- 1、本文档共9页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
方正超大字库解决方案
方正超大字库解决方案
■关于汉字和汉字编码
殷商出土的甲骨文可视为中国文字的渊源,历经几千年的历史演变,汉字无论是在字形、字体,还是数量方面都发生了很大变化,从下面一组数据就可以看出汉字在数量方面的演变。
《说文解字》 ( 公元 100 年) 收 9353 字;《声类》 (227-239 年) 收 11520 字;《玉篇》 (5 43 年) 收 22726 字;《唐韵》 (751 年 ) 收 26194 字;《类篇》 (1066
年 ) 收 31319 字;《字汇》 (1615 年) 收 33179 字;《康熙字典》 (1716 年 ) 收
47035 字;《中华大字典》 (1915 年 ) 收 48000 字;《中文大字典》 (1968 年) 收
49905 字;《汉语大字典》 (1986 年 ) 收 56000 字。
汉字家族在不断增加,从 说文解字 到 汉语大字典 的大约 2000 年的时间里,汉字的数量增加了 5 倍多,而我们常用的 6000 多个汉字仅仅是汉字家庭中的一小部分。到目前为止,国际标准组织 (ISO) 制定国际标准时,共收集到汉字七万多字。
从中文信息处理的角度来看,国家及国际相继颁布了不同的汉字编码标准,
从 GB2132到 GBK,从 GBK到 GB18030,标准收录的汉字从 6763 个增加到现在的
27000 多个,但对于汉字的庞大家族来说,尴尬难以避免。在银行、邮电、保
险、报业、公安等行业,经常会碰到生僻的人名、地名,只能用拼音代替或手工贴图,而古籍整理、辞书出版、光盘出版、地理信息系统等则会遇到很多缺字,补字的工作量很大。其它使用汉字的国家和地区,如日本、韩国、越南、新加坡等,其文化遗产多以汉字的形式保存,随着信息时代的到来,将其转换为电子资料时经常碰到的问题就是:电脑中的汉字不够用。
■方正超大字库的发展历程
作为中国最早从事中文字库开发的专业厂商,北大方正非常关注中文字库
技术进步和中文印刷字体的发展,积极参与中国国家标准和国际标准化 (ISO) 组织相关标准的制订,如 GB2312-80、GBK、GB18030、ISO/IEC-10646 等。
为了进一步规范汉字的编码,国际标准化 (ISO) 组织对汉字做了扩充,这就是汉字 EXT B,北大方正积极参加了编辑讨论工作。 2000 年 8 月 22 日,公布的 SuperCJK V10.2 共包含 70205 字,也正是最新的方正超大字库的全部内容,即方正超大字库基本包含了中、日、韩、越的主要汉字。
由于汉字来源复杂,按照国家的要求,必须改成现行的写法,方正邀请了多位文字学专家进行指导,对 70205 字进行了新笔形化,同时邀请多位字体设计专家对质量进行把关,保证字形、笔形规范、统一,符合国家语委的标准。
方正宋一超大字库收录了 70244 个汉字, 2 月 16 日通过了新闻出版署、国家语委、全国印刷字体工作委员会的联合审定。与会专家认为,方正超大字库符合国家用字规范和印刷标准,具有良好的通用性、兼容性和一致性,符合国际流行的工业标准。
■方正超大字库解决方案
1、方正超大字库编码方案
为解决古籍整理、辞书出版中遇到的补字问题,方正超大字库采用 GBK编码,分成三个字库,将汉字扩充到 70244 字,这可以有效地解决出版问题,但在检索时会出现重码。
现在有三个方案:
(1) 使用 Unicode 所定义的 surrogate 机制:
双字节和四字节混合编码,四字节部分共可对应到至多一百万个字符
(1M,1024x1024) ,这一百万个字符的容量可以对应到 ISO 10646 定义的 16 个字
面 (plane) ,每一个字面的容量为 64K(64x1024) , CJK区域的扩展 B 字符集,位于第二个字面 (plane 2) 。
目前微软的 WINDOWS 2000已经支持这个方案。
中国刚发布的 GB18030:
双字节和四字节混合编码,是 GBK的扩充,四字节部分共 1587600 个码位,
也可以对应到 ISO 10646 定义的 16 个字面 (plane) ,还需要软件厂商的支持。
(3)ISO 10646 的四字节编码:
这种四字节编码到现在还没有支持的操作系统。
现在,不同国家和地区还在广泛使用各自不同的汉字编码标准,相同的汉字放在不同的码位,好在 ISO 10646.2 字符集快要出台,包含了大多数汉字,也引起了世界各国的重视,许多国家已经采取步骤向 UCS过渡。相信在不远的将来,使用汉字的人们能使用同一种编码交流,以便增进彼此之间的理解。
2、方正超大字库输出方案
现已面市的方正超大字库,将极大地方便专业辞书和古籍的排印。从字数
上看,它目前包含《汉语大字典》的全部
您可能关注的文档
- 数学人教版八年级下册20.1.2中位数的概念及其应用.docx
- 数学人教版八年级下册“勾股定理逆定理”教学设计.docx
- 数学人教版八年级下册一次函数与三角形的面积.docx
- 数学人教版八年级下册勾股定理数学活动.docx
- 数学人教版八年级下册勾股定理第一课时.docx
- 数学人教版八年级下册平均数第一课时教学设计.docx
- 数学人教版八年级下册正方形的教案.docx
- 数学人教版八年级下册第十六章二次根式复习课导学案.docx
- 数学人教版八年级下册练习题.docx
- 数学北师大版七年级下册两直线的位置关系(第二课时).1两条直线的位置关系(二)教学设计.docx
- 【可行性报告】2023年沙拉酱行业项目可行性分析报告.docx
- 【可行性报告】2023年选矿药剂行业项目可行性分析报告.docx
- 【可行性报告】2023年电子行李秤项目可行性研究分析报告.docx
- 【可行性报告】2023年网络监控系统相关行业可行性分析报告.docx
- 【可行性报告】2023年水电站计算机监控装置项目可行性研究分析报告.docx
- 上海2024年03月上海市公务员考试第一轮国家公务员考试消息笔试上岸试题历年典型考题与考点剖析附带答案解析.docx
- 【可行性报告】2023年电石相关项目可行性研究报告.docx
- 【可行性报告】2023年采泥器行业项目可行性分析报告.docx
- 江苏2024年06月江苏南通市通州区区级机关转任公务员36人国家公务员考试消息笔试上岸试题历年典型考题与考点剖析附带答案解析.docx
- 【可行性报告】2023年自媒体文化相关行业可行性分析报告.docx
最近下载
- 舟山市普陀区全民健身中心项目设计说明.doc
- 2023年山东女子学院计算机应用技术专业《数据结构与算法》科目期末试卷A(有答案).docx VIP
- 5215建筑财务与成本核算A.pdf VIP
- GB∕T 29315-2022 中小学、幼儿园安全防范要求.pdf
- 2023年广东广州中考数学真题(含答案).pdf VIP
- 符合《政府采购法》第22条规定的承诺书模板.docx VIP
- 常压下苯--甲苯的气液平衡数据.doc VIP
- 构建县域技术创新服务支撑体系浅探------以石狮市为例.pdf VIP
- 超星尔雅学习通《中国陶瓷鉴赏与器物陈设》章节测试答案.docx VIP
- 国家电网公司电力安全工作规程第5部分:风电场.pdf
文档评论(0)