中文宋体字库的主要问题

1、中中文文宋宋体体字字库库的的主主要要问问题题 序 收纳七万多个宋体的ISO 10646-2012（下大多简称标准或12标准）的发布，是汉字数字化的最新里程碑。 作为人们须臾不能离开的信息交流工具 宋体字形，是当今社会中最最重要的字体，除了小学教育使用楷书之外，所 有政府文件、报纸杂志、书籍、网页、电子书等等，几乎没有例外（标题、广告 和书法等涉及的各种字体等当然不在其列，今天在网上，随便点击几下、便 可下载几百种字体，见右图）； 在Windows系统中大多直接提供的宋体字库则有： 宋体、SimSun-ExtB，宋体- 方正超大字符集、华文宋体、新宋体等，此外还有异域使用的港台的PMingLi

2、U、MingLiU-ExtB，日韩的batang、MS Mincho、New Gulim、Arial Unicode MS等，以及记事本中使用的Fixedsys、PDF文件中出现的FZShuSong_GFHZB- Identity-H等 十多种，其中最重要的中文宋体字库，无疑是前3种（以及Windows从未提供过的Sun-ExtA/B）。 但是，详细阅读 一 八 各项可知，当前中文使用的电子版宋体字库存在十分严重的问题： 应当由于Unicode和ISO 10646中方参编人员的先天原因，该标准存在重大缺陷（二，三，四）。 由中易中标电子信息技术公司的宋体、SimSun-ExtB，依旧停滞在20

3、09.6（Win 7），即ISO 10646- 2003的水平，因而才会残留大量港台字形（五，六）。 而用宋体、SimSun-ExtB进行扩编，因而唯一能够全面覆盖标准的字库，Sun- ExtA/B的研制者海峰工作室，却因可以想见的原因，已经放弃努力，转而专攻海峰五笔；编码错位（七）也就无从更正 。 Office-Word 2016不适用于扩充C/D汉字（八）的问题，是中方无人监管Microsoft公司中文软件的直接后果。 中国是汉字的发源地、并以此为荣的应用大国，CJK统一汉字由中国发起，且不断派员参与Unicode和ISO 10646的编制工作，2012标准也已经发表多年； 可是，国家语委

4、依旧抱着20多年前的GB 13000.1-93颁发规范，而对中文宋体字库的重大问题不闻不问！ 这些情况，使受派Unicode和ISO 10646的参编者寒心，使百姓，尤其是对于扩充C/D汉字有极大需求的辞书出版、古代文献研究、考古等方面的专家学 者对于教育部和国家语委的信赖受挫，将严重地影响国家的公信力。 笔者在此大声疾呼： “社会各界行动起来、一起发声，强烈要求国家语委对计算机宋体字库 进行有效的管理，保证其充分的准确性、高度的统一性，和必须的权威性，并开发出处置重码等的方法和软件。” 热切希望：十分准确、高度统一、足够权威的中文宋体字库，能够尽速问世！ 殷诚期盼：详尽可信的电子汉字信息资料

5、，简单周全的检索及输入方法，早日诞生。 注意：因本文件含有扩充C/D文字，故请勿使用 Office 2016等软件打开，否则将在其前后出现杂杂影、乱影、乱码码！ 目录 中文宋体字中文宋体字库库的主要的主要问题问题.1 序.1 一、各种字库的字形不一致（含异域）.2 一a、11种字体_在不同操作系统平台的_显示状况对照表.3 一b、扩充C/D文字在 pdf文件中的隐没问题.4 二、不恰当的编码异动.5 三、存在大量电子异体字.5 四、存在大量重码.6 五、字库字形与规范字之间有差异.7 六、字库电子汉字不符合中文习惯.7 七、字库编码错位.8 八、微软2016版Office-Word不适用于扩充

6、C/D汉字.9 一、各种字库的字形不一致（含异域） 以下是本书初稿所包含的11种字体（字库，文献编号及F-L之版本涵义均见数据库）： *A - Sun-extA由文献6引出，拟_扩充C之4位Ud采用，也适用于其它4位Ud（CJK统一及扩充A）； *B - Sun-extB由文献6引出，拟_扩充C之5位Ud采用，也适用于扩充B； *G - batang由兼容汉字引出，部分韩国文字采用； *M - MS Mincho由兼容汉字引出，部分日本文字采用； *N - New Gulim为寻找适合于日、韩的部分汉字而采用（*NH 为尽量显示康熙字形而设置，系黑体）； *P - PMingLiU由点击中文简

7、繁转换图标引出、台湾文字采用； *U - MingLiU-ExtB康熙版个别文字采用； *S 或 - SimSun-ExtB扩充B采用，其中之小部分（5849个）必须采用； *R - Arial Unicode MS为寻找适合于日/韩及康熙版的个别文字而采用； *大 - 宋体-方正超大字符集扩充A及扩充B之大部分（43392个）采用，也适用于CJK统一汉字； （无）宋体Windows缺省，文献4双字节或CJK统一汉字采用； 11 一一a、 、11种种字字体体_在在不不同同操操作作系系统统平平台台的的_显显示示状状况况对对照照表表 说说明明：Ud Unicode 编码，F L Windows W

8、ord 初始状态或处置结果 （包括表尾部的注二注八，均详见计算机汉字杂论第3篇 Windows系统_软件的安装及字体处置） 计算机当前字体文件版本状况检验 仅在采用 2007 Sub-ExtB 字体的 Windows XP_SP3 及 Vista 系统中有效；而 在 XP_SP2 系统中，扩充B 的文字及拟_扩充C之 Sub-ExtB 的文字隐没或呈现为 如果字字列显示状况与 、 列一致， 表明计算机当前字体文件的版本，满足（初稿）本系列汉字信息数据库的阅读需求 区划字体Ud 字字 *N 55E D 嗭 *R6268 扨 *M6327 挧 *G 66E A 曪 *P7668 癨 *大 鰴 *A

9、 鰴 9C3 4 鰴 E81 E E81 F 统一汉字 *宋 359 E *大3400 *N3402 扩充A *P 36A 8 *S *大 20000 *U 扩充B 24CB 8 2B735 *B 2F800 2FC 7 拟_扩充C *A FA5 F 提示 一一b、 、扩扩充充C/D文文字字在在 pdf文文件件中中的的隐隐没没问问题题 这一问题与中文宋体并无直接关系。 但是汉字的显示涉及文件的可读性，十分重要，且与其他问题有某种相似性，故作为参考附件录载于此。 Microsoft公司的Word 2010提供新功能，可将 .doc/docx 文件另存为 .pdf 文件，具有3个特点： 1)避免读

10、者计算机中的字库软件对文件显示效果的干扰、不再变形； 2)可对 .pdf文件中的内容进行检索； 3)给没有安装 word软件的读者以极大方便。 然而应用证明，当Ud处于扩充C/D范围时，转换结果显示空白（虽然仍可检索），使该功能实际上在此区间无法 应用； 作者发现，有两种状况会将隐没的文字重新显现出来： 、采用汉王 PDF OCR软件，将pdf文件拆分成单页； 、将pdf文件上传到服务器（网页）中，使用360安全浏览器7- http:/ 据此，作者认为，只需 Microsoft公司对Office软件稍作调整，便可以解决上述隐没问题 今天，Windows10及Office2016等已经问世，上述

11、问题是否得到改进请读者自行体验；Word2016对扩充C/D部分 汉字的乱码问题，则是作者刚刚发现的又一个新的问题。 以下是初稿中发现相关问题之片段片段： Doc原件 ISO 10646-2012Ud: 2B735-2B73F及2010 Sun-ExtB均空白。 2EBF*A 2ECD*A 2ECE*A 2ECF*A 2F21*A 2F26*A 2B523*B 2B524*B 2B525*B 2B526*B 2B527*B 2B528*B 2B53D*B 2B53E*B 2B53F*B 2B540*B 2B541*B 2B542*B 2B56B*B 2B56C*B 2B56D*B 2B56E*

12、B 2B56F*B 2B570*B 2B5ED*B 2B5EE*B 2B5EF*B 2B5F0*B 2B5F1*B 2B5F2*B 2B626*B 2B627*B 2B628*B 2B629*B 2B62A*B 2B62B*B 2B665*B 2B666*B 2B667*B 2B668*B 2B669*B 2B66A*B 2B6D6*B 2B6D7*B 2B6D8*B 2B6D9*B 2B6DA*B 2B6DB*B Pdf文件（截图） 汉王 PDF OCR软件，将pdf文件拆分成单页字符出现错位（截图） 浏览器显示状况略 二、不恰当的编码异动 Unicode、ISO10646标准在升级中，将编

13、码的汉字定义进行了不恰当的异动，相应造成字库的汉字变异： 字库 2007 Sun-ExtB2010 Sun-ExtB 标准Unicode 5.0ISO 10646-2012 / Unicode 6.0 备 注 T-35,J-4,K-3,V-22,-1；G略 四角号码Ud码 当前图条图条 Ud码 当前参考 左列Ud码在10字库时的无效显示图条 00107 2AF9 B 2AF6 E V 00134 2AF9 7 2AF6 A 00153 2AF9 A 无图 即 同右 ， 下同 2AF6 D 279122B058 2B028 康熙 279272B068 2B038 27927 2B72 D 2B6

14、E 7 康熙 28112 2B6E 1 2B69 B 康熙 281222B151 见本表尾部注 28127 2B14 D 2B11 B 康熙 28127 2B6D 3 2B68 D 康熙 28132 2B6E A 2B6A 4 康熙 281472B15F 2B12 D 康熙 28157 2B15 B 2B129 康熙 28161 2B6D D 2B697 康熙 在本表的523个字中，有等3个未能在 ISO 10646-2012扩充C/D部分 找到。 三、存在大量电子异体字 以部首糹糹下部左点居中下部左点居中的字 1，如： 康熙：223 18为典型，因为该电子字与任何地域均无关系。 1 糹下部之

15、左点，大陆向左、港台向右（越南三点均偏左，日韩同康熙字形为 ）；UCS2003 （）则不偏不倚，似居中融合，不免使人产生联想 但是本书将之定义为电子异体字，因为在可以预期的几十年之内，难以实现。 四、存在大量重码 根据该字Ud码在12标准中的位置，可分为以下四种类型： a散见重码、b兼容重码、c追加重码、d部首补充及康熙部首、笔画部件部分的重码。 重码字的概念系由作者自行定义（且较初稿扩大），基本以 # 作标记，或者进一步细分为： #Z 真重码12标准（可能仅为UGTH之一）的两个字形真真的相同，如 9459鑙 /28BBA #Z； 编码不同、而字形相同，无须再做解释。 #G 改重码只有10字

16、库等的字形相同，如 哅 #G， 狦#G， #G，此时，12标准字形截图附Ud码 作者建议尽快更改改字库字形。 #D 等重码当根据文献6将部分兼容重码列为字条时，有些字形差异很大，但标准以表示2全 等等的文字，如 745C瑜 康熙：171 26 /2F92F #D，进而推广到部首补充以、康熙部首以表述的文字以及康熙字典中的避讳字； 作者建议称为等重码， 实际上，许多真重码或一般重码本身就是等重码，不再详细区分。 记事本Notepad等软件已经将93标准的 兼容汉字自动地转换成统一汉字，见附录2. CJK兼容汉字 检索表。 检阅康熙字典字头表（以下简称字头表）可以看到，绝大多数电子汉字已经改为通用

17、/行字形，典型如食部404 字中、原有的339个康熙版偏旁，现在变成飠 3偏旁，更接近原状的仅剩1个飮#B；所以，对于少量保留（或残存有） 康熙字形的文字等，可以分作以下7种类型分别处置： #B 并重码 B1、对康熙字典重见字之后者（康熙字形同），特意异构的一个电子字，如 3B36 康熙：114 20 /266E9 康熙：417 08 #B等； B2、对康熙字典中字形原本相似、常常混用（襾西覀- ）的字，如 8FFA迺 康熙：323 97 /284BF康熙：420 09 #B等； B3、已经有通行字、却又另外规定一个大体上保留康熙字形的文字，如 飲-飮#B、脱- 脫#B、社-#B、録4-錄#B

18、等；或相反 B4、港台已经使用（或接近）通行的文字，本土却仍保留康熙字形的文字，如 -#B、-#B B5、因简化字、通行字的出现，使与其重合的康熙字形，如 胶-#B B6、与简化字重复的杜撰简化字，如 开-#B、愿-#B （上述）六种文字，作者建议5合并并拼音和字义。 2 全等符号被引入12标准表明，汉字的融合（统一和减少重复）早已是东亚汉字圈的共识（/#D大概是反向统一 的罕有个案，其实前者应当按GKX定字形）；此外本书所引述的被重码字与的指向可能不同，如#D的指向为 郎，而其被重码为郞，两者有通行和异体之别。 3 后者属于通用字形（飠）的统一问题，数量众多。 4 少量并重码在字条角注中加列

19、依据（文献12规范字），如“康熙字典原为錄，现改通行字（录）。”。 5 字头表中的许多*P以港台文字反证的方式，表明了中文电子汉字基本通用化的现状；如果按通用化要求实现全部 统一，那么这些并重码终将被融合；因此，所谓并重码，其实只是对自1965年开始的通用汉字字形进程所作的延续 和完善工作之预案。 五、字库字形与规范字之间有差异 Ud 电子字 规范 截图 Sun-ExtA Sun-ExtB SimSun -ExtB 宋体-方正 超大字符集 宋体 华文宋体 新宋体 5165 入 0011 入-入入 入 入 5141 允 0183 允-允允 允 允 5145 充 0525 充-充充 充 充 579

20、5 垕 6859 垕-垕垕 垕 垕 2677 C 7568 - - 7C20 簠 8007 簠-簠簠 簠 簠 59D0 姐 1326 姐-姐姐 姐 姐 59B9 妹 1324 妹-妹妹 妹 妹 上表截图供字体变异时对照。 六、字库电子汉字不符合中文习惯 不符合通用字形， 与项三电子异体字的差别是：前者字形不同于任何地域，此处例子则大多按照台湾汉字出现； 与项五字库字形的差别是：前者字形有明确的规范对照，此处例子则未必。 3665 4BA7 20187 20235 202A3 203C0 七、字库编码错位 20106版Sun-ExtA/B.ttf虽是当今 唯一涵盖唯一涵盖7扩充C/D的字库，但绝非完美，除了少量重码（如