探讨古汉字使用ivs编码的可行性ideographicvariationsequence.pdfVIP

探讨古汉字使用IVS 编码的可行性 香港理工大学计算学系 陆勤 Ideographic Variation Sequence 异体字序列表示法简介 基本字：已编码的汉字 异体字选择符（variation selector，异选符）: U+E0100 至 U+E1EF(共240个） 使用方法：IVS IVS: 基本字+异选符 IVS: = 对应一个字形, 须经注册 = 异体字序列库 特点： 与基本字的关联性 Combining sequence处理绝大部分系统都可以处理 例： :) = ☺ 一个基本字可有最多240个异体字 2 从“无序”编码到有关联的“次有序”编码 已有的IVS定义 日文: Adobe Japan-1 IVD 开发到审定: 2006.12 – 2007.12 字符总数: 14,645 日文汉字 使用方法 用 ‘cmap’ 子表— 14 表 用两个 Unicode 字符 映射到一个字形标示符 GID (Glyph ID) 基本字+ 异选符 = GID 例: 辻(U-8FBB), U-8FBB + U-E0101 = 3 已支持IVS的应用 Adobe Acrobat 9.0版—PDF 文件 以浮动板的形式提供不同异体字的选择 Adobe Flash Player 10版 通过 flash.text.engine 应用界面提供选项 JustSystems(日本公司) 输入法提供异体字 的选择 4 古汉字的特点( 甲骨文) 异体字形多 异体字形需要得到保留 至少不能用CJK的认同规则 字形的研究,表达是甲骨文工作的重要部分 使用CJK的编码形式的优点和局限 异体的关联需用附加的表提供 需自行开发软件支持异体字的查找 如编码已有某种顺序,新增符不可能尊重原序 但有灵活性:一个字形可以和不同的字发生关联 5 古汉字例(IRGN1433) 6 甲骨文用IVS的可行性 前提 绝大部分异体字形组不超过240个 绝大部分甲骨文工作者都有认同基本字的概念 字形如与多个基本字可认同,可有一个稳定的主基本字 使用IVS的好处 与现时甲骨文整合工作有一致性 编码速度快,灵活性高 对基本字的关联在编码层次上实现,有利不同应 用程序的开发 增加新字对排序的影响最小 7 可预见的问题 对不确定关联字的字形如何编码 作为另类,分开编码 事后关联的建立只能通过自定义表格来实现 推迟编码指导可确定关联(IRG现时的做法) 结论:IVS是一个值得考虑的不错的选择 8