跳转到内容

中文标准交换码

维基百科，自由的百科全书
CNS 11643
别名中文标准交换码
语言繁体中文
标准CNS 11643
分类ISO 2022、双字节字元集、中日韩统一表意文字
编码格式
其他相关编码大五码、中文资讯交换码

中文标准交换码（Chinese Standard Interchange Code，简称CSIC），是中华民国国家标准11643号，简称CNS 11643，旧名通用汉字标准交换码（Chinese Ideographic Standard Code for Information Interchange，简称CISCII），是中华民国政府为中文资讯处理制定的字元编码方案，与许多学术图书馆系统采用的中文资讯交换码同属于中文交换码。中文标准交换码基于ISO 2022定义，和ASCII相容，其EUC版本为EUC-TW。

简介

1980年9月，行政院国家科学委员会集合编码专家、学者在溪头举行会议，建立国家中文资讯标准交换码的编码原则，并报请行政院核定。隔年，行政院函令国科会、教育部、中央标准局及主计处电子处理资料中心组成专案作业小组，推动编码工作。经多次会商，于1983年10月底完成“通用汉字标准交换码”的试用版，试行二年。试用期满后，国科会与主计处电资中心邀集相关单位与业者组成技术小组，检讨试用结果，并根据检讨结果修订编码原则予以重编。1986年8月4日由经济部中央标准局（后改名为标准检验局）正式公布，取名“通用汉字标准交换码”，其内容包括第一字面、第二字面共13,051字[1]。

1980年代万“码”奔腾，业界使用各种不同的字符编码，如大五码、王安码、IBM 5550码、公会码、电信码[2]、倚天码等；CNS11643与大五码字数相同（大五码有13,053字，但有两个重码）。借由此国家标准交换码的公布与使用，做为各种不同内码间的桥梁，使得不同的内码也可以互相沟通和交换，资料可共享。

为因应各界对扩大中文字元集的需求，中央标准局于1990年委托资讯工业策进会进行扩编。CNS 11643于1992年使用至第七字面，共48,027字，并更名为“中文标准交换码”。2003年，标准检验局委托中文数码化技术推广基金会再次扩编，于2004年推出新版的CNS11643，将编码空间由原先规定的十六字面增加到八十字面，并使用至第十五字面。2014年，使用第十七、十九字面。2021年，使用第二十四字面[3][4]。

“CNS11643中文交换码全字库”为1999年时，由主计处电资中心委托中文数码化技术推广基金会建置，用以解决中文码查询、转码与缺字问题。为配合2012年的行政院组织改造，全字库改由研考会办理，自2014年又由继承研考会业务的国家发展委员会管理。2022年8月27日数位发展部成立后，网站管理机构调整为数位部[5]。全字库目前已收纳10万8,800多个文字及符号。若扣除第八和第九字面中的非汉字字元以及第一字面中的符号、注音、部首、汉字构件等字元，以有仓颉码属性的字来计算，大约有9万6,600多个汉字[6][7]。

版本

年份 标准名称 更改
1983 CNS11643-1983 通用汉字标准交换码试用版推出，包括13,053字及441个符号，12月推出的大五码，字集与字序与交换码试用版完全相同，仅字码定义不同。
1986 CNS11643-1986 通用汉字标准交换码正式版发行，包括13,051个字（删除2个重复字，调整20个字顺序）与441个符号，其余均与试用版相同。
1988 CNS11643-1986 增加第十四字面使用者加字区交换码，共增加6,148字。
1989 CNS11643-1986 再增加第十四字面使用者加字区交换码，共增加157字。
1992 CNS11643-1992 扩充第3至7字面，增加部首和数字符号，并更换名称为中文标准交换码，总共包括48,027个字与684个符号。
2002 CNS14649 国际标准ISO 10646／Unicode的中文版“CNS 14649广用多八位元编码字元集”推出，包括中、日、韩、越等20,902个汉字，及全球使用的字元。
2004 CNS11643-2004 编码架构扩充至八十字面。
2008 CNS11643-2008 扩充版发行，增加了户政用字与异体字等。

编码格式

CNS 11643遵循ISO/IEC 2022所规定的七位元94个图形字元（英语：Graphic character）多字节延伸编码格式[4]，以2个字节 (byte)为中文码编码单位，以十六进位制之文数字表示，并且避开控制码所在的范围。字面字集之排列，大抵以使用频率为次序，第一字面以常用字为主，第二字面以次常用字为主，第三字面以部分罕用字及较常用异体字为主，其后的字面大多以罕用字、异体字、教育部闽客语用字及户政、役政、地政等机关用字为主。在每一字面中，依先笔画后部首排列顺序来编订字码（每一字面均以文字笔画总数为第一次序，笔划数同则按照部首为次序，部首同再按照笔顺为次序）[8]。

CNS 11643采用多字面编码结构，并借助ISO/IEC 2022所规定的逸出顺序（escape sequence）和调用控制符切换字面。因此，同样的正规字元码在CNS 11643的不同字面会代表不同的汉字（例如：第1字面字元码454A为中文字“日”，而第2字面的454A是中文字“碇”）。CNS 11643在新版中规定了延伸字元码，作为任一字元的唯一字元码。中文标准交换码延伸字元码是在正规字元码前，附加该字元所属字面的字面指示码[4]。

终结字元

目前 CNS11643 的1~7 字面之终结字元（最后字元、最终字节） [F] 已获国际标准组织 ISO 正式登记为 47 至 4D ，亦可使用于字集之指定[8][9]。依据ISO 237之规定，各国的国家标准若要成为国际间之中文资讯交换标准，必须向国际标准组织申请注册，并由国际标准组织正式公布，如此全球各国即可依国际标准公布之终结字元进行资料交换。

CNS 11643-1992所包括的七个字面，每个字面均分别向ISO秘书处欧洲计算机制造商协会申请相对应之终结字元。经由资讯工业策进会之协助申请，1993年2月1日CNS 11643第一、第二字面正式获得终结字元：47和48，1994年3月25日CNS 11643第三至第七字面也正式获得终结字元：49 - 4D。

CNS字面 CNS暂用终结字元 ISO正式终结字元
第一字面 30 47
第二字面 31 48
第三字面 32 49
第四字面 33 4A
第五字面 34 4B
第六字面 35 4C
第七字面 36 4D

最新版本

2021年版CNS 11643字面配置如下：

  • 第一字面：字码区间2121h至4243h为符号区（2009年在4242h新增欧元符号€，4243h新增国字〇）；字码区间4421h至7D4Bh，共编入中文字5,401个；字集来源除教育部“常用国字标准字体表”所列4,808字外，并优先收编国中、国小教科书中常用字587字及异体字6字。另外在2009年，在字码4244h至4254h，增补闽南语用拉丁符号17个[10]。
  • 第二字面：字码区间由2121h至7244h，故编入中文字7,650个；字集来源除教育部“次常用国字标准字体表”所列6,330字外，并筛选编入教育部“罕用国字标准字体表”表中使用频率较高之1,320字。
  • 第三字面：字码区间2121h至6246h，共编入中文字6,148个；字集来源为1988年6月行政院主计处电子处理资料中心暂编之使用者加字区第14字面前段；字码区间6448h至672Ah为247个美国与香港提报字[11]。
  • 第四字面：字码区间2121h至6E5Ch，共编入中文字7,298个；字集来源除1988年6月行政院主计处电子处理资料中心暂编之使用者加字区第14字面后段171字外，并加入户役政及其他使用单位、ISO/IEC 10646-2:2001汉字集、资讯业次常用字7,127字。
  • 第五字面：字码区间2121h至7C51h，目前编入中文字8,603个字；字集来源为未编入前4个字面之教育部罕用字。
  • 第六字面：字码区间2121h至647Ah，共编入中文字6,388个；字集来源为未编入前5个字面，且笔画在14画或以下之教育部异体字。
  • 第七字面：字码区间2121h至6655h，共编入中文字6,539个；字集来源为未编入前6个字面，且笔画在15画或以上之教育部异体字。
  • 第八字面：编入ISO/IEC 10646:2003 基本多文种平面中，未收录到原CNS 11643版本中的非汉字。
  • 第九字面：字码区间2121h至3557h，编入ISO/IEC 10646:2003 基本多文种平面中，未收录到原CNS 11643版本中的非汉字；字码区间7455h至7E7Eh，编入户政字。
  • 第十字面：编入ISO/IEC 10646:2003未收录到原CNS 11643版本中的CJK Extension B汉字。
  • 第十一字面：编入未收录到原CNS 11643版本中的CJK Extension B, C, D汉字与地政字、教育部闽南语及客家语母语用字。
  • 第十二字面：为户政字，字码区间6249h至627Eh，编入未收录到原CNS 11643版本中的CJK Extension C汉字。
  • 第十三字面：为户政字。
  • 第十四字面：为户政字，字码区间4B6Dh至6D79h，编入未收录到原CNS 11643版本中的CJK基本区、CJK Extension A、CJK Extension C和CJK基本区急用汉字。
  • 第十五字面：字码区间2121h至6D39h，共编入中文字6,831个户政、役政用字；字码区间6D3Ah至7E3Ch，编入未收录到原CNS 11643版本中的CJK Extension C汉字。
  • 第十六字面：私人造字区。
  • 第十七字面：2014年起开始使用，属于内政部户政、地政等字。
  • 第十九字面：2014年起开始使用，属于教育部异体字。
  • 第二十四字面：2021年起开始使用，2121h为医药用字；2122h至2123h为元素、化学、符号用字。[12]
  • 第18、20至23、25至80字面保留供未来使用。

与大五码关系

大五码为资讯工业策进会与台湾十三家资讯业者签约，共同为“五大软件专案”所设计的中文字符编码。该字符编码于1983年12月推出，共收录13,053个汉字（有两字重复编码，故实际上只有13,051个字）、408个符号、33个控制字元[13]，其字元的范围与顺序都和1983年10月推出的“通用汉字标准交换码”试用版相同，但码位不同。“通用汉字标准交换码”在1986年推出正式版，删除试用版的2个重复编码字，调整了20个字的顺序。

大五码后来成为繁体中文社群最常用的电脑汉字字集标准，然而所涵盖的字数不敷实际需求，造成厂商各自增删，衍生成多种不同版本。2003年中文数码化技术推广基金会接受经济部标准检验局委托，召集国内业者代表、专家和学者，就大五码字元表的原始版本和业界主要版本予以重整，称为Big5-2003[14]。重整后的版本，去除了重复编码，并新增7个中文字，以及370个符号，包括30个数字符号、24个部首、14个罕用符号、268个日本假名，以及34个表格符号[13]。其成果最后收录至CNS 11643的附录之中[15]。

参看

资料来源

  1. ^ 余保伦. 與文字共舞－中文數位化發展簡介 (PDF). 中华民国统计资讯网. [2022-12-16]. （原始内容存档 (PDF)于2022-12-16）. 
  2. ^ 陈冠州. 電信碼. 国家教育研究院乐词网. 1995-12 [2024-04-29]. （原始内容存档于2024-04-29）. 
  3. ^ 存档副本. [2015-03-28]. （原始内容存档于2015-04-02）. 
  4. ^ 4.0 4.1 4.2 曾士熊. 認識中文字元碼：十、中文標準交換碼（CNS 11643）. [2022-12-16]. （原始内容存档于2022-05-28）. 
  5. ^ 全字库中文标准交换码. 全字庫介紹. [2022-12-16]. （原始内容存档于2022-12-16）. 
  6. ^ 全字庫現況. [2022-12-16]. （原始内容存档于2023-01-27）. 
  7. ^ 全字庫中文標準交換碼 - 中文碼現況. [2022-12-17]. （原始内容存档于2022-12-17）. 现有字数：现行全字库中，户政与地政部分用字经检查为认同字，因而删除该码位资料，但仍保留该码位的位置，现有字数即去除这些被认同掉的字码，所计算得到的总字数……全字库第八字面和第九字面所储存的是拼音文字，所以没有注音、仓颉等属性资料码位个数 
  8. ^ 8.0 8.1 認識全字庫＞中文碼介紹. [2022-12-17]. （原始内容存档于2021-05-14）. 
  9. ^ 附錄1﹕中文字碼處理說明 (PDF). [2022-12-17]. （原始内容存档 (PDF)于2022-12-17）. 
  10. ^ 存档副本. [2021-12-12]. （原始内容存档于2022-07-14）. 
  11. ^ 存档副本. [2021-12-12]. （原始内容存档于2022-07-14）. 
  12. ^ 存档副本. [2021-12-12]. （原始内容存档于2022-07-10）. 
  13. ^ 13.0 13.1 曾士熊. 認識中文字元碼： 九、Big5和Big5E. [2022-12-17]. （原始内容存档于2022-05-28）. 
  14. ^ 認識全字庫＞中文碼介紹. [2022-12-17]. （原始内容存档于2021-05-14）. 
  15. ^ 谢东翰. 預覽「Big5 2003」. [2022-12-17]. （原始内容存档于2022-12-17）. 

外部链接

检索自“https://zh.wikipedia.org/w/index.php?title=中文標準交換碼&oldid=84672456”