可携式字集资源-用以解决缺字问题.PDFVIP

可攜式字集資源-用以解決缺字問題 * * 謝育平 吳政泓 項 潔 台灣大學資訊工程研究所 台灣大學資訊工程研究所 台灣大學資訊工程研究所 arping@.tw white@.tw hsiang@.tw * 摘要 編碼法，而各個編碼法內所含文字也各有差 缺字問題是指電腦內碼對應文字的不完備造成 異，所以造成編碼系統的不協調。例如：“發” 無法順利瀏覽及輸入未收錄的文字，無法順 的編碼是 BIG5：B56F 和 Unicode：767C，而 利傳播及查詢內含該文字的文件，難以在典 “ 堃”的編碼是 Unicode：5803 但在 BIG5 中則 藏過程是描述新遇到的缺字及完整統一造字 沒收錄。所以在現行內碼系統不協調的情況 的問題。缺字問題對於報業、圖書館或典藏機 下，交換碼應運而生。交換碼主要是用來處理 構來說，是一個重要的問題。本文提出可攜式 某領域下的內碼不協調問題。主要是將各內碼 字集資源架構用以自動解決瀏覽、輸入、傳播 中的文字對應到交換碼中，然後再進行內碼系 及查詢等問題，並結合部件組字法及統一造字 統的轉換。CNS11643[1]就是一個漢字領域的 法提出一個可行的缺字處理流程。 交換碼。例如我們要將某份含“發”的文件從 BIG5 編碼轉成 Unicode 編碼，我們就可以先 可攜式字集資源(Portable Word-Set Resource) 查到 BIG5：B56F 在 CNS11643 中的編碼 1- 是一種可攜式文字資源，其定義文字識別碼的 6075，然後再轉成 Unicode:767C。不管是內 方式是以“字集名稱+內碼擴充碼”，而在字集 碼或是交換碼，都有找不到文字(未收編)的時 名稱中則暗示該字集資源在網路上的位址。可 候，所以在內碼設計時皆會提供幾塊區域作為 攜式字集資源架構處理缺字問題除了典藏造字 動態指定未收編字碼的區段。例如 BIG5 提供 者外，瀏覽者、寫作者、查詢者、傳播者對缺 FA40 - FEFE、8E40 - A0FE、8140 - 8DFE、 字幾乎都是不知不覺，其具有“只要瀏覽過的 C6A1 - C8FE 等區段，Unicode 提供 E000- 就可以使用輸入法輸入，只要寫完文件就可以 F8FF 區段。對於某個內碼系統來說，我們稱 傳播，只要傳播就可以瀏覽”的特性且支援各 那些未收編的文字為缺字，或詳述之為某內碼 式支援字型的應用程式。 系統的缺字。而我們稱這些提供缺字使用的區 段為擴充字區或擴充區