[轉帖]MiSans字庫GB18030標準驗證情況

https://zhuanlan.zhihu.com/p/663626158

 

 提供的信息，手機廠商終於見到跨入GB18030-2022實現級別3的進步。

 

MiSans網站提供兩個漢字庫下載和使用，MiSans FAQ也告知只要升級去Xiaomi HyperOS後，已可完整支持。

MiSans L3字體有以下說明：

MiSans 新增 60340 字符
符合 GB18030-2022 最新字符集國家標準
GB18030-2022 強制規範三個實現級別，於 2023 年 8 月 1 日起開始執行。實現級別1共 27,584個漢字；實現級別 2 包含實現級別 1，此外，實現級別 2 還支持《通用規範漢字表》中的沒有包含在實現級別 1 之內的編碼漢字，共計 27,780 個漢字；實現級別 3 包含實現級別 2，此外，實現級別 3 還支持新標準件規定的全部漢字及表 3 中的康熙部首，總計 87,887 個漢字，用於政務服務和公共服務的產品應滿足實現級別 3 的要求。
MiSans 包含級別 1+ 級別 2，MiSans L3 爲級別 3 字庫（該字庫不包含級別 1 和級別 2）。

實際下載字體後，漢字部分驗證結果如下：

MiSans (Regular) :

CJK Unified Ideographs Extension A (6,582 out of 6,592 characters)
CJK Unified Ideographs (20,976 out of 20,992 characters)
CJK Compatibility Ideographs (21 out of 472 characters)
CJK Unified Ideographs Extension B (42 out of 42,720 characters)
CJK Unified Ideographs Extension C (44 out of 4,154 characters)
CJK Unified Ideographs Extension D (8 out of 222 characters)
CJK Unified Ideographs Extension E (108 out of 5,762 characters)

MiSans L3 (Regular) :

CJK Symbols and Punctuation (1 out of 64 characters)
CJK Unified Ideographs Extension B (42,675 out of 42,720 characters)
CJK Unified Ideographs Extension C (4,105 out of 4,154 characters)
CJK Unified Ideographs Extension D (214 out of 222 characters)
CJK Unified Ideographs Extension E (5,654 out of 5,762 characters)
CJK Unified Ideographs Extension F (7,473 out of 7,473 characters)
CJK Unified Ideographs Extension G (2 out of 4,939 characters)

值得寬慰的是，以前GBK-1995的PUA區字形，在這個版本中，已完全刪除了，達到GB18030-2022的實際要求。

稍有遺憾的是：

• 雖然擴展G有兩個字，卻與人名、地名無關，僅僅是兩個biang字。
• 基本區及擴展A末尾其實還有幾個字，當前Unicode已填滿，但目前字庫只是按國標文本處理，並沒有補齊。
• 21個兼容區漢字，當前國標和國際標準，實際只承認使用12字，目前仍然是21個字，與國標不符

從行業來看，能跨出這一步，不失爲一個正面的行動。但爲了一個國家級公用服務字庫，各個廠商各自造這麼一個大型字庫，除了浪費納稅人的銀子外，其實並無可取之處。

如果你在用小米手機，不妨實際驗證看看有什麼幫助，或許輸入法方面仍然是個障礙。
對於PUA字（很多生僻字人舊身份證在用），小米手機目前會不會像Linux一樣顯示內碼，以便過渡，仍是一個疑問。

有關HyperOS，參見小米澎湃OS嚐鮮計劃，首批更新機型曝光_系列_Redmi_手機。

延伸話題：GB18030-2022一號修改單（包含擴展GHI，尤其是擴展I的622人名、地名專用漢字），何時可以落地？

據相關人士信息，一號修改單已完成一徵、二徵，預計會進行三徵，但從行業落地角度看，仍會面對三種類型的作爲：

1. 空談無視型：GB/T 2312-1980就是標準，雙字節擴展到GBK-1995已是恩賜，GBK外字用字人只是自討苦喫而已。
2. 循規蹈矩型：以“把書讀死”爲最高境界，GBK裏有PUA就按照GBK做，GB18030是啥當不知道，即便知道也將52個雙字節雙碼字讓用字人自己去煩惱；或者做到GB18030-2022實現級別3的擴展F，完全不知急用加字區、擴展GHI的存在。
3. 實幹低調型：其實GB18030-2005開始，GB四字節編碼與Unicode擴展16個平面的編碼已經是線性算法映射關係，從字集來講，自動跟隨Unicode擴展集和急用加字只是舉手之勞，做完並無任何煩惱，併爲PUA轉正打通最後1um的斷頭路，也是一件功德無量的事。先行者見 卓碼之裕：GB18030-2022 第1號修改單達到落地實施條件。

相關文章

WHATWG的GB18030-2022編碼標準情況
Win11/Win10 22H2九月更新了什麼？
放低陳見，將中文信息標準化落於實處
從“訛”字看中文信息化惡習之養成