Unicode補完計畫
Unicode補完計畫(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)是台灣電腦使用者針對大五碼(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、日文假名與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或日語的內容,在複製至ANSI架構的程式時能轉換為Unicode補完計畫字集下的對應字元,而不會造成缺字的問題(詳細字元請參看字元的來源)。它是一個自由軟體。
![](http://upload.wikimedia.org/wikipedia/commons/thumb/1/1f/Unicode_font_support.png/220px-Unicode_font_support.png)
要留意的是「Unicode補完計畫」不等於Unicode。當有人說「我已安裝Unicode」,通常是將「Unicode補完計畫」和Unicode混為一談。
「Unicode補完計畫」也不是用來解決軟體顯示亂碼的問題。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補完計畫」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
「Unicode補完計畫」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,以達到無須借助外字集、也能使大五碼文件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],對不少使用者而言確實不足夠,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。以外字集收錄字符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,就不能看到裡面的內容。
「Unicode補完計畫」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補完計畫」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畫的電腦使用者,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
「Unicode補完計畫」修改作業系統中的字碼表,處理Unicode和非Unicode字碼的對應。「Unicode補完計畫」首先是在以Unicode架構為核心的微軟Windows NT(包括Windows 2000和Windows XP)作業系統上開發,之後又支援了以ANSI架構為核心的Windows 98和Windows Me。
Linux也有另外的使用者,開發Linux版的補完計畫。
Palm上也有另外的使用者,開發對應的補完計畫:
Unicode架構的Windows
包括Windows 2000、Windows XP、Windows Server 2003,與未來的Windows系列。
修改的檔案:
- $SYSDIR\C_950.nls:Unicode與Big-5的對照表
- 如果使用者有安裝Microsoft AppLocale,安裝程式會將$WINDIR\AppPatch\AppLoc.tmp以一個同名的空白唯讀檔案取代。
- 如果使用者沒有安裝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
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
在「Unicode補完計畫」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補完計畫」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、日語的半形及全形假名、俄語西里爾字母等,涵蓋了在GB 2312(不是GBK或GB 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
「Unicode補完計畫」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、以及使用者的誤用,「Unicode補完計畫」有時反而為使用者本身──甚至其他使用者──帶來其他的麻煩。
網頁交換
這是「Unicode補完計畫」使用者可能會影響到其他使用者的最大問題。
一般的網頁瀏覽器或電子郵件客戶端,在使用者打出非該軟體顯示畫面預設編碼(例如寫一封用大五碼作編碼的信件)的字元時,軟體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補完計畫」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,其他使用者不一定能看見該使用者所打的字──除非他們也有裝「Unicode補完計畫」。於是這反而與「Unicode補完計畫」的創立宗旨背道而馳:原先避免以外字集解決缺字的「Unicode補完計畫」,反而變成另一套外字集。解決方案是,當使用者安裝「Unicode補完計畫」時,會獲得一份「HTML外字相容轉換器」(另外也有網路版),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文件,就能讓其他使用者也見到這些字元。另一種做法是,像推廣櫻花輸入法一樣推廣「Unicode補完計畫」,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
這是原櫻花輸入法使用者會面臨的問題。
在未安裝「Unicode補完計畫」的電腦,當使用者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ACDSee、Winamp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補完計畫」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補完計畫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架構作業系統的使用者必須要手動改檔名。另一個比較有效率的作法:如果是雙系統的使用者,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
- Unicode補完計畫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補完計畫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補完計畫會使用到使用者造字區;也就是說如果使用者有自造字,這些字可能會不見。
- PS:如果使用者的自有造字放在Unicode補完計畫提供的「造字保留區:0xFA40~0xFA63」內的話,則不在此限。
- 有人表示補完計畫會讓Internet Explorer的自動選擇網頁編碼準確度下降,但是無法證實。
- 在安裝補完計畫後,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:這個問題只有在使用者的Windows其「非Unicode程式語系」是「正體中文」的情況下才會發生。
- 對於不是使用系統字碼表的軟體──例如Mozilla Firefox等跨平台瀏覽器或Java軟體──補完計畫會無效,這些軟體需要「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;使用者必須在新版Windows中,複製細明體去更新Windows 98的字形檔案。
- Windows 98 / Me的使用者需要再安裝「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,而補完計畫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,使用者必須選擇「不還原」此檔案,才能安裝成功。
不屬於Unicode補完計畫但內建其字碼表的軟體
- 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補完計畫字碼表。)[2][3]
相關條目
參考文獻
參考文件
- 「Unicode補完計畫」讀我檔案(附於安裝程式中)
- C_xxx.NLS & CP_xxx.NLS結構解說
- Unicode.bin結構解說
- Windows File Protection: How to disable it on the fly
外部連結
- 「Unicode補完計畫」官方舊站 - 鏡像 (页面存档备份,存于互联网档案馆)
- 中文編碼網頁-台灣Unicode補完計畫(按部首排序)-字 (页面存档备份,存于互联网档案馆)
「Unicode補完計畫」官方網站- 失聯站台補完計畫救星[永久失效連結]- 失聯站台
備註
- ^ 註:但是在原本就只有ANSI的網路環境下──例如Telnet BBS──Unicode補完計畫還是只能當外字集用。此時使用者可以選擇有內建特殊字碼表的Telnet程式,如PieTTY,即無須安裝「Unicode補完計畫」。