香港增補字元集

香港增補字元集（Hong Kong Supplementary Character Set，簡稱 HKSCS）是香港政府基於繁體中文電腦操作環境中最流行的Big5（大五碼）之上擴展的字元集標準，是現時香港的中文資訊交換內碼標準。香港增補字元集以前稱為《政府通用字型檔》（Government Common Character ），本來只是香港政府內部統一使用的造字檔，有三千多字。

基本介紹

• 中文名：香港增補字元集
• 外文名：Hong Kong Supplementary Character Set
• 簡稱： HKSCS
• 以前稱呼：《政府通用字型檔》
• 字數：三千多字
• 源起：1980年代中期

簡介

由於香港電腦業界不斷要求政府迎合本地需要，提出官方的字元集方案，以便與政府進行檔案來往，於是香港政府便在1995年把這個內部使用的標準公開。到了1999年，此字集增加到四千多字，並改為現名。字元集所收羅的字，主要包括香港的地名、人名用漢字、粵語漢字及異體字，也有小部份簡體字。除此之外，此字元集亦把倚天中文系統收錄的日語平假名、片假名及俄語西里爾字母包括在內。此字元集由中文界面諮詢委員會管理，仍在不斷擴編之中。最新版本為 2005 年 5 月推出的 HKSCS-2004，收錄 4，941 個字元。

源起

1980年代中期， 台灣的中文電腦的通行內碼為 Big5 編碼。1990年代初期，香港電腦套用逐漸普及，而政府各部門也電腦化。和台灣一樣，香港也是使用繁體中文的地方，是故也採用了 Big5 編碼。可是 Big5 碼本身沒有收錄香港常用的廣東字、一些人名地名用字、一些學科用字，於是香港政府各部門使用 Big5 的外字區，自行補上這些字，並在政府內部使用。香港業界也不斷要求政府，本地需要一套標準字元集來作電子檔案來往。到1995年，網際網路在香港起步，而政府也推出了自己的網站。各人電腦的中文系統雖然都用 Big5 編碼， 但都沒有政府用的外字，更可能用了自己的外字，使在瀏覽網頁時不能顯示正確的字元。香港政府於是把內部使用的 Big5 外字集公開，讓各界可以下載安裝這批字，使電腦能顯示正確的字元，並把這套字命名為「政府通用字型檔」。

負責機構

負責整套字元集管理的為中文界面諮詢委員會， 簡稱「中諮會」， 英文名 Chinese Language Interface Advisory Committee (CLIAC)。1999年5月由前資訊科技署成立， 現隸屬「政府資訊科技總監辦公室」。中諮會轄下有兩個工作小組: 中文電腦用字工作小組、中文資訊科技工作小組。中文電腦用字工作小組審核待增收字元， 納入和編配碼位等工作；中文資訊科技工作小組解決技術問題及與國際標準 ISO/IEC 10646（簡稱 ISO10646）接軌等工作。各組成員來自學術界、語言學界、出版界和資訊科技界等。

字元分類

在 HKSCS-2004 版本，漢字字元共 4500 個，其中 3353 字可在大型的字典（如《漢語大字典》）中查到，包括簡化字、異體字、日語漢字等。其餘在各大中文字典中查不到的字中，有粵語方言字（有些可在方言字典及學術著作中查到）、人名、公司名、地方名、變形部首、附形、訛字。有些字來自入境事務處、公司註冊處、稅務局、地政總署。

各類符號共 441 個，有漢字筆形、漢語拼音字母、國際音標符號、漢字元件、畫表符號、日本平假名、片假名等。

部首、畫數、讀音

香港增補字元集在 2005 年才有畫數、部首、粵音等資料給用戶參考， 還說明方便檢索， 而非作為規範標準。（漢字的部首在不同的字典中， 歸部也不盡相同）

編碼和 Big5 的關係

香港增補字元集當初因為是補充 Big5 的收字不足，使用其外字區而發展的，所以受制於 Big5 的編碼架構，外字的總數最多只能到 6217 個（每區塊 157 字，有 39 區塊半）。除去已用碼位，剩下千餘個碼位，其中有部分會保留給用戶造字。

早期的倚天中文系統、國喬中文系統等對造字缺乏管理，而又沒有文字專家的審定，因此當時造字很是混亂，有些甚至可能只是臨時使用的「錯字」（尋遍各大字典、專書也查不到的字）；製作這些中文系統的廠商又對字形、字型缺乏認識，有些字會因為字型不同而字形稍有差別，分別編進了兩個碼位中。又有同一字有系統區及造字區兩個碼位，有些聯綿詞只收其一不收其二；這個問題帶到了政府通用字型檔和香港增補字元集中，字集因要反向相容而跳過了一些碼位。

Big5 原來的編碼，只有漢字、標點、注音符號等字元及少數圖形，後來經過台灣廠商的增收，多了 7 個「倚天字」（如里、恆）及日文的假名，最後這批字元又被香港增補字元集收入。

香港增補字元集所使用的 Big5 的外字區分幾個區段：

「造字區一」(FA40 — FEFE)：早期的 GCCS 字元集已經填滿這一段。

「造字區二」(C6A1 — C8FE)：倚天用了這段來放日文假名等符號。這些符號在 HKSCS 1999 年的版本被收納。

「造字區三」(8140 — A0FE)：香港增補字元集把這段開頭的 (8140 — 84FE) 保留給用戶，新增的字元只用其餘的碼位。

「廠商造字區」(F9D6 — F9FE)：這段開始的七個碼位用來存放里、恆等「倚天字」，之後的碼位被微軟的繁體中文 Windows 用來存放制表符號。後來 HKSCS 1999 年版本將之全部收納。

可是一般提及 HKSCS 的檔案，包括來自香港政府的，都沒有註明 HKSCS 以外的一般繁體字編碼（即是 Big5 本身）使用哪個版本。Big5 在 2003 年前就只有一個版本，不會造成混淆，但 HKSCS-2004 的檔案仍沒有指定 Big5 部份是 2003 年之後還是之前的版本，雖然到目前為止並沒有任何系統使用 Big5-2003。

編碼和和 ISO 10646/Unicode 的關係

1995 年的政府通用字型檔本來是內部使用的，到 1999 年才成立中諮會專門去負責增收及審核字元的工作，並與 ISO 10646 接軌。中諮會的成員會把香港增補字元集交到 ISO 的表意文字小組中，儘量讓其所有字元納入國際標準。表意文字小組會定期開會審議漢字的收納等工作， 成員是來自世界各地的專家。

香港字在 Big5HKSCS 內的碼位，都能對應到 ISO 10646 中日韓漢字區段中的碼位，或 Private Use Area（用戶造字區，簡稱 PUA）內。隨著版本的更新，造字區的字會逐漸搬到中日韓漢字擴展區內。將所有已納入的 HKSCS 字元搬到正式中日韓漢字擴展區段（非 PUA 區段）的工作在 2005 年完成，對應於 ISO 10646:2003 的第一修訂版，相應的 Unicode 版本為 Unicode 4.1。

不過，因為目前流傳極多使用舊版 HKSCS 的系統產生出來的檔案，為了方便過渡，在 HKSCS 的定義中，在 Unicode PUA 所分配的字元位置會予以保留，不會給新加入而且未分配正式 Unicode 位置的字元使用。

字型的提供

最初的香港字，是由早期的台灣廠商 (像倚天等) 和用戶自行造字所得。因為大部份都不合標準和沒有流通，所以沒有沿用至今。後來，Truetype 字型盛行，中文字的廠商都開始加入香港字，但因為是商業性質，沒有足夠的流通量。另外，在支援超大字型檔的字型方面，因為 HKSCS 某些字和大陸 GBK 碼有衝突，廠商經常會因市場關係捨棄一些香港字。

香港政府的「數碼 21」網頁 (詳見下面的外部連結) 有提供由華康授權的香港字參考宋體，但一來是使用條款苛刻而不可能廣泛使用，二來是沒有推廣，致使政府內部人員也不知道這套字型的存在。

目前由商業主導的情況漸有改變，近況如下：

開放源碼字型

文鼎在 1999 年捐了四套字型 (繁簡明體和楷書) 給自由軟體界，但當中沒有香港字。後來高盛華 (Arne Götje ) 發起計畫將繁簡體合併，稱之為 CJK Unifonts。當中，Akar、Zunix 等人在 2004 年末另外發起香港 freefonts 計畫，將香港字加入CJK Unifonts之內，到了 2005-09-01 完成將 HKSCS 2004 加入 CJK Unifonts 的工作。目前 CJKUnifonts 已被收錄在各大 Linux distribution 之內。

商業字型

最早一套宣稱支援 HKSCS 2004 的字型，是華康「金蝶 2006 H.K. Edition」，在 2005-11-14 推出。

增收字元

「中諮會」會讓各界申請新字元，不過要經過審核批准，才會給字元編配碼位。而用戶自造的字，可視乎需要加入，特別是一些人名地名等會經過網際網路傳送的字。另外，這些增收的字元不一定能夠收錄在 Unicode 之內，例如一些能夠表示成 Unicode 複合字元的字或符號，便不會收錄。

另外因為現在餘下的 big5 相容碼位不多（2005 年 9 月為止只剩 487 個未用），中文界面諮詢委員會暫定打算在 2007-08 年停止為字元提供 big5 碼位，並在之前儘量協助業界和一般用戶過渡至 Unicode。

作業系統的支援

香港增補字元集開始時只有 Windows 版本的 Big5 編碼， 後來與 ISO 10646 接軌後， 才開始在 Linux、MacOS 等系統中使用。理論上因為 ISO 10646 已收納香港增補字元集， 任何支援 ISO 10646 的系統都可使用香港字。但實際上，許多舊的程式內部是使用 UCS-2（每個字占 2 位元組）儲存字串，無法表示許多放在基本多文種平面 (簡稱 BMP) 以外的所有香港字。只有使用 UCS-4（每個字占 4 位元組）作為內部儲存字串編碼的程式，才能夠完整地顯示所有香港字。

Windows顯示和處理字元

根據 Microsoft 的網頁，在 Longhorn 或以後的版本將不再支援 HKSCS-2004 的 Big5 擴展編碼（通常稱為 Big5HKSCS），而只使用 Unicode 中的香港字支援。

至於 HKSCS-2001，可以在微軟的網頁（請看下面的外部連結）中下載香港增補字元集；它支援 Windows 98、NT、2000 和 XP。可是安裝該套件和其它軟體（例如 Office）需要有一定的次序，而且它和別的 Big5 外字集並不相容，必須先瀏覽有關檔案方可安裝。

Linux顯示和處理字元

自從 glibc 在 2000 年加入香港字 (同時包括 big5hkscs 和 unicode 碼兩者的轉換表) 的支援後，就幾乎沒有再更新過，其中的 Big5 部份更是來自年代久遠的 Big5 / Unicode 轉換碼錶，當中有不少錯誤之處，令一些檔案和網頁無論使用 Big5 還是 Big5HKSCS 轉換至 Unicode 都會出現錯誤。暫時未有任何更新。相反地，如果單是使用 unicode 作為系統編碼，處理香港字則沒有問題。

桌面環境方面，KDE 3.x 桌面因為使用 QT 3.x，而 QT 3.x 內部使用 UCS-2 儲存字元，因此 KDE 3.x 只能有限度地顯示少部份香港字。這情況期望在 KDE 4.0 解決。

GNOME 沒有這方面的問題，只要是使用 Unicode，在 2004 至 05 年間就已經能夠顯示所有 BMP 以外的字元。

MacOS顯示和處理字元

Mac OS X 10.0 至 10.2 版本支援的版本為 HKSCS 1999，暫時未知道最新版的 Mac OS X 支援哪個版本。

使用地區

除了香港使用香港字以外，現在台灣的中文電腦也有少部分使用它的 (台灣也有自己的一兩套外字集)。而同樣使用粵語和繁體字的澳門當然也使用這套字集，也許還有其它華語地區會使用。

評價

香港增補字元集因為一直需要和 Big5 碼相容，所以可以說是一套先天不足的字集。它要處理前期許多遺留下來的問題，也有外字字數上限，致使香港政府打算在 2007-08 年放棄它的 Big5 編碼。如果系統使用 Unicode 編碼，用它反而較好。當今的趨勢是使用 Unicode，它有足夠的字元，幾乎可以滿足文字學家、字典專家的用字要求。但因為相容性的關係，要將整個系統由使用 Big5 碼轉換至 Unicode 頗費時，因此還會有人暫時不願意轉換。