Tag: Chinese

偶然发现，思源字体的繁体字库文件，无法显示一些简体字。而思源的简体文件，似乎可以显示全部的繁体字？于是把常用的字体文件拆开，看看分别都能涵盖多少简繁汉字。 直接说结论： 首先，在最常用的几个字体中， 两两之间的差别，只是少许生僻字、异体字、以及历史遗留的制作中文编码时的重复或疏忽。具体差别的内容，放在文末了。所以，这里主要对比「思源简体」和「思源繁体」，就可以了。 在思源字体 CJK 的说明文件里，写出了不同国家字体文件的字符数量，和需要支持的标准。可以看到，简中字体文件打包的字符，比繁中多了一万多个（这里的 Glyphs 不仅是中文，也包括西文、特殊符号、甚至一些 emoji）。 简中字体需要支持的标准，主要是 繁体字体需要支持的标准，主要包括 从台湾的官网上，可以下载到目前最新的 CNS11643 – Unicode 之间的对应情况；大陆这边没有找到类似的官网资料，搜到的几个 GB18030 – Unicode 编码表，都是 PDF 格式（掀桌……）。但可以在 python 里把字符 encode，得到相应的编码，也可以变相确认，某个字符是否在某个编码里。 实测结果，所有的 13053 个繁体 big5 汉字，也就是台湾最初规定的，最常用的繁体字，都包含在大陆的 GB18030 编码，也包含在思源简体的字体文件里。包含在思源繁体，而不在思源简体中的汉字，只有 1711 个（详见文末，——如果你觉得其中哪个字不够生僻，那么通常是历史遗留下来的编码重复、或者异体字。譬如，现在 Unicode 里，至少有 10 个各种形态的「龟」字了。 相对的，包含在思源简体，而不在思源繁体中的汉字，有 11856 个之多。这其中，包括了非常多的常用简体字。以大陆最常用的 6763 个汉字（也就是 1980 年大陆发布的 GB2132 汉字编码集）为例。在这些汉字当中： 具体字符清单见文末。可以看到，思源繁体字库中，不能显示的常用简体字，接近 30%，尤其是部首本身就有简繁体之分的，如：讠纟艹饣钅车马鱼鸟页……使用了这些简体字部首的字，有很大概率，在繁体字库里无法显示。 当然，这样的差异，不一定代表着台湾那边的汉字编码工作不力、或者对简体字的傲慢。无论是 GB18030 还是 CNS11643，都早已有了更新更全面的版本，在 CNS11643…