引得市缺字字體編碼方案說明

引得市缺字字體編碼方案說明

知乎：https://zhuanlan.zhihu.com/p/34081721

撰文者：趙瑾昀

起先在v1.x版本的seal字體中，我們擬使用基本平面私用區（Private Use Area, PUA），該區只有6400個位置，而當時我們的缺字數量已經達到了九千多，所以我們還使用了第15平面的SPUA作爲補充。

V1.x版本的seal字體有個很大的缺陷，那就是缺字的Unicode碼點是按照glyphwiki上的順序自動順延產生，並不固定。這意味着同一個缺字在不同版本的字體中所使用的Unicode碼點往往不同（因爲我們在glyphwiki造字時會按照康熙部首順序從中間位置插入新字，從而更動了原來的順序），致使不同版本的字體不能兼容。

攷慮到引得市的缺字字形是由缺字編碼唯一確定的，所以若要固定缺字字形的Unicode碼點，就必須爲每一個合法的缺字編碼預分配/映射一個Unicode碼點，使其能夠一一對應。一個合法的缺字編碼可表示爲sXXX-YYY，其中XXX取值笵圍爲001～215，代表康熙214部首及圖形部，總計215部；而YYY取值笵圍爲001～999，爲該部下具體的編號。因此引得市缺字編碼的空間大小爲215*999=214785，大約需要佔用4個平面/Plane（注：每個平面有65536個碼點）。在這種情況下把基本平面和第15、16平面的私用區都拿過來也不夠用，因此我們借鑑中華字庫中間字庫的做法，選擇佔用目前未定義的第10～13平面（U+A0000～U+DFFFF）作爲編碼空間，以儘量避免在可預見的未來數十年內與其他字庫產生衝突（如使用了第15、16平面的全字庫，使用了第3至第6平面的中華字庫中間字庫等等，以及CJK擴展G集即將啓用的第3平面）。

圖1 生成缺字編碼空間的Python程式

圖2 生成對應Unicode編碼的Python程式（其中每個平面的最後兩個字符，即U+XFFFE和U+XFFFF，需要跳過）

圖3 得到的缺字編碼與Unicode碼點對應表