方正超大字库解决方案

《方正超大字库解决方案》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、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》(543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)

2、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

3、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

4、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EXTB，北大方正积极参加了编辑讨论工作。2000年8月22日，公布的SuperCJKV10.2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

5、，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

6、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ISO10646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(plane2)。目前微软的WINDOWS2000已经支持这个方案。(2)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ISO10646定义的16个字面(plane)，还需要软件厂

7、商的支持。(3)ISO10646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ISO10646.2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5万6千余字，共收录汉字70244个

8、，并且前后端一致，所见即所得。借助于配套的方正书版9.0及典码输入法，可以免除大量的补字问题，降低劳动强度，提高工作效率。方正超大字库解决方案最初的中文计算机系统中文字符数十分有限，例如GB2312-80编码标准仅收录了6763个汉字，在实际使用中人们越来越发现，汉字不够用了。这一点倒不难理解，因为虽然人们在实际生活中并不使用过多