《倪光南_关于“中华文字统一操作系统平台”》.pdf

关于“中华文字统一操作系统平台” 倪光南 2008年11月29日-30日，北京 一、问题的提起 我国有56个民族，使用着数十种文字和近百种语言，为了 使各民族共同发展、共同繁荣，必须大力发展少数民族语 言文字信息处理技术，推进少数民族地区的信息化，这也 是中国中文信息学会的一个重要使命。 历史上，中文信息处理最早是从汉字编码研究开始的， 1978年12月，第一次全国汉字编码学术交流会召开并成立 了汉字编码研究会。当时，围绕汉字信息处理的各种技术 和产品已经逐渐发展起来。 后来，为了包含民族语言文字信息处理的内容，人们用 “中文信息处理”这个术语代替了“汉字信息处理”。 1981年6月中国中文信息研究会在天津成立，1986年10月 经国家科委批准更名为中国中文信息学会，学会下设民族 语言文字信息专业委员会，专门从事民族语言文字信息处 理研究、标准制定和学术交流等等工作，并接受国家语言 文字工作委员会的指导。 由于民族语言文字信息处理起步较迟，总的说来，落后于 汉字信息处理的水平；而且，各种民族文字的信息处理工 作往往是分别进行的，容易造成低水平重复。 这些年来，我国逐步发展出了各种民族文字的操作系统， 在早期是基于DOS，近年来，基本上都是基于Linux。这些 操作系统平台为推进各民族的信息化作出了贡献，但目前 仍存在一些问题需要解决： 一些人数较少、经济欠发达的少数民族至今仍没有支 持其民族文字的操作系统； 已开发出来的那些民族文字操作系统只能支持一种或 少数几种民族文字，要增加支持一种新的民族文字往 往还需要重新开发； 所有这些系统都是分散开发的，造成了资源浪费和低 水平重复。 2005年7月在青海召开的第十届全国少数民族语言文字信 息处理学术研讨会上，一些参会者提出了开发“中华文字 统一操作系统平台”的建议，得到了包括教育部语言文字 信息管理司领导在内的很多与会者的支持。 如果这一建议能付诸实施，意味着今后对各种民族文字， 可以不必分别开发各自特定文字的操作系统平台，而可以 共用一个高水平的平台，只需专注于开发与特定文字有关 的支持和应用，大大加速少数民族地区的信息化进程。 二、实现“ 中华文字统一操作系统平台”的首要 条件 实现“中华文字统一操作系统平台”的首要条件是字符集 标准已经成熟，国际字符集标准ISO/IEC 10646（即 Unicode）和我国的同类标准GB 13000已能容纳所有民族 文字。 为了支持汉字超大字符集（例如满足二代身份证的需求） 和所有民族文字，只用Unicode的基本多语言平面（BMP） 是不够的，必须用到辅助平面。 Unicode字符集在实际应用中的具体编码方式常用UTF-16 和UTF-8。UTF16是变长编码，用两个字节对BMP内的字符 编码，用4个字节对超出BMP范围的辅助平面内的字符编码。 UTF-8也是不等长编码，用1－4个字节分别对不同范围的 字符编码。 基本多文种平面BMP，编码从U+0000至U+FFFF。 黑 = 拉丁文字及符號 淺藍 = Linguistic scripts 藍 = 其他歐洲文字 橘 = Middle Eastern and SW Asian scripts 淺橘 = 非洲文字 綠 = 南亞文字 紫 = 東南亞文字 紅 = 東亞文字 淺紅 = 中日韓漢字