 佢 汻 岤 狖 垥 柦 胐 娖 涂 罡 偅 惝 牾 莍 傜 揊 焮 茻 鄃 幋 滜 綅 赨 塿 槙 箤 踊 嫹 潿 蔌 醆 嬞 獦 螏 餤 燡 螰 駹 礒 鎪 瀙 酀 瀵 騱 酅 贕 鱋 鱭

低位元組爲「|」(0x7C)嘅字元:

﹄ └ ㄍ 弋 四 帆 坑 育 尚 泜 咽 洱 迢 徑 砝 院 悴 琍 逖 揉 稅 閏 會 腮 頌 漏 誡 慝 罵 魯 糕 嚐 舉 甕 牘 辮 疊 鸛 ア 𠂊 戉 吜 芎 怙 矹 峗 洀 苶 恝 烡 茦 唰 掤 痎 虖 圌 斮 琰 萆 隇 搉 煟 腶 輋 嫟 漒 翣 銔 憰 獡 蔙 鋧 懁 瞣 褟 鮐 瞲 觲 鴱 聵 鞫 矱 霬 礨 鶘 驂 驏 鼶 鸓

如果有使用者檔案上傳到ftp,而個檔案名有中文字元,當中又包含咗低位元組爲0x5C(\)嘅字元,檔案就會上傳唔到去ftp度;而當中包含低位元組爲0x7C(|)嘅字元,雖然可以上傳到ftp(只要唔包含低位元組爲0x5C嘅字元),但係低位元組會自動變成0x5F(_),結果就會亂碼,例如檔案名「教部第議紀錄」會變成「教部第議紀錄」。

同畫線字元相衝

[編輯]

大五碼字元嘅首位元組會同DOS代碼頁437畫線字元相衝而產生亂碼。

例如

┌───────┐
│維基百科│
└───────┘

如果用大五碼嚟儲存呢啲中文字,顯示時會變成:

┌────────┐
竟�穧坌鮈�
└────────┘

替代嘅方法係用全形畫線字元,但係會較佔空間。倚天公司另外推出倚天碼解決呢個問題,不過呢種新編碼唔流行。

私人造字區

[編輯]

倚天中文系統,同埋後來嘅Windows 3.19598之中,定義咗四個私人造字區範圍:0xFA40-0xFEFE、0x8E40-0xA0FE、0x8140-0x8DFE、0xC6A1-0xC8FE。

私人造字區嘅原意,係供使用者加入本來喺編碼表中缺少嘅字元,但係每個使用者都喺唔同嘅地方加上唔同嘅字元之後,佢哋交換資料時,對方就難以知道某一個編碼究竟想表達咩字。

影響

[編輯]

自從中文電腦流行後,好多日常用字都被視爲異體字而未收錄。很多人,甚至電視臺嘅字幕、報紙嘅用字習慣都因爲噉而改變。

例如中華民國教育部視「着」爲「著」嘅異體字,於是冇收錄「着」字。不過「着」字喺香港嘅敎育標準常用字字形表入面係正字,同「著」字分工。又例如臺灣揀咗「裡、峰、床、羣、衛」做正字,不過香港嘅敎育標準用「裏、峯、牀、羣、衞」。大五碼嘅選字令香港嘅老師傷腦筋。

粵語地區使用粵文,但係好多官話中文唔用嘅粵文漢字,大五碼都冇收錄,例如「嘅、喺、咗、嗰、啲、吓、㖭、㗎、啱、㓤、両、乸、冚、冧、唞、唓、嘞、噏、嚟、嚿、噃、孭、掹、揸、揞、揼、聱、搲、摱、攞、攰、梘、燶、瞓、糉、糍、螆、裇、踎、踭、軚、餸、𡃁、𨋢」。港澳地區有唔少地名,亦都需要用大五碼冇收錄嘅字,好似「邨」——香港絕大部份公共屋邨名例如杏花邨牛頭角上邨等、「埗」——深水埗、「氹」——氹仔、「鰂」——鰂魚涌、「鱲」——赤鱲角、「滘」——大埔滘、「脷」——鴨脷洲等等。淨係用大五碼,呢啲字亦都打唔出。臺灣都有閩南語字、客語字等等地方用字面對相同情況,例如「」字,臺語指製糖所,常見於鄉間地名,但由於Big5未收呢個字。

仲有,康熙字典中嘅一啲部首用字(例如「」、「」、「」、「」、「」、「」等等)、姓氏用字「」、常見人名用字(例如「堃」——中華民國行政院院長游錫堃、「煊」——中華民國前財政部部長王建煊、「栢」——歌手張栢芝、「峯」——歌手吳青峯林峯、「喆」——歌手陶喆、「珉」——韓國演員權珉娥同男演員沈昌珉、「瑈」——前越南總統吳廷琰胞弟吳廷瑈、「瀞」——臺北市議會議員黃瀞瑩同女演員黃瀞怡、「彣」——臺灣游泳運動員林姵彣同香港空手道運動員陳枷彣、「羣」——香港名人李曾超羣同臺灣歌手林育羣、「伃」——女演員鄭倢伃[25][26][27])、常見公司或機構名用字(例如「綫」——無綫電視、「滙」——滙豐銀行、「恒」——恒生銀行、「碁」——宏碁電腦),呢啲字雖然受中文社會廣泛採用,但係都冇收錄喺大五碼入面。

另外好多日本人嘅姓名有嘅字,亦都唔包括喺大五碼之中。好似「瑠」——日本女藝人波瑠同香港VTuber如月瑠美、「樫」——日本漫畫家富樫義博同日本男聲優樫井笙人、「畑」——日本漫畫家小畑健同日本警探電視劇角色古畑任三郎、「坂」——日本作曲家坂本龍一同日本演員坂口健太郎、「凪」——日本漫畫角色三千院凪等字都係。

大五碼嘅缺字之中,亦都有唔少科學用字,例如化學元素名都冇收齊。又例如現代人體質易過敏、環境常有過敏源,「塵蟎」嘅「蟎」字好常用,但係Big5碼都冇收。

遇到大五碼冇收錄嘅字,好多人會搵其他字代替。以「坂」字爲例,啲人經常用「阪」字代替(注意大阪嘅古稱就係「大坂」,見大坂之役),好多業者(例如光榮)製作相關歷史題材遊戲嘅中文版本嗰陣,本應使用古名嘅「坂」字都一樣用「阪」字代替,令到現時仍然有唔少中文使用者誤植爲「大之陣」[28]。另外好似「」字,亦成日用「廓」、「部」嚟代替。其他未收錄嘅地名用字,例如「磘」字,亦被「瑤」、「嗂」代替。「滙豐銀行」、「恒生銀行」雖然用「滙」字同「恒」字嚟註冊,不過大家亦都經常搵「匯」字同「恆」字代替。

另一種做法係靠拆字。喺互聯網上,經常可以見到啲人將游錫堃、王建煊、張栢芝、陶喆等名字,以拆字法寫成「游錫方方土」、「王建火宣」、「張木百芝」同「陶吉吉」等。電視上日本動畫嘅中文字幕中亦會看到像「木堅」(樫)、「火田」(畑)噉樣嘅字。而有口字邊嘅香港字,好多人會用英文字母「o」代替個口部,例如「o既」(嘅)、「o係」(喺)、「o左」(咗)。

大五碼未收錄字舉例

[編輯]
  • 其實倉頡輸入法都有編碼,如果系統支援「外字集」或者已經用咗統一碼,係可以輸入嘅。
  • 「邨」、「着」同「綫」喺香港極爲常用。而且「邨」同「村」、「着」同「著」喺香港有客觀嘅字義分工,唔應該視爲異體字。
未收錄嘅字 有收錄嘅字 原因 倉頡拆字碼
俗字 水水(3)
俗字 一一山水
俗字 一火月大
俗字 一月金弓
俗字 戈金竹戈
俗字 月月一
俗字 人山金水
異體字 山竹水十(2)
異體字 水尸人土
異體字 木一日
異體字 女一木
異體字 火木山金水
異體字 女火戈戈
異體字 女火竹木尸
異體字 竹人木月弓
異體字 心火一月金(3)
異體字 人弓戈弓
異體字 廿田金
異體字 弓口中戈
異體字 女一十十
異體字 一口一十十
被認爲係異體字 心山弓中(2)
被認爲係異體字 廿手月山
異體字 竹大口
異體字 土一水
異體字 土口土口
異體字 尸口廿手(2)

大五碼延伸

[編輯]

大五碼嘅一萬多字只係根據中華民國教育部頒佈嘅《常用國字標準字體表》、《次常用國字標準字體表》等用字匯編而成,並冇考慮社會上流通嘅人名、地名用字、方言用字、化學同生物科學等用字,亦冇放入日語平假名片假名字母;市面上支援大五碼嘅軟件有唔少都自行喺原本編碼外添加一啲符號同用字。

非官方Big5延伸

[編輯]

倚天Big5延伸

[編輯]

倚天中文系統爲咗同IBM 5550碼相容,喺大五碼添加咗以下字元,稱爲倚天擴充字集

+0 +1 +2 +3 +4 +5 +6 +7 +8 +9 +A +B +C +D +E +F
C6A0  
C6B0
C6C0
C6D0 ¨ ˆ
C6E0
C6F0  
C740
C750
C760
C770  
C7A0  
C7B0
C7C0
C7D0
C7E0
C7F0 А Б В Г Д Е Ё Ж З И Й К  
C840 Л М Н О П Р С Т У Ф Х Ц Ч Ш Щ Ъ
C850 Ы Ь Э Ю Я а б в г д е ё ж з и й
C860 к л м н о п р с т у ф х ц ч ш щ
C870 ъ ы ь э ю я 𠃌 𠂊  
C8A0   𧘇 1- 58 3⁹₈ 3- 3²₁ 4- 5- 6- 81 7- 8-
C8B0 9- 7⁰₈ 6⁰₇ 9²₁ 01 1²₁ 41 2- 5²₁ 71 4⁹₈ 2²₁ 2⁹₈ 6²₁ 1⁰₈ 1⁶₃
C8C0 2⁵₃ 3⁶₃ 4⁶₃ 5⁶₃ 6⁶₃ 7⁶₃ 86 9⁶₅ 0⁶₃ 88 9⁹₈ 08 0-
C8D0                        
F9D0            
F9E0
F9F0  

呢個延伸有時稱爲「Big5-Eten」。由於倚天中文系統係Windows 95推出之前市場佔有率最高嘅中文系統,此延伸係各種非官方延伸當中最重要嘅一個。唔少後續嘅延伸字集,都會留空倚天Big5延伸已使用嘅碼位,甚至直接吸納倚天Big5延伸嘅字符(但位於C8A5至C8CC嘅行列40輸入法鍵名除外)。

喺後期版本嘅倚天中文系統中,更加入咗一啲圖案同簡體中文字,但未被廣泛接受。

Code Page 950

[編輯]

Windows使用嘅Code Page 950(參照咗IBM Big 5碼嘅編碼頁號Code Page 950,簡稱CP950)之中,只係添加咗上述0xF9D6-0xF9FE嘅倚天擴充字同表格符號,並冇加入日文假名字母等其他延伸。

Windows ME之中,微軟首度喺0xA3E1加入咗歐元()符號,之後所有Windows版本嘅Code Page 950亦都有呢個符號。

中國海字集

[編輯]

中國海字集」係中國海公司所出品嘅繁體漢字造字檔。佢本身雖然係一套商品,但係中國海公司好少單獨販售,往往係同其他軟件一齊賣。例如:中國海字集就曾經同《漢書》、《輕鬆輸入法》等一同發售。由於佢包括咗唔少社會上常見嘅用字、日文假名、同字等,加上曾經同Office 97中文版一齊發售,所以比起其他官方Big5延伸,佢更受臺灣民眾所接受。香港部份BBS網絡喺香港增補字符集未出現之前,一度以中國海字集爲標準。

日同字集

[編輯]

「日同字集」乃香港人內木一郎同阿烈開發嘅TrueType造字檔,以兼容香港增補字符集爲賣點,增補字集中仍冇涵蓋嘅日語假名日本漢字日本國字,有細明體、標楷體、中黑體等配合Windows 95、98、NT等作業系統字型嘅字款,並附有倉頡、速成等輸入法作輔助,同埋將字集文檔轉換至日語編碼嘅轉碼器工具。

Unicode補完計劃

[編輯]

「Unicode補完計劃」前稱「BIG5 Extension」,透過修改Microsoft Windows同Mozilla嘅編碼表,從而使用者能喺網上傳遞同交換文字。

有鑑於「中國海字集」嘅成功,「Unicode補完計劃」第二版採用咗「中國海字集」原有嘅造字,再加上「中國海字集」所欠嘅部分簡體中文字同香港粵語用字,建成一個能喺Big5同Unicode之間轉換嘅編碼表;計劃目前推出咗64位元測試版。

官方大五碼延伸

[編輯]

中華民國教育部造字檔

[編輯]

中華民國教育部有佢本身一套造字檔,主要畀部門內使用,亦用於教育部嘅網路字典。

中華民國行政院農委會常用中文外字集

[編輯]

中華民國行政院農業委員會曾制訂一套有133漢字嘅造字檔,其中有84字係魚部漢字、7字係鳥部漢字。

Big5+

[編輯]

1997年中華民國行政院研究發展考核委員會成立專案委託中文數位化技術推廣基金會(中推會)辦理Big5+擴編計劃,用咗兩萬多碼位,納入咗Unicode 1.1下所有漢字。由於編碼使用到嘅範圍超過原先Big5定義(Big5+使用咗高位元組0x81-0xFE,低位元組0x40-0x7E、0x80-0xFE),無法安裝喺Microsoft Windows上,而家幾乎冇人用。

Big-5E

[編輯]

爲咗令Microsoft Windows使用者可以使用造字檔,中華民國行政院研考會再度委託中推會推出一個補充字集Big-5E(同Big5+並唔兼容),共收3954字。因爲Big5+嘅編碼限制,再加上Unicode已漸成氣候,除咗部份政府單位使用之外,Big-5E並冇被廣泛嘅接受。Mac OS X 10.4同以上支援Big-5E。

Big5-2003

[編輯]

鑑於大五碼唔係官方標準,中推會接受經濟部標準檢驗局委託,召集臺灣國內業者、專家同學者編製一個大五碼嘅對照表,而且將佢放到臺灣官方嘅CNS 11643附錄裏面,正式成爲官方標準嘅一部份。

喺Big5-2003之中,收錄咗所有喺1984年五大編碼嘅所有字元,另外再加入微軟代碼頁950嘅歐元符號、倚天延伸字集嘅0xA3C0-0xA3E0、0xC6A1-0xC7F2、0xF9D6-0xF9FE嘅用字。Big5-2003冇收錄行列輸入法特殊符號同0xC7F3-0xC875嘅俄語西里爾字母,理由係以CNS 11643冇呢啲字符。除此之外,所有倚天延伸全部收錄。另外,佢試圖減少Unicode東亞文字字寬有問題嘅「模糊」部份,改變咗某啲符號嘅Unicode對應,導致代碼頁950並唔完全係Big5-2003嘅子集合;另外,0xC6C0-0xC6D7對應到Unicode嘅康熙字典部首區而非漢字區。

相對於Big5-2003,最早冇加上延伸之大五碼則稱爲Big5-1984。

香港增補字符集

[編輯]

香港增補字符集(Hong Kong Supplementary Character Set,簡稱HKSCS)係香港政府基於大五碼之上擴展嘅字符集標準,係現時香港嘅中文資訊交換內碼標準。香港增補字符集之前稱爲《政府通用字庫》,本來只係香港政府內部統一使用嘅造字檔,有三千幾字。但係由於香港電腦業界不斷要求政府迎合本地需要,提出官方嘅字符集方案,以便同政府來往文件,於是香港政府就喺1995年公開呢套內部使用嘅標準。到咗1999年,呢套字集增加到四千幾字,並且改爲現名。

呢套字符集由中文界面諮詢委員會管理,仍然不斷擴充緊。字符集主要包括香港地名人名用漢字粵語用字(包括粗言穢語喺內,呢係應警方法庭需要記錄口供之用)、異體字、小部份簡體字平假名片假名俄語西里爾字母

發展

[編輯]

各廠商同政府推出嘅大五碼延伸並唔兼容,造成亂碼問題。鑑於Unicode可以正確處理七萬多漢字,近年嘅作業系統同應用程式(如蘋果電腦Mac OS X同以Cocoa API撰寫之程式、Microsoft Windows 2000同之後版本、Microsoft Office 2000同之後版本、Mozilla瀏覽器、Internet Explorer瀏覽器、Java語言等等),已經改用Unicode編碼。可惜現時仍然有啲舊軟件(如Visual Basic 6、部份TelnetBBS軟件)仲未支援Unicode編碼。

參考

[編輯]
  1. 普遍認為五大碼包含13053字,但係計埋0xA259-0xA261嗰九個度量衡單位用字(兙、兛、兞、兝、兡、兣、嗧、瓩、糎),再減去重收咗兩次的「兀」(0xC94A)同「嗀」(0xDDFC)之後,應該係13060字。
  2. 余保倫 (nd)。文數位化 Metadata 之探討 (PDF)。臺灣行政院主計處電子處理資料中心。喺2022年8月25號搵到
  3. 來源參考:(中文)資策會大事紀要,1983年 互聯網檔案館歸檔,歸檔日期2010年11月4號,.
  4. 來源參考:(中文)資策會大事紀要 互聯網檔案館歸檔,歸檔日期2010年11月4號,.
  5. 來源參考:(中文)資策會大事紀要,1984年 互聯網檔案館歸檔,歸檔日期2010年11月4號,.
  6. 來源參考:(中文)行政院主計處電子處理資料中心中文全字庫——中文碼介紹-BIG-5碼介紹 互聯網檔案館歸檔,歸檔日期2015年3月18號,.
  7. 來源參考:(中文)數位雜談 - 中文的電腦或電腦的中文?,諶家雄 互聯網檔案館歸檔,歸檔日期2007年2月22號,.
  8. 來源參考:(中文)CMEX財團法人中文數位化技術推廣基金會 - 認識中文碼:九、Big5同Big5E 互聯網檔案館歸檔,歸檔日期2020年6月2號,.
  9. 來源參考:(中文)同文字共舞___中文數位化發展簡介
  10. 來源參考:(中文)數位雜談 - 中文的電腦或電腦的中文?,諶家雄 互聯網檔案館歸檔,歸檔日期2007年2月22號,.
  11. 來源參考:(中文)財團法人中文數位化技術推廣基金會——認識中文碼【 九、Big5和Big5E 】 互聯網檔案館歸檔,歸檔日期2010年11月1號,.
  12. 來源參考:(中文)中文內碼之應用及概要說明 互聯網檔案館歸檔,歸檔日期2007年9月18號,.
  13. 魏令芳、江敏妮 (1997年7月22號)。字字集字碼簡介 (PDF) (臺灣中文)。東吳大學圖書館編目組。喺2022年8月22號搵到
  14. 來源參考:倚天中文系統、國喬中文系統
  15. 來源參考:(中文)朱邦復專欄——中文微電腦之歷史見証 互聯網檔案館歸檔,歸檔日期2015年9月23號,.
  16. Unicode CP950 映射表UnicodeUnicode聯盟原著喺2023-06-27歸檔。喺2023-05-11搵到 {{cite web}}: Unknown parameter |dead-url= ignored (|url-status= suggested) (help)
  17. Unicode Big5 映射表UnicodeUnicode聯盟原著喺2023-06-27歸檔。喺2023-05-11搵到 {{cite web}}: Unknown parameter |dead-url= ignored (|url-status= suggested) (help)
  18. Mozilla 系列同 Big5 中文字碼Big5-2003Mozilla 臺灣社群原著喺2023-06-27歸檔。喺2023-05-11搵到 {{cite web}}: Unknown parameter |dead-url= ignored (|url-status= suggested) (help)
  19. Mozilla 臺灣社群入面提供嘅 ETEN 字表,將呢三個字符同时映射至符號同漢字。Mozilla 系列同 Big5 中文字碼ETENMozilla 臺灣社群原著喺2023-06-27歸檔。喺2023-05-11搵到 {{cite web}}: Unknown parameter |dead-url= ignored (|url-status= suggested) (help)
  20. 20.0 20.1 參考:(英文)perlop-Perl operators and precedence 互聯網檔案館歸檔,歸檔日期2007年7月4號,.同埋(中文)淺談許蓋功-中文衝碼問題 互聯網檔案館歸檔,歸檔日期2007年9月27號,.
  21. Re: [問題] 想把中文字轉回代碼要怎麼做?原著喺2021-03-02歸檔。喺2021-03-02搵到 {{cite web}}: Unknown parameter |dead-url= ignored (|url-status= suggested) (help)
  22. BIG5碼衝碼嘅原因原著喺2021-03-03歸檔。喺2021-03-02搵到 {{cite web}}: Unknown parameter |dead-url= ignored (|url-status= suggested) (help)
  23. 碼問題原著喺2023-06-29歸檔。喺2023-06-29搵到 {{cite web}}: Unknown parameter |dead-url= ignored (|url-status= suggested) (help)
  24. 麼是功蓋題?原著喺2023-06-29歸檔。喺2023-06-29搵到 {{cite web}}: Unknown parameter |dead-url= ignored (|url-status= suggested) (help)
  25. 來自於女官名倢伃,後嚟改寫成女部嘅「婕妤」令性別變明顯,但係五大碼淨係收錄「倢」字而漏咗「伃」字。
  26. 唔出!行員國字加減法-亭+予 網揭專業真相原著喺2023-06-29歸檔。喺2023-06-29搵到 {{cite web}}: Unknown parameter |dead-url= ignored (|url-status= suggested) (help)
  27. 女收銀行信名字拆字打出 網民:原來國字仲能用加減原著喺2023-06-29歸檔。喺2023-07-20搵到 {{cite web}}: Unknown parameter |dead-url= ignored (|url-status= suggested) (help)
  28. 結爲信長之野望·革新中文官方網原著喺2007-07-15歸檔。喺2007-07-22搵到 {{cite web}}: Unknown parameter |dead-url= ignored (|url-status= suggested) (help)

睇埋

[編輯]

出面連結

[編輯]