华宇拼音输入法论坛

标题: “?”“?”“?”这三个字为何老是无法在输入法候选栏上显示呢？！ [打印本页]

作者: Secask 时间: 2010-7-20 02:50
标题: “?”“?”“?”这三个字为何老是无法在输入法候选栏上显示呢？！
我使用的紫光是目前最新版的6.7.0.24
我发现“?”“?”“?”这三个字很特别，它们不是一些特别偏僻的字，起码不会是扩展B区的字，这三个字就连比较普通的“宋体GB18030”字体也能支持显示了。而我的电脑安装了超大字符集，还按照这张帖子中http://bbs.unispim.com/viewthread.php?tid=7112&extra=&page=1 sanwsw兄的介绍，做好了注册表字体链接。我就连微软官方的“GB18030支持包”也安装好了。但结果却仍是令我啼笑皆非，我的输入法候选栏上，基本上连扩展BC区的字都能正常显示了，但偏偏就是这三个不太算偏僻的“偏僻字”，老是在我的输入法候选栏上留下“空档”（它不是常见的开天窗成了个方框，而是直接空了出来，如图）

在记事本上也是（记事本字体使用了“宋体”）

但这三个字在偏旁部首检字上却能正常显示：

这是什么回事呢？

这三个“缺口”好烦人啊！！

[ 本帖最后由 Secask 于 2010-7-20 02:53 编辑 ]

作者: sanwsw 时间: 2010-7-20 08:18
请用笔画辅助法输出这三个字符，看看是否另有一个能正常显示？实际上不止这三个字符（你试试：????????????????????????????????????????????????????????????????????????????????郎凉秊裏隣兀嗀﨎﨏﨑﨓﨔礼﨟蘒﨡﨣﨤﨧﨨﨩）。GBK字符集专用区内的大多如此

[ 本帖最后由 sanwsw 于 2010-7-20 08:30 编辑 ]

作者: sanwsw 时间: 2010-7-20 08:22
下列两词均为现汉收录。造词时选择能显示的那个，即可正常显示和输出。

作者: sunmd 时间: 2010-7-20 10:37
皮肤透明引起的后遗症，PUA区域的80个汉字，使用新的渲染方式后，在个别字体下显示不正常。

LZ不妨把皮肤中的中文字体换一下，看看效果吧。我这里是win7，没有安装其他fonts，用微软雅黑输出有问题，用宋体、新宋体输出“?”没有问题，其他两个字没有测试。

作者: Secask 时间: 2010-7-20 13:42

原帖由 sunmd 于 2010-7-20 10:37 发表
皮肤透明引起的后遗症，PUA区域的80个汉字，使用新的渲染方式后，在个别字体下显示不正常。

LZ不妨把皮肤中的中文字体换一下，看看效果吧。我这里是win7，没有安装其他fonts，用微软雅黑输出有问题，用宋体、新宋 ...

嗯，我改用宋体-18030之后，这三个字就能正常显示了。但为什么你用宋体输出没有问题，我用宋体输出则有问题，要改用宋体-18030呢？
我用的是XP SP3

[ 本帖最后由 Secask 于 2010-7-20 13:59 编辑 ]

作者: Secask 时间: 2010-7-20 14:36
结合sanwsw的意见，看来以下字符是零舍不同的：
???????????????????????????????????????????????????????????????????????????????????郎凉秊裏隣兀嗀﨎﨏﨑﨓﨔礼﨟蘒﨡﨣﨤﨧﨨﨩

作者: sunmd 时间: 2010-7-20 14:37

原帖由 Secask 于 2010-7-20 13:42 发表

嗯，我改用宋体-18030之后，这三个字就能正常显示了。但为什么你用宋体输出没有问题，我用宋体输出则有问题，要改用宋体-18030呢？
我用的是XP SP3

win7的宋体与xp的宋体不同。同时最近用win7，感觉在字体上比xp改进很多，听说在不安装大字符集的情况下能支持大部分unicode编码的汉字了。

作者: Secask 时间: 2010-7-20 14:40

原帖由 sunmd 于 2010-7-20 14:37 发表

win7的宋体与xp的宋体不同。同时最近用win7，感觉在字体上比xp改进很多，听说在不安装大字符集的情况下能支持大部分unicode编码的汉字了。

嗯，是的，我向一些使用WIN 7的朋友通过QQ发出一些扩展B区的汉字，他们都能正常阅读（未装任何大字符集）

作者: sunmd 时间: 2010-7-20 14:40

原帖由 Secask 于 2010-7-20 14:36 发表
结合sanwsw的意见，看来以下字符是零舍不同的：
????????????????????????????????????????????????????????????????????????????? ...

这就是PUA区域的那80个汉字吧。不妨使用"汉字管理"，转到“编码检字”页签，输入“E8”，过滤出来的这80个汉字

作者: Secask 时间: 2010-7-20 20:29
对于那80个“特殊汉字”，我发现我的火狐浏览器对无法正常显示，这就更令我郁闷了。因为平常来说，经过安装了超大字符集支持包及做好有关字体链接后，我的火狐浏览器即使遇到一些扩展B区的汉字都能正常显示了。但为何就偏偏这几十个特殊汉字那么“难缠”了？

带着一点不忿的情绪，我“研究”一下这些汉字。首先我把火狐的网页字体设置为宋体-18030（至于为何我不把它设置为传统的宋体，是由于我原先设置为宋体的时候，又遇到了一个问题，所以为了避免干扰，我先把字体设为宋体-18030），然后我又通过对网页编码在GB2312、GBK和GB18030之间进行切换来对比，看看这些汉字在应用不同编码的情况下的显示情况，结果截图如下：

我发现，这些汉字似乎跟GBK编码有点“水火不容”，在GBK编码情况下，这些汉字相当多成了“乱码”。但在GB18030下和更为老旧的GB2312下，则显示正常，考虑到GB18030完全兼容GB2312的编码，我判断这些汉字属于GB18030里面的汉字，又考虑到我已经使用上完全支持GB18030的字体“宋体-18030”，我怀疑是不是GBK对这八十多个汉字兼容有问题呢？
再考虑到目前大多数软件都使用GBK编码标准，而那三个字“”“”“”就在这八十多个汉字之中，“”“”“”在紫光输入法候选栏上显示不正常，是否也跟GBK编码不兼容有关呢？

[ 本帖最后由 Secask 于 2010-7-20 22:29 编辑 ]

作者: Secask 时间: 2010-7-20 23:18
补充一个新发现的问题，同样是在这张帖子中，同样页面使用宋体-18030字体，同样使用GBK编码查看本页面，一楼、二楼、六楼的“?”“?”“?”等字成了乱码，但10楼的这些字则正常显示了。怎么回事呢？仔细一想，一楼的字是我用IE浏览器发的，但按理说浏览器不会影响到字符效果显示啊？再细心一看，原来是IE浏览器对紫光论坛一律默认使用GB2312编码，而在六楼的跟帖中，虽然我也用火狐发帖，但我也预先把页面编码改为GB18030，考虑到GB18030与GB2312完全兼容，看来还是GBK跟GB18030/2312不兼容这原因在作怪，如果发帖时使用GB18030/2312编码，那么看帖时若使用GBK，则会出现这些字的乱码。看来这些字的编码，正是GBK与GB18030/2312不兼容的地方。

为了证实以上猜想，我下面将会做一下测试。

作者: Secask 时间: 2010-7-20 23:23
在火狐浏览器下，使用GBK编码发表上述“怪异”字：
䝼䞍⺁⺄㑳㑇⺈⺋㖞㘚㘎⺌⺗㥮㤘㧏㧟㩳㧐㭎㱮㳠⺧⺪䁖䅟⺮䌷⺳⺶⺷䎱䎬⺻䏝䓖䙡䙌䜣䜩䝼䞍⻊䥇䥺䥽䦂䦃䦅䦆䦟䦛䦷䦶䲣䲟䲠䲡䱷䲢䴓䴔䴕䴖䴗䴘䴙䶮郎凉秊裏隣兀嗀﨎﨏﨑﨓﨔礼﨟蘒﨡﨣﨤﨧﨨﨩

作者: Secask 时间: 2010-7-20 23:30
在火狐浏览器下，使用GB2312编码发表上述怪异字符：
、、

作者: Secask 时间: 2010-7-20 23:33
在火狐浏览器下，使用GB18030编码发表上述字符：

作者: Secask 时间: 2010-7-20 23:45
12、13、14楼效果截图如下（使用火狐、GBK编码，字体宋体-18030 看帖）

气死我啦，怎么毫无规律可言啊？我11楼的猜想有错？
13楼和1楼同是使用GB2312编码的，只不过一个是在IE下发，一个是在火狐下发，怎么显示效果就不一样了啊！！？？难不成IE的GB2312跟火狐的GB2312又不兼容？？？？？
14楼我使用GB18030编码的，六楼我也是使用GB18030编码的，怎么六楼我还看到一些乱码，14楼就一片空白，一个字都看不到了啊！？？记得六楼的那些字符我是直接复制自二楼sanwsw的，而14楼的“”“”“”则是我自己录入的，难道这也有区别了吗？？？

这些字符编码的，真是混乱啊，怎么那么多变数啊，毫无规律可遵循的，怎么回事啊？？？

作者: 野风 时间: 2010-7-21 07:22
Secask 兄的执著，很令我敬佩！

作者: Secask 时间: 2010-7-21 23:23

原帖由野风于 2010-7-21 07:22 发表
Secask 兄的执著，很令我敬佩！

其实，我对这些乱码问题，特别是扩展字集的那些乱码问题，是一直十分关注的。因为我以前曾经试过即使安装了补丁包，甚至连字体链接都做好了，仍然出现某某字无法正常显示的情况。我总是有种感觉，就是这些字体显示，除非系统已经帮你设定好的（例如GBK那些），其它的那些扩展字集，不管你安装了多少补丁包，做了多少字体链接，系统它想显示就显示，不显示就不显示，你对此无可奈何，很令人抓狂。所以我对此老大难问题，一直都想好好研究一下。

我知道这个论坛不乏关注这类问题的朋友，我希望能通过一同探讨，好好向这些朋友学习一下。
我打算在这张帖子里，深入探讨这个问题，希望有人能够参与

因为我真的想了解一下这方面知识

[ 本帖最后由 Secask 于 2010-7-22 11:49 编辑 ]

作者: Secask 时间: 2010-8-10 20:19
扩展A区三个汉字：

㷫㓥㗎

[ 本帖最后由 Secask 于 2010-8-10 20:39 编辑 ]

作者: racingstar 时间: 2010-8-10 21:24
http://www.pkucn.com/viewthread.php?tid=175512
这一篇文章可参考。
GB18030分单字节、双字节、四字节三种，GBK和GB2312都是双字节ANSI编码。
GB18030输入的汉字那是一定要用GB18030显示的，6楼和14楼不一样，那肯定是复制的缘故。
火狐和IE的GBK和GB2312显示不一样，可能是win平台和linux平台的处理方式不一样（可能对这一段块编码不同，火狐和IE显示的是不同的字）。
GB18030实在是不建议使用，建议直接用unicode的utf-8编码。

作者: Secask 时间: 2010-8-12 00:07

原帖由 racingstar 于 2010-8-10 21:24 发表
 http://www.pkucn.com/viewthread.php?tid=175512
这一篇文章可参考。
GB18030分单字节、双字节、四字节三种，GBK和GB2312都是双字节ANSI编码。
GB18030输入的汉字那是一定要用GB18030显示的，6楼和14楼不一样，那肯定是复制的缘故。
火狐和IE的GBK和GB2312显示不一样，可能是win平台和linux平台的处理方式不一样（可能对这一段块编码不同，火狐和IE显示的是不同的字）。
GB18030实在是不建议使用，建议直接用unicode的utf-8编码。

难怪了。一楼的那几个汉字，是在IE下用GB2312编码发出的，但换作火狐，用GBK编码，则变成了乱码了。可能就是racingstar你所说的两者处理方式不一样的缘故吧。（不过，我火狐和IE都是在WINDOWS系统上运行的啊？）
至于GB18030跟unicode的UTF-8编码，racingstar你建议我采用UTF-8编码，我不太明白。因为，采用哪套编码好像是有网页自身设定的，跟用户无关吧？其实我发现很多网页要不用Unicode编码，要不用GBK编码，真的甚少使用GB18030编码的。

还有一个可能很低级的问题：
宋体-18030不是一种基于GB18030编码的字体么？在一些Unicode编码的网页中，为何它也能够正常显示出字符呢，那些字符不都用unicode编码了吗，宋体-18030又怎能识别这些编码呢？同理，宋体是基于GBK的吧，为何遇到一些unicode编码的网页，它也能支持显示那些用unicode编码的字符呢？

作者: sanwsw 时间: 2010-8-12 08:45
支个招：
①使用我在本坛上传的“方正楷体”作为皮肤的中文字体；
②安装国际标准超大字符集字体支持包ＵｎｉＦｏｎｔｓ５．４；
③做好系统字体的必要链接（搜索相关帖子）。

作者: racingstar 时间: 2010-8-12 11:00
字体不存在编码的问题，宋体-18030只是说本字体带有GB18030规定的两万七千多个字，同样GBK字体就是说字体带有GBK规定的两万一千多个字。如果你的字体中字不够，那最多就是开天窗，比如你选择楷体GB2312字体显示网页，它还是会显示字体中带有的字，字体中没的字开天窗。
Firefox是windows和linux全平台开发的，代码要保证在linux和win下都能够编译，我猜测还是两种平台字体调用有区别。

作者: Secask 时间: 2010-8-12 11:09

原帖由 racingstar 于 2010-8-12 11:00 发表
字体不存在编码的问题，宋体-18030只是说本字体带有GB18030规定的两万七千多个字，同样GBK字体就是说字体带有GBK规定的两万一千多个字。如果你的字体中字不够，那最多就是开天窗，比如你选择楷体GB2312字体显示网页，它还是会显示字体中带有的字，字体中没的字开天窗。
Firefox是windows和linux全平台开发的，代码要保证在linux和win下都能够编译，我猜测还是两种平台字体调用有区别。

那我是否可以这样理解：
编码的解码是程序（例如浏览器）的问题，只要告知浏览器网页的编码（选择正确的字符编码），浏览器即可正确解码出字符，然后就可以调用字体来显示了。字体文件本身并不需要识别各种编码，解码的工作是交由浏览器等需要调用字体的程序负责的，与字体无关？

作者: Secask 时间: 2010-8-12 11:11

原帖由 sanwsw 于 2010-8-12 08:45 发表
支个招：
①使用我在本坛上传的“方正楷体”作为皮肤的中文字体；
②安装国际标准超大字符集字体支持包ＵｎｉＦｏｎｔｓ５．４；
③做好系统字体的必要链接（搜索相关帖子）。
5740 5741 5742

嗯，谢谢sanwsw。输入法显示那些字符的问题我已经顺利解决了，只要字体不用宋体，改为宋体-PUA或者新宋体甚至宋体-18030等等就可以了

现在我是想继续了解一些字符编码和字符显示的机制

作者: racingstar 时间: 2010-8-12 12:27

原帖由 Secask 于 2010-8-12 11:09 发表

那我是否可以这样理解：
编码的解码是程序（例如浏览器）的问题，只要告知浏览器网页的编码（选择正确的字符编码），浏览器即可正确解码出字符，然后就可以调用字体来显示了。字体文件本身并不需要识别各种编码， ...

可以这么说，有专用的api去解码，当然字体文件一定是要按照编码表排序的。

作者: racingstar 时间: 2010-8-12 19:18
计算机只认识0和1的比特流，一个字节有8个比特位。
那一个字节能表示00000000-11111111之间的一个数字，变成10进制就是0-255，变成16进制就是00-FF，总共能表示256个字符。
我们要对字符编码，就必须要有一个字符集，在这个字符集中定义了每一个字符对应的字节。
比如大写字母A，我们定义用16进制的41表示，那么转换成2进制，就是01000001。那计算机碰到一个字节是01000001的话，它就会解码成对应的字符。
美国就制定了这样一个字符集，用一个字节表示字符，叫做ascaii字符集。但是这样的话，最多也只能表示256个字符，后来就扩展可以使用2个字节编码，这样能表示更多的字符。
当然扩展成2个字节编码还是要兼容原来的ascaii字符集的，比如我们的GBK字符集就定义如果遇到一个字节大于127，那么这个字节和后面一个字节共同表示一个字符；如果第一个自己小于127，那么这个字节就单独表示一个字符，就是ascaii中定义的相关字符。这一类从ascaii字符集扩展出来的字符集，我们统称其编码方式为ANSI编码。采用ANSI编码，需要一个或两个字节表示一个字符。
Unicode编码能表示更多的字符，范围从00000-10FFFF，但是我们不能就这样直接表示一个字符，因为计算机不知道这个字符是从哪个字节开始哪个字节结束的，所以必须加上控制位，然后就出现了utf-8，utf-16，utf-32等各种unicode编码。
GB18030的问题在于有6000多个字符是四个字节表示的，并且这个字符集还要兼容GBK和GB3212，GBK和GB3212是ANSI编码，而ANSI编码是一个或两个字节表示一个字符的。但是GB18030是中国制定的字符集标准，销售到中国的产品必须要支持，微软就采用了一种特别的方式来识别GB18030字符集。但是这种不伦不类的字符集，实在是鸡肋，有四个字节的字符，不能用unicode编码，因为要兼容ANSI编码的字符集，微软只能费点时间来实现，表示我的产品是支持这个字符集的，就可以在中国卖了，实际没什么人使用，兼容性太差。

[ 本帖最后由 racingstar 于 2010-8-12 19:53 编辑 ]

作者: Secask 时间: 2010-8-12 19:23
那么解码是怎样的机制？
例如，宋体-18030是按照GB18030编码排序，那么宋体-18030里应该有GB18030的编码信息。那么对于一些Uniocde编码的页面，浏览器是不是先把它转换成字体的编码（GB18030）而去调用字体？

作者: Secask 时间: 2010-8-12 19:26

原帖由 racingstar 于 2010-8-12 19:18 发表
计算机只认识0和1的比特流，一个字节有8个比特位。
那一个字节能表示00000000-11111111之间的一个数字，变成10进制就是0-255，变成16进制就是00-FF，总共能表示256个字符。
我们要对字符编码，就必须要有一个字符集，在这个字符集中定义了每一个字符对应的字节。
比如大写字母A，我们定义用16进制的41表示，那么转换成2进制，就是01000001。那计算机碰到一个字节是01000001的话，它就会解码成对应的字符。
但是这样的话，最多也只能表示256个字符，后来就扩展可以使用2个字节编码，这样能表示更多的字符。这一类ascaii字符集扩展，我们都称为ANSI编码。
unicode编码能表示更多的字符，从00000-10FFFF，但是我们不能就这样直接表示一个字符，因为计算机不知道这个字符哪里开始哪里结束，所以必须加上控制位，然后就出现了utf-8，utf-16，utf-32等各种unicode编码

那什么叫做控制位呢？可不可以这样理解，计算机的信息，就是一大堆有字节组成的信息流，而字体也是用信息流表示的。但不是所有的字节都是字符信息，还有一些是颜色、排版信息等等。而控制位，就是告诉计算机，哪个到哪个字节是代表字符的，并是怎样编码的，由此衍生出unicode、GBK等各种编码？

作者: racingstar 时间: 2010-8-12 20:10
计算机的信息是一组比特流。我们定义了一个字节有8个比特。
那计算机是怎么知道我输入的字节是从哪个比特位开始的呢？这个是靠硬件实现的，集成电路的开关电路一定是按照最基本的8个逻辑开关为一组设计的。
比如说总线带宽256位512位，一定是8的倍数，cpu的逻辑处理单元也一定是按照8个比特位一组的方式设计的，一下子能够处理8个比特位。
所以我们在应用层要关心的是，怎么判定到底是几个字节表示一个字符。比如说ANSI编码的字符，一定是一个或两个字节的。读到的字节位小于127，就直接解码，读到的字节位大于127，就和后面一个字节一起解码。
unicode编码，有很多方式，各个编码方式的控制字节都不一样，这个可以google上搜一下具体的定义。

作者: racingstar 时间: 2010-8-12 20:42

原帖由 Secask 于 2010-8-12 19:23 发表
那么解码是怎样的机制？
例如，宋体-18030是按照GB18030编码排序，那么宋体-18030里应该有GB18030的编码信息。那么对于一些Uniocde编码的页面，浏览器是不是先把它转换成字体的编码（GB18030）而去调用字体？

无论什么编码，程序都会解码，然后按照解码后的顺序去读取字体文件。字体文件里面字符的编排顺序是固定的，字体没有编码的说法。
http://download.csdn.net/source/2044299
gb18030所有汉字的编码，你可以下载这个文件查看。
你可以注意到同一个字符的GBK编码和unicode编码不一样，但是字体文件字符的编排顺序是固定的，那么是怎么读取的呢？因为程序会先读取字体的分页信息，如果你是GBK编码，程序会读取GBK的分页信息，找到对应解码后字体的地址位。

[ 本帖最后由 racingstar 于 2010-8-12 20:53 编辑 ]

作者: Secask 时间: 2010-8-12 23:59

原帖由 racingstar 于 2010-8-12 20:10 发表
所以我们在应用层要关心的是，怎么判定到底是几个字节表示一个字符。比如说ANSI编码的字符，一定是一个或两个字节的。读到的字节位小于127，就直接解码，读到的字节位大于127，就和后面一个字节一起解码。
unicode编码，有很多方式，各个编码方式的控制字节都不一样，这个可以google上搜一下具体的定义。

那么，不同的判定方式、控制方式，就衍生出了不同的编码：GB18030、Unicode等等？

作者: Secask 时间: 2010-8-13 00:00

在此要再次谢谢racingstar，教了我很多，扫了我很多“计算机编码知识”的盲区，让我获益良多

作者: racingstar 时间: 2010-8-13 09:16

原帖由 Secask 于 2010-8-12 23:59 发表

那么，不同的判定方式、控制方式，就衍生出了不同的编码：GB18030、Unicode等等？

主要就是ANSI和Unicode两种编码方式。
ANSI编码方式的特点是向下兼容ascaii，现有的ANSI编码都是在ascaii上扩展一个字节得到的。不同国家都制定了不同的ANSI编码的字符集。比如说我国制定了GB3212和GBK，日本制定了日文的ANSI字符集，韩国制定了韩文的ANSI字符集，台湾制定了Big5字符集。
这样每种语言就有一个字符集编码方式，是不是有一种编码方式可以搞定所有的字符集？就出现了unicode编码。Unicode用数字0-0x10FFFF来映射这些字符，最多可以容纳1114112个字符，或者说有1114112个码位，这样的话，就绝对够用了。但是有一个问题，这样一来，每个字符就需要多个字节编码，英语又是使用最广泛的语言，这样浪费了很多空间。然后人们就想出了各种编码方式，比如utf-8就使用一到六个变长字符表示一个字符，原来ascaii的字符集在utf-8编码方式下还是使用一个字节。utf-16使用两个或者四个字节编码，但是为了计算机识别，还需要加上控制字节，那么一个字符就可能需要三个或者五个字节。utf-32使用四个字节编码，是最直观的一种编码方式，直接把16进制数翻译成2进制表示，实际使用时还需要加上一个控制字节，也就是说一个字符需要五个字节编码。
GB18030非常特殊，它要向下兼容ANSI编码的GBK，但是有六千多个汉字又是需要四个字节编码的（就是超过了16进制的FFFF，不能用两个字节编码）。我们脑残的国家相关部门制定了这个不伦不类的标准（其实就是把unicode字符集中的cjk ext-a中的字符加入GBK，但是制定标准的人不考虑具体的实现，不知道ANSI字符集表示不了这么多字符），微软为了卖产品给中国，就加入了GB18030的支持（方法一般是加控制字节来区分），表示我的产品可以支持GB18030，实际使用中都没什么人用的，兼容性太差，遇到ANSI字符集之外的字符，大家都会使用unicode编码。
GB18030编码的所有字符，可以找那个文件查到。

[ 本帖最后由 racingstar 于 2010-8-13 09:22 编辑 ]

作者: Secask 时间: 2010-8-13 18:37
让我梳理一下

编码（字符集）：Unicode、GB18030、GBK、GB2312.....
编码方式：UTF-8、UTF-16、UTF-32、ANSI

我这样理解，对不对？

此外，使用不同编码方式的字符集，是否不同呢？例如，同一个字符，在UTF-8编码的Unicode和UTF-16编码的Unicode下，它所获得编码号是不是不一样？

作者: Secask 时间: 2010-8-13 18:54

原帖由 racingstar 于 2010-8-13 09:16 发表
GB18030非常特殊，它要向下兼容ANSI编码的GBK，但是有六千多个汉字又是需要四个字节编码的（就是超过了16进制的FFFF，不能用两个字节编码）。我们脑残的国家相关部门制定了这个不伦不类的标准（其实就是把unicode字符集中的cjk ext-a中的字符加入GBK，但是制定标准的人不考虑具体的实现，不知道ANSI字符集表示不了这么多字符）

那么最后GB18030来理顺那些矛盾的呢？

正如之前所讲，racingstar你也提到字体不存在编码的问题，宋体-18030只是代表了它收录了GB18030字符集的所有字符。那么，虽然GB18030是一套不伦不类的标准，但宋体-18030这套字体应该没多少问题吧。
它收录了GBK和扩展A区的所有汉字，我是挺喜欢这款字体的，因为收字挺全的。

作者: racingstar 时间: 2010-8-13 20:58
可以使用方正超大字符集吧，那个收字更多。
一般来说，你用到cjk扩展a区的汉字，你很有可能也会用到扩展b区的汉字。
很多时候就是这样，那些生僻字一般都用不到。但是一些有特殊需求的人，比如从事文字工作，一旦要用到，恐怕扩展a的汉字还不够用。

作者: Secask 时间: 2010-8-13 21:31

原帖由 racingstar 于 2010-8-13 20:58 发表
可以使用方正超大字符集吧，那个收字更多。
一般来说，你用到cjk扩展a区的汉字，你很有可能也会用到扩展b区的汉字。
很多时候就是这样，那些生僻字一般都用不到。但是一些有特殊需求的人，比如从事文字工作，一旦要 ...

我现在浏览器的字体链接是宋体-18030后面再跟一个Sun-ExtB，就是为了弥补B区的汉字。
宋体-18030真的有问题吗？不是说字体跟编码集无关的吗？难道GB18030有问题也对宋体-18030有影响了？

我只是觉得宋体-18030不但有GBK、扩展A区的全收录，而且连GBK中的PUA区域那些“特别字”都收录了，很齐全。这是很多字体，例如新宋体（漏ExtA）、Sun-ExtA（漏PUA）、超大字符集方正楷体（漏PUA）都做不到的。
但我不知道宋体-18030会不会因为GB18030的缘故，而有一些缺陷。

作者: racingstar 时间: 2010-8-13 22:12
GBK增补的80个字符本来是放在PUA区的。后来又被Unicode收录。所以既可以用PUA区的编码表示，也可以用非PUA编码表示。
方正楷体超大字符集这些字是有的，在FZKaiS(SIP)中，做好字体连接就能显示。
我说的超大字符集是宋体-方正超大字符集，office 2003自带的，有六万多个字符。

汉字       GBK编码       PUA编码       非PUA编码
?       FE50       E815       2E81
?       FE51       E816       20087
?       FE52       E817       20089
?       FE53       E818       200CC
?       FE54       E819       2E84
?       FE55       E81A       3473
?       FE56       E81B       3447
?       FE57       E81C       2E88
?       FE58       E81D       2E8B
?       FE59       E81E       9FB4
?       FE5A       E81F       359E
?       FE5B       E820       361A
?       FE5C       E821       360E
?       FE5D       E822       2E8C
?       FE5E       E823       2E97
?       FE5F       E824       396E
?       FE60       E825       3918
?       FE61       E826       9FB5
?       FE62       E827       39CF
?       FE63       E828       39DF
?       FE64       E829       3A73
?       FE65       E82A       39D0
?       FE66       E82B       9FB6
?       FE67       E82C       9FB7
?       FE68       E82D       3B4E
?       FE69       E82E       3C6E
?       FE6A       E82F       3CE0
?       FE6B       E830       2EA7
?       FE6C       E831       215D7
?       FE6D       E832       9FB8
?       FE6E       E833       2EAA
?       FE6F       E834       4056
?       FE70       E835       415F
?       FE71       E836       2EAE
?       FE72       E837       4337
?       FE73       E838       2EB3
?       FE74       E839       2EB6
?       FE75       E83A       2EB7
?       FE76       E83B       2298F
?       FE77       E83C       43B1
?       FE78       E83D       43AC
?       FE79       E83E       2EBB
?       FE7A       E83F       43DD
?       FE7B       E840       44D6
?       FE7C       E841       4661
?       FE7D       E842       464C
?       FE7E       E843       9FB9
?       FE80       E844       4723
?       FE81       E845       4729
?       FE82       E846       477C
?       FE83       E847       478D
?       FE84       E848       2ECA
?       FE85       E849       4947
?       FE86       E84A       497A
?       FE87       E84B       497D
?       FE88       E84C       4982
?       FE89       E84D       4983
?       FE8A       E84E       4985
?       FE8B       E84F       4986
?       FE8C       E850       499F
?       FE8D       E851       499B
?       FE8E       E852       49B7
?       FE8F       E853       49B6
?       FE90       E854       9FBA
?       FE91       E855       241FE
?       FE92       E856       4CA3
?       FE93       E857       4C9F
?       FE94       E858       4CA0
?       FE95       E859       4CA1
?       FE96       E85A       4C77
?       FE97       E85B       4CA2
?       FE98       E85C       4D13
?       FE99       E85D       4D14
?       FE9A       E85E       4D15
?       FE9B       E85F       4D16
?       FE9C       E860       4D17
?       FE9D       E861       4D18
?       FE9E       E862       4D19
?       FE9F       E863       4DAE
?       FEA0       E864       9FBB

[ 本帖最后由 racingstar 于 2010-8-13 22:23 编辑 ]

作者: Secask 时间: 2010-8-13 22:30
标题: 回复 38楼的帖子
racingstar发的那80个字符，我在火狐下查看，全部成了乱码，跟一楼的那三个字一样，必须把编码改为GB2312才成功显示。racingstar你应该是在IE下用GB2312发的吧？

宋体-方正超大字符集，我知道它收字很多，但是，也不够GBK+A区+B区的所有汉字啊，GBK+A区+B区应该有七万多个吧。我觉得宋体-方正超大字符集肯定是在哪里收录不完全的。有鉴于此，既然我电脑已经有一些支持A区和B区的字体，那我如果做好链接：宋体、宋体-1830、Sun-ExtB，互相弥补，这反而能够显示全七万多个汉字。所以我就干脆不用宋体-方正超大字符集，而利用字体链接，搭配好字体了，有点“三个臭皮匠，胜过一个诸葛亮”的感觉

但我见racingstar还是劝我我使用宋体-方正超大字符集，是不是宋体-18030有一些问题了？

[ 本帖最后由 Secask 于 2010-8-13 22:58 编辑 ]

作者: Secask 时间: 2010-8-13 23:21
我发现“”这个字符真的很特别，无论Sun-ExtA，还是方正楷体超大字符集，都没有收录，唯独宋体-18030和新宋体收录了，而宋体-18030还收录了扩展A区。这是我觉得宋体-18030的收字比较全的原因（不算上扩展B区了）

作者: racingstar 时间: 2010-8-14 09:14
确实是用IE输入的。
你说的80个字符，方正楷体超大字符集是有收录的，不过不是在pua区中。比如“?”，可以用紫光的汉字管理小工具，直接输入unicode编码9FB6找到。
宋体超大字符集包含65530个字符，完全覆盖宋体-18030的收字范围。据san版说是因为一个字符文件不能收入超过65536个字符造成的，不过san版贴出来了一个2.0的版本，是完全收录70244个汉字的，不过分成了两个文件。两个字体文件连接的话，往往实际显示时会出现两种字体不一样的情况，海峰的Sun-ExtA和Sun-ExtB连接就是这样的，明显可以发现字体不一样。宋体超大字符集是单个文件，包含了扩展A全部字符和扩展B的大多数字符，优势就是字体统一，不会出现连接时的字符大小不一致的情况，可以用宋体超大字符集连接Sun-ExtB或者Simsunb字体，这样可以保证字体最大化的一致。
Win7和Vista的simsun+simsunb直接支持扩展a和扩展b的70244个汉字。

[ 本帖最后由 racingstar 于 2010-8-14 09:18 编辑 ]

作者: sanwsw 时间: 2010-8-14 10:06
Ext-B、Ext-C中的汉字，只是偶尔用到，字体不一致，问题不大。使用孙海峰的Sun-ExtB的好处是已经包括了Ext-C的4149个汉字

作者: Secask 时间: 2010-8-14 12:00
谢谢楼上两位的解答。

字型不一致的问题，是这样看的：
首先是扩展区的汉字本身少用到，不会出现大量不一致情况影响阅读；
其次，即使宋体-方正超大字符集也与宋体的字型不一致，而偏偏扩展区的汉字很多时候会夹杂在基本集汉字之中，那么阅读起来的话，当宋体搭上宋体-方正超大字符集的时候，也是会出现字型不一致的情况的。

我继续使用宋体-18030与Sun-ExtB来配合宋体以显示CJK基本集、CJK扩展A、扩展B的中文字，如果没发现什么问题的话，就不作改动了。

[ 本帖最后由 Secask 于 2010-8-14 12:05 编辑 ]

作者: Secask 时间: 2010-8-14 18:19
今天我发现了一个新问题，是有关CJK扩展C区汉字的。

我安装了海峰的那个超大字符集支持包，而我看到里面有关的介绍是：

★　本字库包含近十万标准字符，其中中日韩越通用汉字有七万五千多：

　　CJK基本　　　[4E00-9FFF] 20992码位　实际20924字
　　CJK扩展A　　 [3400-4DBF] 6592码位　实际6582字
　　CJK扩展B　　 [20000-2A6DF] 42720码位　实际42711字
　　CJK扩展C　　 [2A700-2B73F] 4159码位　实际4149字
　　CJK兼容扩展  [2F800-2FA1F] 544码位　　实际542字
　　CJK部首扩展  [2E80-2EFF] 128码位　　实际115字
　　CJK康熙部首  [2F00-2FDF] 224码位　　实际214字
　　CJK笔画　　  [31C0-31EF] 48码位　　实际36字
　　CJK兼容    [F900-FAFF] 512个码位  实际474字

我想问，CJK扩展C的那些汉字，支持包是用哪套字体收录了呢？是不是”Sun-ExtB“？我网上找到一些资料是这样说的

的确，我用浏览器（不论IE或是火狐）来浏览一些带有”扩展C区“汉字的网页时，都能正常显示扩展C区的汉字。
例如这个网页：http://longwiki.net/%F0%AA%A8%8A 里面有扩展C区汉字

而我找遍电脑中做过字体链接的字体，唯一有可能收录扩展C区汉字的字体，也就只有”Sun-ExtB“了。
但令我感到困惑的是，我把那个

字复制到word 2003 后，居然变成了“空格”，无论我调用任何一款字体（包括Sun-ExtB、MingLiU-ExtB等等所有收录扩展B区汉字的字体），均无法显示出该字，就像我的电脑中没有一款字体有收录这个汉字。但这显然是不可能的，否则我用浏览器看网页时不可能显示到这个字。而且，就算把

复制到记事本中，也能正常显示，怎么换到word上就不行了？

这真的奇了怪了

作者: sanwsw 时间: 2010-8-14 20:01
word2003有bug。你再鼓捣几次，应可用Sun-ExtB显示。或者先输入该字的Unicode内码，然后按下Alt+X试试。

作者: Secask 时间: 2010-8-15 18:59

原帖由 sanwsw 于 2010-8-14 20:01 发表
word2003有bug。你再鼓捣几次，应可用Sun-ExtB显示。或者先输入该字的Unicode内码，然后按下Alt+X试试。

已试过“Alt+X”的方法，但仍然无法显示。不知道sanwsw你用word能否正常显示该字？

作者: sanwsw 时间: 2010-8-15 21:07
　　我用Word 2003，装有国际标准超大字符集字体支持包ＵｎｉＦｏｎｔｓ５．４，勾选“全集”、“超大字符集”。
　　不光是这个字，word的空白文档内显示Ext-C汉字需要转个弯：

方法1：

[ 本帖最后由 sanwsw 于 2010-8-15 21:12 编辑 ]

作者: sanwsw 时间: 2010-8-15 21:11
方法2：打开空白Word文档，不输入任何字符，先选择字体为Sun-ExtB，然后输入想要输入的Ext-B或者Ext-C汉字。

找不到网上关于Word字体显示bug的介绍。记得在我的一篇帖子中，有个高人回复提到这是bug，并从理论上进行了剖析。很遗憾找不到帖子所在论坛了。

作者: kingdick 时间: 2010-8-15 21:21
～～～～～～～～～～～～～～～～～～～～～～～～～～

123.png (26.83 KB, 下载次数: 114)

作者: Secask 时间: 2010-8-15 21:23
再一次谢谢sanwsw，用sanwsw的第二个方法，成功输入

字了

[ 本帖最后由 Secask 于 2010-8-15 21:25 编辑 ]

未命名.jpg (54.83 KB, 下载次数: 103)

作者: Secask 时间: 2010-8-15 21:28
kingdick用的是office2010吗？能够直接输入

吗？

作者: kingdick 时间: 2010-8-15 21:30
····················

4322.png (4.2 KB, 下载次数: 98)

作者: kingdick 时间: 2010-8-15 21:35

原帖由 Secask 于 2010-8-15 21:28 发表
kingdick用的是office2010吗？能够直接输入吗？

无论哪个版本Office，都应可以直接输入这个字吧，问题是能不能直接显示。我这里Office2010换成Sun-ExtB字体才能显示，输入栏也一样。

欢迎光临华宇拼音输入法论坛 (http://bbs.pinyin.thunisoft.com/)