Unicode 中的幽灵

Unicode 中的幽灵 这篇文章是代码与计算机以及日语语言技术合集的一部分。 1978 年，日本经济产业省制定了后来被称为 JIS X 0208 的编码，至今仍是所有日本编码的重要参考。然而，在JIS标准发布后，人们注意到了一些奇怪的事情——一些添加的字符没有明显的来源，没有人能说出它们的含义或应该如何发音。没有人知道他们来自哪里。这些就是后来被称为“幽霊文字”的东西。小心你写的东西。很长一段时间以来，鬼魂角色一直是人们无法解释且大多被遗忘的好奇心，但在 1997 年，一项调查开始了，以查明它们的来源。虽然 JIS 标准中的所有字符都应该有其来源记录，但即使存在，它也不是很具体，通常只是列出其来源的文档。你可能会认为列出来源可以让追查字符的起源变得容易，但重要的是要澄清什么才算是“来源”——鬼字符最常见的来源之一是“国土行政区画総覧”，这是一份日本地名的综合列表。你可能会像我最初那样，把它想象成一本地图集，一本最多几百页的超大书。事实证明，最新版本是一套七卷，每卷大约有九百页。想象一下在没有页面引用的情况下追踪单个字符。尽管困难重重，对幽灵角色的调查还是成功地发现了他们的起源——大部分是这样。通过采访参与制定该标准的编目员，调查人员发现一些字符是编目过程中无意中发明的错误。例如，妛是在尝试录制“山超过女”时引入的错误。 “山过女”出现在一个特定的地名中，因此适合纳入JIS标准，但由于他们还不能将其作为一个字符打印，所以将“山”和“女”分开打印，剪下来，粘贴到一张纸上，然后复印。阅读文案时，两张小纸片相交的那条线看起来像笔画，是错误地添加到字符上的。原始字符 ( 𡚴 ) 直到很久以后才添加到 JIS 或 Unicode 中，并且不会在我的大多数网站上显示。核心鬼字：妛挧暃椦槞蟐袮閠駲墸壥彁，最终只有一个字，既没有明确的出处，也没有任何历史先例：彁。最有可能的解释是，这是对“强”字的误读，但没有发现具体事件。随着 JIS 标准的普遍采用，这些字符全部进入 Unicode，并在 CJK 统一期间引入了自己独立的一组幽灵字符。总结一下——1978年，一系列的小错误无中生有地创造了一些角色。这些错误未被发现的时间足够长，足以被固定下来，现在这些幽灵，至少在潜在的程度上，是地球上每台计算机的一部分，潜伏在字符表的黑暗角落里。按照这个速度，他们可能会永远与人类在一起。 Ψ 参考资料/相关链接：幽霊文字 ‐ 通信用语の基础知识 - 最详尽的在线资源，引用自 1997 年的调查。 大正十二年の幽霊文字 - ことばマガジン：朝日新闻デジタル - 由于“强”印刷褪色而在数字化大正报纸中错误使用“彁”的例子。 Nico Nico Douga 的 Wiki 将它们视为妖怪的名称。 《天书》或《天书》是徐冰仅使用汉字手工印刷的书。 2018-07-29T14:03:09+09:00