中日韓越統一表意文字

中日韓越統一表意文字（CJKV Unified Ideographs），目的是要把分別來自中文、日文、韓文中，本質相同、形狀一樣或稍異的表意文字（主要為漢字，但也有仿漢字如日本國字、韓國獨有漢字）於ISO 10646及Unicode標準內賦予相同編碼。越南文後來亦加入此計畫，所以亦有“CJKV”的稱呼。Unicode亦開始收錄其仿漢字－喃字。

基本介紹

• 中文名：中日韓越統一表意文字
• 外文名：CJKV Unified Ideographs
• 時間：1980年
• 國家：中日韓越
• 文字：中文、日文、韓文、越文

概況

中日韓越統一表意文字（英語：CJKV Unified Ideographs），舊稱中日韓統一表意文字（英語：CJKUnified Ideographs），也稱統一漢字（英語：Unihan），目的是要把分別來自中文、日文、韓文、越文、壯文中，對於相同起源、本義相同、形狀一樣或稍異的表意文字主要為漢字，但也有仿漢字如：方塊壯字、日文漢字（かんじ / kanji）、韓文漢字（한자 / hanja）、越南的喃字（Chữ Nôm）與越文漢字[漢字/Hán Tự，在越南也稱作儒字（𡨸儒/Chữ Nho）]，應賦予其在ISO 10646及統一碼標準中有相同編碼。此計畫原本只包含中文、日文及韓文中所使用的漢字，是以舊稱中日韓統一表意文字（CJK）。後來，此計畫加入了越文的喃字，所以合稱中日韓越統一表意文字（CJKV）。

歷史沿革

1978 年，日本基於ISO 2022，制訂了全世界最早的漢字編碼 JIS C6226。1980年代，中國大陸、台灣、韓國則各自製訂了自己的規範。這些規範彼此之關並無關聯。若要在一份檔案中同時使用，則要以脫序字元的方式來交換。

1980 年，日本的國立國會圖書館的高橋德太郎以圖書學的觀點指出，一個統一的東亞漢字編碼系統是有必要的。同年，台灣制定了三位元組的中文信息交換碼。偶然的是，這是第一個期望可以一致處理中國大陸、日本、台灣漢字的編碼。之後，美國的國會圖書館採用了此規格，並另外命名為東亞編碼字元（EastAsia Coded Character，EACC，ANSI/NISOZ39.64）。

1984年，ISO 的文字編碼委員會（ISO/TC97/SC2）決議制訂出一套編碼規格（ISO10646），是以交換文字集的方式來統一處理世界的文字。並成立了工作小組(ISO/TC97/SC 2/ WG 2)。這個編碼一開始的構想是採用16位，而對於日本及中國等國的漢字編碼則原封不動地加入。但若如此，中國當時所制訂的編碼都無法加入，因而反對。並於1989年，提出了各國的漢字統合集合（HanCharacter Collection，HCC）的構想。

1990年完成了 ISO10646 的初版草案（DIS10646）。漢字使用32 位來表示。並將各國的漢字編碼原封不動地加入。但中國認為，若各國各自為漢字編碼，將不利於統一處理漢字，因而反對。為了日後關於漢字編碼的討論及方針能順利進行，並呼籲WG 2 特別設定了中日韓聯合研究小組（CJK-JRG，JointResearch Group，為表意文字小組的前身），以持續討論。

另一方面，1987年，全錄的 JoeBecker 和Lee Collins 開發了統合處理全世界所有文字的統一碼。1989年發表了統一碼概要。基本為 16 位。於是，中、日、韓文字統合了。基本方針為以16 位處理所有文字。 1990年，完成了基於此方針的最終草案。來年1991年1月，大致同意此方案的企業成立了統一碼聯盟。中、日、韓中類似的漢字使用約二萬多個字。為了未來擴充，保留了三萬個漢字以供其它用途。

1991年，各國希望能以一致的方式處理文字，如統一碼這般，因而否決了ISO/IEC 10646 的初版草案。基於中國與統一碼聯盟的提議，ISO10646 和統一碼成立了中日韓聯合研究小組。中日韓聯合研究小組將基於各國的漢字編碼，獨自訂定規範、製作ISO 10646 和統一碼的統一漢字編碼。年尾，完成了UnifiedRepertoire and Ordering (URO) 。

1992年，URO 加入 ISO10646 的第二版。但是，發現了一些缺失，之後進行了修正。

1993年5月，正式制訂了最初的中日韓統一表意文字，位於U+4E00–U+9FFF 這個區域，共20,902 個字。一個月後，制訂了統一碼1.1 。

1999年，依據 ISO/IEC10646 的第17 個修正案（Amendment17）訂定了擴充區 A ，於U+3400–U+4DFF 加入了6,582 個字。

2001年，依據 ISO/IEC10646-2，新增了擴充區B ，有 42,711 字。位於U+20000–U+2A6FF。但因在短時間內增加了大量的漢字，導致產生了許多重複的字形。

2005年，依據 ISO/IEC10646:2003 的第1 個修正案（Amendment1），基本多文種平面增加了 U+9FA6 到 U+9FBB 等 22 個漢字。

2009年，統一碼 5.2 擴充區 C 增加了U+2A700-U+2B734 和U+9FC4～U+9FCB。

2010年，統一碼 6.0 擴充區 D 增加了U+2B740-U+2B81F 。

2012年,1字增加 U+9FCC 。

字源

最初期統一漢字

最初期的統一漢字（20,902字）字源來自以下字集：

中國大陸的G源

G0：GB 2312-80：6,763字

G1：GB 12345-90：2,352字（含58個香港字和2個吏讀字，不包括和G0重覆的字）

G3：GB 7589-87：7,237字

G5：GB 7590-87：7,039字

G7：現代漢語通用字表：642（G0, 1, 3, 5, 8未包括的字）

G8：GB 8565-89：290字（G0, 1, 3, 5未包括的字）

台灣的T源

T1：CNS 11643-1986第一字面：5,401+9字（含9個計量用漢字）

T2：CNS 11643-1986第二字面：7,650字

TE：CNS 11643-1986第十四字面：6,319+239+10（含239個CCCII特字和10個XCCS特字）

日本的J源

J1：JIS X 0208-90：6,335+1字

J2：JIS X 0212-90：5,801字

韓國的K源

K0：KS C 5601-87：4,888字（含268個重見字）

K1：KS C 5657-91：2,856字

以上的來源字集會實施字源分離原則。

另外還有：ANSI Z39.64-1989（EACC）、Big5、CCCII第一面、GB 12052-89、JEF、中國大陸電報碼、台灣電報碼、Xerox Chinese。這些來源字集不會實施字源分離原則。

很多人以為20,902統一漢字中來自台灣的只是Big5的一萬三千多字，其實不然.

擴展A區

擴展A區包含有6,582個新的漢字，位置在 U+3400—U+4DB5。相比起最初期統一漢字，擴展A區多了來自多個來自中國大陸、台灣、新加坡等漢字。

這6千多個漢字分別從以下字典或字集中取得：中國大陸 《康熙字典》5357字(獨有1892字)

《漢語大字典》5888字(獨有339字)

G3：GB 7589-87 繁體字：2391字

G5：GB 7590-87 繁體字：1226字

G7：120字 GS：新加坡漢字226字 台灣 T3：CNS 11643-1992 第三字面（原本為CNS 11643-1986第十四字面）新加入字元

T4：CNS 11643-1992 第四字面

T5：CNS 11643-1992 第五字面

T6：CNS 11643-1992 第六字面

T7：CNS 11643-1992 第七字面

TF：CNS 11643-1992 第十五字面

日本 JA： Unified Japanese IT Vendors Contemporary Ideographs, 1993

韓國K2：PKS C 5700-1:1994 K3：PKS C 5700-2:1994

越南 V0：TCVN 5773:1993 V1：TCVN 6056:1995

擴展B區

擴展B區包含有42,711個新的漢字，位置在 U+20000—U+2A6D6。根據ISO/IEC JTC1/SC2/WG2/IRG N777號檔案，這四萬多個漢字分別從以下字典或字集中取得：

CNS 11643的第4平面到第15平面所收錄的30,177個漢字；

在《漢語大字典》中出現的28,914個未收錄漢字；

在《康熙字典》中出現的18,486個未收錄漢字（包括一個在補遺篇出現漢字）；

在朝鮮的國家標準所收錄的5,642個漢字；

在越南的國家標準所收錄的4,232個字喃；

HKSCS中出現的1,081個未收錄漢字；

《漢語大詞典》中出現的553個未收錄漢字；

《四庫全書》中出現的522個未收錄漢字；

日本工業標準的JIS X 0213第3平面及第4平面的302個未收錄漢字；

1980年代版本的《辭海》中出現的247個未收錄漢字；

大韓民國PKS 5700-3:1998中出現的166個未收錄漢字；

《中國大百科全書》中出現的86個未收錄漢字；

《辭源》中出現的66個未收錄漢字；

北大方正排版系統中出現的65個未收錄漢字；

這堆漢字中重複的漢字有不少，所以經過整理之後，總數實際上只有42,711個漢字。

另外，在 U+2F800—U+2FA1D 的位置，放了542個來自台灣的兼容漢字。

Unicode 4.1漢字

為使 Unicode 向下兼容 GB 18030 和香港增補字元集（HKSCS）的所有漢字，而擴展C區又遲遲未能出籠，在 Unicode 4.1 版中引進了14個香港增補字元集的用字和8個 GB 18030 用字。該22字被編於 U+9FA6—U+9FBB 的位置。

另外，在 U+FA70—U+FAD9 的位置，放了106個來自朝鮮的兼容漢字。

擴展C區按計畫，中日韓統一表意文字擴展C區將收錄4,251個漢字，包括來自中國大陸、澳門、台灣、日本、越南等尚未被編碼的漢字。這些漢字預計會收錄在下一版的 Unicode 版本中，位置在 U+2A6E0—U+2B77A。

字源分離原則

字源分離原則（Source Separation Rule）是整理中日韓統一表意文字的基礎。

由於CJK各地字型多有微妙的差異，如“戶”字的第一筆，台灣作撇、中國大陸作點、日本作橫，這種程度的差異，理想上是整並為一個字為佳。然而，從之前各種受挫之文字整並計畫的經驗得知，整合字集與現行通用字集（Big5或國標碼）等無法一一對應，是推行整合字集的最大阻礙。

例如，日本的JIS標準同時收錄了“剣”字與“劍”字，原本JIS檔案里這兩個字可以並存，但採用整合字集後反而變成同一個字，會造成使用上的困擾。於是，字源分離原則因而誕生。

字源分離原則是指，在上述所列出之各種字源里，若有任何字集同時收了兩種以上的文字字形，則在Unicode中日韓統一表意文字中，也同時收錄這些字。這樣一來，現行的各種原有字集與Unicode漢字可以一一對應。

由於Unicode中日韓統一表意文字的主要訴求，就是能大幅減少Unicode收錄漢字字數，同時尊重各地的習慣字形。但字源分離原則則破壞了“只對字，而不對字形”編碼之原則，亦遭受不少批評。

已統一的漢字原則上ISO 10646隻對字（Character），而非字形（Glyph）編碼。同一字各地可使用自己的標準寫法。下例中使用HTML標示同一編碼的字在不同地區中的寫法。

擴展C區

於2009年10月發布的Unicode 5.2涵蓋了擴展C區，共收錄4,149個漢字，包括來自中國大陸、澳門、台灣、日本、越南等尚未被編碼的漢字。位置在 U+2A700—U+2B734。

擴展D區

擴充區D包含的都是所謂的「急用漢字」，合共222個新漢字，於2010年下旬發布的Unicode6.0中，編碼範圍為 U+2B740 至 U+2B81F（實際有字元為 U+2B740 至 U+2B81D）。

擴展D區原本計畫放置擴展C區未收錄的16,000多個漢字，但在2007年5月，台灣撤消了6,545個第二部分字集內私用漢字，不再使用字，原因是那些人名用字的擁有人或已去世或已移居外地，此後擴展D區縮減到大約10,000字左右。，由於各種阻礙，協定先把數量較少，又急切要收錄的漢字提交出來，就是「急用漢字」，以便和統一碼6.0.0版一起發表。提出的急用漢字只有二百二十二字（本來有二百二十三字，但中國大陸撤回其中一字）。現在文字小組把第二部分字集延後到擴充E區。

漢字

有些字只是同一字在不同地區的寫法，理應統一，但因為字源分離原則而只好分開編碼。值得注意的是字源分離原則由擴展A集 (Extension A) 開始已沒有使用，原因是CNS中有太多字形非常接近，按 Unicode 標準應該統一的字。這些字只有第一個會編入正式字集(包括Extension A,B,C) 中，其餘的編入位於第二輔助平面的表意文字補充兼容區 (Compatibility Ideographs Supplement) 中。

以下是所有摘自ISO/IEC JTC1/SC2/WG2字源分離原則檔案之中有的字。

Unicode	字	Unicode	字	Unicode	字
U+4E1F	丟	U+4E22	丟
U+4E48	么	U+5E7A	麼
U+4E89	爭	U+722D	爭
U+4EDE	仞	U+4EED	仭
U+4F75	並	U+5002	倂
U+4FA3	侶	U+4FB6	侶
U+4FC1	俁	U+4FE3	俁
U+4FDE	俞	U+516A	兪
U+4FF1	俱	U+5036	倶
U+5024	値	U+503C	值
U+5077	偷	U+5078	偷
U+507D	偽	U+50DE	偽
U+514C	兌	U+5151	兌
U+514E	兎	U+5154	兔
U+5156	兗	U+5157	兗
U+518A	冊	U+518C	冊
U+51C0	淨	U+51C8	淨
U+51E2	凢	U+51E3	凣
U+5203	刃	U+5204	刄
U+520A	刊	U+520B	刋
U+5220	刪	U+522A	刪
U+5225	別	U+522B	別
U+5238	券	U+52B5	劵
U+5239	剎	U+524E	剎
U+524F	剏	U+5259	剙
U+525D	剝	U+5265	剝
U+5292	劍	U+5294	劔
U+52FB	勻	U+5300	勻
U+5355	單	U+5358	単
U+5373	即	U+537D	卽
U+5377	卷	U+5DFB	巻
U+53C1	叄	U+53C2	參
U+53C3	參	U+53C4	叄
U+5415	呂	U+5442	呂
U+541E	吞	U+5451	呑
U+5433	吳	U+5434	吳	U+5449	呉
U+5436	吶	U+5450	吶
U+543F	吿	U+544A	告
U+5527	唧	U+559E	喞
U+55A9	喩	U+55BB	喻
U+5618	噓	U+5653	噓
U+568F	嚏	U+5694	嚔
U+56EF	國	U+56FD	國
U+5708	圈	U+570F	圏
U+570E	圎	U+5713	圓
U+5716	圖	U+5717	圗
U+5759	坙	U+5DE0	巠
U+57D2	埒	U+57D3	埓
U+5848	塈	U+588D	墍
U+5861	塡	U+586B	填
U+5897	増	U+589E	增
U+58EE	壯	U+58EF	壯
U+58FD	壽	U+5900	壽
U+5910	夐	U+657B	敻
U+5932	夲	U+672C	本
U+5965	奧	U+5967	奧
U+5968	奨	U+596C	獎	U+734E	獎
U+5986	妝	U+599D	妝
U+598D	妍	U+59F8	姸
U+59CD	姍	U+59D7	姍
U+59EB	姫	U+59EC	姬
U+5A1B	娛	U+5A2F	娯	U+5A31	娛
U+5A55	婕	U+5AAB	媫
U+5A7E	婾	U+5AAE	偷
U+5AAA	媼	U+5ABC	媼
U+5AAF	媯	U+5B00	媯
U+5B0E	嬎	U+5B14	嬔
U+5B24	嬤	U+5B37	嬤
U+5B73	孳	U+5B76	孶
U+5BAB	宮	U+5BAE	宮
U+5BDB	寛	U+5BEC	寬
U+5BDC	寜	U+5BE7	寧
U+5BDD	寢	U+5BE2	寢
U+5C02	専	U+5C08	專
U+5C06	將	U+5C07	將
U+5C13	尓	U+5C14	爾
U+5C19	尙	U+5C1A	尚
U+5C2A	尪	U+5C2B	尫
U+5C36	尶	U+5C37	尷
U+5C4F	屏	U+5C5B	屛
U+5CE5	崢	U+5D22	崢
U+5DD3	巓	U+5DD4	巔
U+5E21	帡	U+5E32	帲
U+5E2F	帯	U+5E36	帶
U+5E76	並	U+5E77	幷
U+5EC4	廄	U+5ECF	廏
U+5F11	弒	U+5F12	弒
U+5F37	強	U+5F3A	強
U+5F39	彈	U+5F3E	弾
U+5F50	彐	U+5F51	彑
U+5F54	彔	U+5F55	錄
U+5F59	匯	U+5F5A	彚
U+5F5B	彛	U+5F5C	彝
U+5F5D	彝	U+5F5E	彝
U+5F65	彥	U+5F66	彥
U+5FB3	徳	U+5FB7	德
U+5FB4	征	U+5FB5	征
U+6075	恵	U+60E0	惠
U+6085	悅	U+60A6	悅
U+609E	悞	U+60AE	悞
U+60B3	悳	U+60EA	惪
U+6120	慍	U+614D	慍
U+613C	愼	U+614E	慎
U+6229	戩	U+622C	戩
U+622F	戲	U+6231	戱
U+6236	戶	U+6237	戶	U+6238	戸
U+623B	戻	U+623E	戾
U+629B	拋	U+62CB	拋
U+629C	抜	U+62D4	拔
U+6329	挩	U+635D	挩
U+633F	挿	U+63D2	插	U+63F7	揷
U+634F	捏	U+63D1	揑
U+635C	捜	U+641C	搜
U+63B2	掲	U+63ED	揭
U+63FA	揺	U+6416	搖	U+6447	搖
U+63FE	搵	U+6435	搵
U+6483	撃	U+64CA	擊
U+654E	敎	U+6559	教
U+6553	敓	U+655A	敚
U+65E2	既	U+65E3	旣
U+6602	昂	U+663B	昻
U+665A	晚	U+6669	晩
U+66A8	暨	U+66C1	曁
U+66FD	曽	U+66FE	曾
U+67B4	拐	U+67FA	拐
U+67E5	查	U+67FB	査
U+67F5	柵	U+6805	柵
U+68B2	梲	U+68C1	梲
U+6961	楡	U+6986	榆
U+6982	概	U+69EA	槪
U+6985	榲	U+69B2	榲
U+699D	榝	U+6A27	樧
U+69C7	槇	U+69D9	槙
U+69D8	様	U+6A23	樣
U+6A2A	橫	U+6A6B	橫
U+6B65	步	U+6B69	歩
U+6B72	歲	U+6B73	歳
U+6B7F	歿	U+6B81	歿
U+6BBB	殼	U+6BBC	殼
U+6BC0	毀	U+6BC1	毀
U+6BCE	毎	U+6BCF	每
U+6C32	氳	U+6C33	氳
U+6C5A	污	U+6C61	污
U+6C92	沒	U+6CA1	沒
U+6D44	浄	U+6DE8	淨
U+6D89	涉	U+6E09	渉
U+6D97	涗	U+6D9A	涚
U+6D99	涙	U+6DDA	淚
U+6DE5	淥	U+6E0C	淥
U+6DF8	?#91;	U+6E05	清
U+6E07	渇	U+6E34	渴
U+6E29	溫	U+6EAB	溫
U+6E88	溈	U+6F59	溈
U+6E89	溉	U+6F11	漑
U+6EDA	滾	U+6EFE	滾
U+6F5B	潛	U+6FF3	濳
U+7028	瀨	U+702C	瀬
U+70BA	為	U+7232	為
U+712D	焭	U+7162	煢
U+7155	煕	U+7199	熙
U+7174	熅	U+7185	熅
U+72B6	狀	U+72C0	狀
U+7464	瑤	U+7476	瑤
U+74F6	瓶	U+7501	甁
U+7522	產	U+7523	產
U+75E9	痩	U+7626	瘦
U+76A1	皡	U+76A5	皥
U+771E	眞	U+771F	真
U+773E	眾	U+8846	眾
U+7814	研	U+784F	硏
U+797F	祿	U+7984	祿
U+79BF	禿	U+79C3	禿
U+7A05	稅	U+7A0E	稅
U+7A42	穂	U+7A57	穗
U+7B5D	箏	U+7B8F	箏
U+7BB3	箳	U+7C08	簈
U+7BE1	篡	U+7C12	簒
U+7CA4	粵	U+7CB5	粵
U+7D55	絕	U+7D76	絕
U+7DA0	綠	U+7DD1	綠
U+7DD2	緒	U+7DD6	緖
U+7DE3	緣	U+7E01	縁
U+7DFC	縕	U+7E15	縕
U+7E48	襁	U+7E66	襁
U+7FAE	羮	U+7FB9	羹
U+7FF6	翶	U+7FFA	翱
U+80FC	胼	U+8141	腁
U+812B	脫	U+8131	脫
U+817D	膃	U+8183	膃
U+8203	舃	U+8204	舄
U+820D	舍	U+820E	舎
U+8216	鋪	U+8217	舗
U+8358	荘	U+838A	莊
U+83D1	菑	U+8458	葘
U+8480	蒀	U+8495	蒕
U+848B	蔣	U+8523	蔣
U+848D	蒍	U+853F	蔿
U+8570	薀	U+8580	薀
U+85AB	薫	U+85B0	熏
U+85F4	蘊	U+860A	蘊
U+865A	虛	U+865B	虛
U+86FB	蛻	U+8715	蛻
U+885B	衛	U+885E	衛
U+886E	袞	U+889E	袞
U+88C5	裝	U+88DD	裝
U+8A2E	訮	U+8A7D	詽
U+8AAA	說	U+8AAC	說
U+8ACC	諌	U+8AEB	諫
U+8B20	謠	U+8B21	謠
U+8C5C	豜	U+8C63	豣
U+8D70	走	U+8D71	赱
U+8EFF	軿	U+8F27	輧
U+8F1C	輜	U+8F3A	輺
U+8F3C	轀	U+8F40	轀
U+8FBE	達	U+8FD6	迖
U+8FF8	迸	U+902C	逬
U+9059	遙	U+9065	遙
U+90A2	邢	U+90C9	郉
U+90CE	郎	U+90DE	郞
U+90F7	郷	U+9109	鄉	U+9115	鄉
U+9196	醞	U+919E	醞
U+91A4	醤	U+91AC	醬
U+9203	鈃	U+9292	銒
U+92B3	銳	U+92ED	銳
U+9304	錄	U+9332	錄
U+932C	錬	U+934A	煉
U+93AD	鎭	U+93AE	鎮
U+95B1	閱	U+95B2	閱
U+9667	隉	U+9689	隉
U+9751	靑	U+9752	青
U+9759	靜	U+975C	靜
U+976D	韌	U+9771	靱
U+9839	頹	U+983D	頹
U+984F	顏	U+9854	顏
U+985A	顚	U+985B	顛
U+98EE	飮	U+98F2	飲
U+9905	餅	U+9920	餠
U+99B1	馱	U+99C4	駄
U+99E2	駢	U+9A08	騈
U+9AA9	骩	U+9AAB	骫
U+9AD8	高	U+9AD9	髙
U+9AEA	髪	U+9AEE	發
U+9B2C	鬬	U+9B2D	斗
U+9C1B	鰮	U+9C2E	鰮
U+9CEF	鳯	U+9CF3	鳳
U+9D87	鶇	U+9DAB	鶫
U+9DC6	鷆	U+9DCF	鷏
U+9EAA	面	U+9EAB	麫
U+9EBC	么	U+9EBD	么
U+9EC3	黃	U+9EC4	黃
U+9ED1	黑	U+9ED2	黒

問題

擴展B區使用了輔助平面來擺放漢字，以致不少字處理軟體都不能支持。例如，Microsoft Office2000 或之前的版本，即使計算機擁有擴展B區漢字字型，也只會顯示兩個方格。

另外，因擴展B區在整理上有缺陷，收錄了以下5個本來應該與其他漢字統一的字：

· U+20457 𠑗 =U+34A8 㒨

· U+2420E 𤈎 =U+3DB7 㶷

· U+27144 𧅄 =U+8641 虁

· U+23515 𣔕 =U+204F2 𠓲

· U+249E9 𤧩 =U+249BC 𤦼

而在 WG2 N1155 檔案中，亦列出了152對可考慮統一的漢字。