清波杂志校注旧版造字转码.pdf

《清波雜志校注》舊版造字轉碼說明 中研院資訊所文獻處理實驗室 中研院史語所漢籍電子文獻工作小組 2008/7/10 陳維君 製作 一、 《清波雜志校注》一書(清波雜志校注.xml)使用舊版造字 207 個，字頻1111次，詳如附件一。這 207 個造字中，166個可轉成 Windows XP 能顯示的字，字頻 920 次；另外 41 個字必須轉成構 字式，字頻 191次。 二、 附件一的造字分析表說明如下： 甲、 編號：Big5 造字空間為 6217 個，編號由 1 到6217。 乙、 造字：舊版造字 丙、 字頻(txt)：造字在「.txt」文件的出現次數 丁、 字頻(xml)：造字在「.xml」文件的出現次數 戊、 Big5：造字的 Big5 碼 己、 Unicode：造字所對應的 Unicode碼 庚、 WinXP：造字在 Windows XP的對應字形 辛、 構字式：Windows XP 若無對應字形，則改採用構字式 壬、備註凡例： 1、異體字問題：新版漢籍考量到使用者檢索及使用時的便 利性，將用字原則改為除專詞等特殊情形之外，一律改 用標準字呈現。如編號 1497 的「 米凡」係「籸」 字之異體，故以「籸」字取代。又編號 3797 的「凭」 字，係「憑」字之簡體字，亦以標準字的「憑」字取代。 2、 Unicode字型呈現差異：Unicode字型與舊漢籍造字有 些微差異，但只是字體風格差異，實際上仍為同一個 字，因此仍取 Unicode 字型。如編號 2609 的「」字， Unicode字型呈現為「鱏」，實際上仍為同一字。 三、 Unicode 目前收錄的漢字總數為 70194，分屬於三個不同區段， 詳如表一。目前 Windows XP只支援 CJK 認同表意文字區的 20902 個字，內碼為 4E00-9FFF。所以造字編號 1298的 「」字，Unicode 編碼為 231B3，由於 Windows XP並不支援，仍須使用構字式「日 更」。 1 表一、 的字數及編碼區段 Unicode Unicode 字集子集合 新增字數 新增編碼區段 總字數 WinXP 1.1版 CJK認同表意文字區 20902 4E00-9FFF 20902 支援 3.0版 CJK認同表意文字擴充A區 6582 3400-4DFF 27484 不支援 3.1版 CJK認同表意文字擴充B區 42710 20000-2A6D6 70194 不支援 附件一、 《清波雜志校注》造字分析表 字頻 字頻 編號 造字 Big5 Unicode WinXp 構字式 備註 (xml) (txt) 296  16 16 FBEC  297  20 20 FBED 