週末長知識: CJK Unified Ideographs

最近摸了一些 CJK 相關的字碼問題,也不能說多有研究,但算是小心得可以分享,又可以順便做筆記,於是自然就成了本週長知識的題目。

什麼是 CJK

維基百科的條目上截取的簡述如下:

中日韓統一表意文字(英語:CJK Unified 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、越南文、壯文中,起源相同、本義相同、形狀一樣或稍異的表意文字,賦予其在ISO 10646及萬國碼標準中相同編碼。

所謂「起源相同、本義相同、形狀一樣或稍異的表意文字」,主要為漢字,包括繁體字、簡體字、日本漢字(漢字/かんじ)、韓國漢字(漢字/한자)、越南的喃字(?喃/Chữ Nôm)與儒字(?儒/Chữ Nho)、方塊壯字。

簡單來講基本上就是把所有「看起來像是中文字」的字都合併進來,希望能夠對這些漢字做統一的處理。

可以簡單的看一點統一的例子,下圖取自維基百科

CJK 的字碼資料

基本上所有的字碼資料都收錄在 Unicode 的網站上,完整列表在 http://www.unicode.org/charts/

進去之後找到 CJK 相關的欄目,再點開看內容的 PDF。

內容的 PDF 裡面有列出涵蓋字碼對應的顯示。

如果想要看整份 PDF 包含的字碼範圍,可以移至第一頁最上方。

CJK 的標點符號

其實符號跟標點符號在 Unicode 列表下面有一整區,可以輕易的在這邊找到 CJK 的標點符號。

不過點開查看後會發現,中文裡常用的 , , , 等並不在裡面。

實際上它們被規類在下圖所示的項目裡,裡面除了全形標點符號外還有半形的日文字。


如何查詢字碼在哪份文件(不限 CJK)

同一個網頁上還提供了一個相當方便的功能,可以讓你用 hex code 來查詢某個字碼在哪份文件裡。

我們可以透過簡單的 JavaScript 取得任意字元(或符號)的 hex code。

function hexCode(char) {
  return char.charCodeAt(0).toString(16);
}

hexCode('?');  // "ff1f"

hexCode('の');  // "306e"

hexCode('碼');  // "78bc"

將得到的 hex code 字碼輸入上方的搜尋框中即可尋找所在的文件,下面是動畫演示。

另外這個週末

我最近發現把一些舊 code 換成 CoffeeScript 之後踩到了小地雷,所以有更新了之前 A Cup of CoffeeScript 裡的 style guide 部分。

新增了兩項:

  • 判斷式內的 function call 寫法
  • 使用 and, or, is, isnt 取代 &&, ||, ==/===, !=/!==

有興趣的話歡迎去逛逛喔!

comments powered by Disqus