1. CJK Unicode相关资料
1.1. CJK Unicode范围
1.1.1. Oasis Feng的总结
本文转自 Oasisfeng网站
因为FontRouter新版本开发的需要,在网上搜索了一下汉字的Unicode范围,普遍给出了“U+4E00..U+9FA5”。但事实上这个范围是不完整的,甚至连基本的全角(中文)标点也未包含在内。为此,我特地查询了Unicode官方的 Code Charts数据库,并根据最新的Unicode 5.0版整理如下:
注:在绝大多数应用场合中,我们可以仅用(1)、(2)、(3)、(4)、(5)的集合作为CJK判断的依据。
1)标准CJK文字 http://www.unicode.org/Public/UNIDATA/Unihan.html
Code point range |
Block name |
Release |
U+3400..U+4DB5 |
CJK Unified Ideographs Extension A |
3.0 |
U+4E00..U+9FA5 |
CJK Unified Ideographs |
1.1 |
U+9FA6..U+9FBB |
CJK Unified Ideographs |
4.1 |
U+F900..U+FA2D |
CJK Compatibility Ideographs |
1.1 |
U+FA30..U+FA6A |
CJK Compatibility Ideographs |
3.2 |
U+FA70..U+FAD9 |
CJK Compatibility Ideographs |
4.1 |
U+20000..U+2A6D6 |
CJK Unified Ideographs Extension B |
3.1 |
U+2F800..U+2FA1D |
CJK Compatibility Supplement |
3.1 |
2)全角ASCII、全角中英文标点、半宽片假名、半宽平假名、半宽韩文字母:FF00-FFEF http://www.unicode.org/charts/PDF/UFF00.pdf
3)CJK部首补充:2E80-2EFF http://www.unicode.org/charts/PDF/U2E80.pdf
4)CJK标点符号:3000-303F http://www.unicode.org/charts/PDF/U3000.pdf
5)CJK笔划:31C0-31EF http://www.unicode.org/charts/PDF/U31C0.pdf
6)康熙部首:2F00-2FDF http://www.unicode.org/charts/PDF/U2F00.pdf
7)汉字结构描述字符:2FF0-2FFF http://www.unicode.org/charts/PDF/U2FF0.pdf
8)注音符号:3100-312F http://www.unicode.org/charts/PDF/U3100.pdf
9)注音符号(闽南语、客家语扩展):31A0-31BF http://www.unicode.org/charts/PDF/U31A0.pdf
10)日文平假名:3040-309F http://www.unicode.org/charts/PDF/U3040.pdf
11)日文片假名:30A0-30FF http://www.unicode.org/charts/PDF/U30A0.pdf
12)日文片假名拼音扩展:31F0-31FF http://www.unicode.org/charts/PDF/U31F0.pdf
13)韩文拼音:AC00-D7AF http://www.unicode.org/charts/PDF/UAC00.pdf
14)韩文字母:1100-11FF http://www.unicode.org/charts/PDF/U1100.pdf
15)韩文兼容字母:3130-318F http://www.unicode.org/charts/PDF/U3130.pdf
16)太玄经符号:1D300-1D35F http://www.unicode.org/charts/PDF/U1D300.pdf
17)易经六十四卦象:4DC0-4DFF http://www.unicode.org/charts/PDF/U4DC0.pdf
18)彝文音节:A000-A48F http://www.unicode.org/charts/PDF/UA000.pdf
19)彝文部首:A490-A4CF http://www.unicode.org/charts/PDF/UA490.pdf
20)盲文符号:2800-28FF http://www.unicode.org/charts/PDF/U2800.pdf
21)CJK字母及月份:3200-32FF http://www.unicode.org/charts/PDF/U3200.pdf
22)CJK特殊符号(日期合并):3300-33FF http://www.unicode.org/charts/PDF/U3300.pdf
23)装饰符号(非CJK专用):2700-27BF http://www.unicode.org/charts/PDF/U2700.pdf
24)杂项符号(非CJK专用):2600-26FF http://www.unicode.org/charts/PDF/U2600.pdf
25)中文竖排标点:FE10-FE1F http://www.unicode.org/charts/PDF/UFE10.pdf
26)CJK兼容符号(竖排变体、下划线、顿号):FE30-FE4F http://www.unicode.org/charts/PDF/UFE30.pdf
以上翻译自Unicode官方网站,部分译法可能不够准确,还望大家予以指正!如有疏漏、错误之处也请一并指出,多谢!
- kcome | 2006.11.27 3:02 PM 兄弟,很有价值的东西~ 感谢分享,希望联系. creator of byread and mbook
- chukl000 | 2007.1.11 2:44 AM
「bopomofo」通常稱為「注音符號」,很少叫作「旧汉语拼音符号」;另「易经(六线)符号」或者譯為「易經六十四卦象」、「易經六爻卦象」或「易經重卦」會比較好。請參考 http://www.geocities.com/chukl000/unicode/unicode5-0-0.html 的譯文。
- oasisfeng | 2007.1.11 9:44 PM 多谢楼上chukl000朋友的斧正和信息!已经更新原文。:)
- chukl000 | 2007.1.13 1:17 AM 噢!對不起,又來搞擾你了,之前看漏了眼,A000-A48F和A490-A4CF是一種中國少數民族的文字,稱為「彝文」,和《易經》沒有關係的,所以建議主持人把「易经音节」改為「彝文音節」,「易经偏旁」改為「彝文字母」或「彝文偏旁」。
- oasisfeng | 2007.1.13 2:30 AM 实在惭愧,当初很多生僻的Unicode区段都没有仔细考证过,仅凭不完整的线索和模糊的判断在进行翻译。非常感谢chukl000的细致审阅和指正!
- Max | 2007.6.12 6:01 PM 漏了几个区域: CJK标点符号:3000-303F FE10-FE1F FE30-FE4F 请参考http://www.unicode.org/charts/PDF
- oasisfeng | 2007.6.12 10:01 PM 多谢Max的补充,3000-303F这个范围竟然漏掉了,实在惭愧!
- doristan | 2007.6.19 6:57 PM 请问,在U+4E00..U+9FA5 CJK Unified Ideographs 这个段中,我怎么区分中文简体与繁体字符了?不是转换,而是说他们之间在编码上面得差异,谢谢 1.chukl000 | 2007.6.28 7:34 PM 答doristan: 統一碼的目的,就是要把全球各地電腦的不同字集統一起來,所以可以說它是字集編碼的超集,因此無論是繁體還是簡化字,都是使用相同的標準來編碼的。只要是相同的外觀的同一個字,都會編到相同的編號中,比方說,無論用什麼電腦打「一」字,它的編碼都是U+4E00,所以我們是不知道它是繁體字、簡化字、還是日文字。 又或者「干」可以是繁體字、「幹」或「乾」的簡化字,甚至是日文字,但它的編碼還是U+5E72,我們單憑一個字是不能知道它是繁是簡的。 這有什麼好處呢?就是任何電腦都可以看到繁簡體,以至日文、韓文都沒有問題,反正只要觀看者懂便行了。就像現在我看到你的簡化字,你也讀到我的繁體字,甚至用英文電腦的人都也可以看到我們的字,不是有助全球化嗎?
1.1.2. 官方Unicode 资料
1.2. 总体区段分布
1.2.1. Unicode编码分布表
转自 北大中文论坛
韦剑的Unicode编码分布表很好。五笔爱好者论坛上的haibiaocn提出表中各别译名似乎欠妥,比如bopomofo应是汉语注音符号,不该译成汉语拼音字母。他提供了一份“統一碼 5.0.0 版區塊名稱表”。这个码表可以作为译名参考。統一碼 5.0.0 版區塊名稱表如下:統一碼 5.0.0 版區塊名稱表(Block Names for Unicode 5.0.0)發表日期:二零零六年七月(2006-07)區塊位置
Block Positons |
區塊名稱 Block Names |
English Names中文譯名 |
0000-007F |
Basic Latin |
基本拉丁字母 |
0080-00FF |
Latin-1 Supplement |
拉丁字母補充-1 |
0100-017F |
Latin Extended-A |
拉丁字母擴充-A |
0180-024F |
Latin Extended-B |
拉丁字母擴充-B |
0250-02AF |
IPA Extensions |
國際音標擴充 |
02B0-02FF |
Spacing Modifier Letters |
進格修飾字元 |
0300-036F |
Combining Diacritical Marks |
組合音標附加符號 |
0370-03FF |
Greek and Coptic |
希臘字母 |
0400-04FF |
Cyrillic |
西里爾字母 |
0500-052F |
Cyrillic Supplement |
西里爾字母補充 |
0530-058F |
Armenian |
亞美尼亞文 |
0590-05FF |
Hebrew |
希伯來文 |
0600-06FF |
Arabic |
基本阿拉伯文 |
0700-074F |
Syriac |
敘利亞文 |
0750-077F |
Arabic Supplement |
阿拉伯文補充 |
0780-07BF |
Thaana |
塔納文 |
07C0-07FF |
N'Ko |
|
0900-097F |
Devanagari |
天城體梵文字母 |
0980-09FF |
Bengali |
孟加拉文 |
0A00-0A7F |
Gurmukhi |
古爾穆基文 |
0A80-0AFF |
Gujarati |
古吉拉特文 |
0B00-0B7F |
Oriya |
奧里亞文 |
0B80-0BFF |
Tamil |
泰米爾文 |
0C00-0C7F |
Telugu |
泰盧固文 |
0C80-0CFF |
Kannada |
卡納達文 |
0D00-0D7F |
Malayalam |
馬拉亞拉姆文 |
0D80-0DFF |
Sinhala |
僧伽羅文 |
0E00-0E7F |
Thai |
泰文 |
0E80-0EFF |
Lao |
老撾文;寮國文 |
0F00-0FFF |
Tibetan |
藏文 |
1000-109F |
Myanmar |
緬甸文 |
10A0-10FF |
Georgian |
格魯吉亞文 |
1100-11FF |
Hangul Jamo |
諺文字母 |
1200-137F |
Ethiopic |
埃塞俄比亞文 |
1380-139F |
Ethiopic Supplement |
埃塞俄比亞文補充 |
13A0-13FF |
Cherokee |
切羅基文 |
1400-167F |
Unified Canadian Aboriginal Syllabics |
加拿大土著統一音節文字 |
1680-169F |
Ogham |
歐甘文 |
16A0-16FF |
Runic |
北歐古文 |
1700-171F |
Tagalog |
他加祿文 |
1720-173F |
Hanunoo |
哈努諾文 |
1740-175F |
Buhid |
布希德文 |
1760-177F |
Tagbanwa |
塔格巴努亞文 |
1780-17FF |
Khmer |
高棉文 |
1800-18AF |
Mongolian |
蒙古文 |
1900-194F |
Limbu |
林布文 |
1950-197F |
Tai Le |
傣哪文;德宏傣文 |
1980-19DF |
New Tai Lue |
新傣仂文 |
19E0-19FF |
Khmer Symbols |
高棉符號 |
1A00-1A1F |
Buginese |
布吉文 |
1B00-1B7F |
Balinese |
巴厘文 |
1D00-1D7F |
Phonetic Extensions |
音標擴充 |
1D80-1DBF |
Phonetic Extensions Supplement |
音標擴充補充 |
1DC0-1DFF |
Combining Diacritical Marks Supplement |
組合音標附加符號 |
1E00-1EFF |
Latin Extended Additional |
拉丁字母擴充附加 |
1F00-1FFF |
Greek Extended |
希臘文擴充 |
2000-206F |
General Punctuation |
一般標點符號 |
2070-209F |
Superscripts and Subscripts |
下標及上標 |
20A0-20CF |
Currency Symbols |
貨幣符號 |
20D0-20FF |
Combining Diacritical Marks for Symbols |
符號用組合附加符號 |
2100-214F |
Letterlike Symbols |
似字母符號 |
2150-218F |
Number Forms |
數字形式 |
2190-21FF |
Arrows |
箭頭符號 |
2200-22FF |
Mathematical Operators |
數學運算符號 |
2300-23FF |
Miscellaneous Technical |
混合專門符號 |
2400-243F |
Control Pictures |
控制圖像 |
2440-245F |
Optical Character Recognition |
光學字元識別 |
2460-24FF |
Enclosed Alphanumerics |
括號字母數字 |
2500-257F |
Box Drawing |
製表符 |
2580-259F |
Block Elements |
區塊元件 |
25A0-25FF |
Geometric Shapes |
幾何形狀 |
2600-26FF |
Miscellaneous Symbols |
混合什錦符號 |
2700-27BF |
Dingbats |
什錦符號 |
27C0-27EF |
Miscellaneous Mathematical Symbols-A |
混合數學符號-A |
27F0-27FF |
Supplemental Arrows-A |
補充性箭頭符號-A |
2800-28FF |
Braille Patterns |
盲文;盲人點字 |
2900-297F |
Supplemental Arrows-B |
補充性箭頭符號-B |
2980-29FF |
Miscellaneous Mathematical Symbols-B |
混合數學符號-B |
2A00-2AFF |
Supplemental Mathematical Operators |
補充性數學運算符號 |
2B00-2BFF |
Miscellaneous Symbols and Arrows |
混合什錦符號和箭頭符號 |
2C00-2C5F |
Glagolitic |
格拉戈爾字母 |
2C60-2C7F |
Latin Extended-C |
拉丁字母擴充-C |
2C80-2CFF |
Coptic |
科普特文 |
2D00-2D2F |
Georgian Supplement |
格魯吉亞文補充 |
2D30-2D7F |
Tifinagh |
提非納格字母 |
2D80-2DDF |
Ethiopic Extended |
埃塞俄比亞文擴充 |
2E00-2E7F |
Supplemental Punctuation |
補充性標點符號 |
2E80-2EFF |
CJK Radicals Supplement |
中日韓部首補充 |
2F00-2FDF |
Kangxi Radicals |
康熙部首 |
2FF0-2FFF |
Ideographic Description Characters |
漢字結構描述字符 |
3000-303F |
CJK Symbols and Punctuation |
中日韓符號和標點 |
3040-309F |
Hiragana |
平假名 |
30A0-30FF |
Katakana |
片假名 |
3100-312F |
Bopomofo |
注音符號 |
3130-318F |
Hangul Compatibility Jamo |
諺文相容字母 |
3190-319F |
Kanbun |
漢文標註號 |
31A0-31BF |
Bopomofo Extended |
注音符號擴充 |
31C0-31EF |
CJK Strokes |
中日韓筆畫部件 |
31F0-31FF |
Katakana Phonetic Extensions |
片假名音標擴充 |
3200-32FF |
Enclosed CJK Letters and Months |
中日韓括號字母及月份 |
3300-33FF |
CJK Compatibility |
中日韓相容字元 |
3400-4DBF |
CJK Unified Ideographs Extension A |
中日韓統一表意文字擴充A |
4DC0-4DFF |
Yijing Hexagram Symbols |
易經六十四卦象 |
4E00-9FFF |
CJK Unified Ideographs |
中日韓統一表意文字 |
A000-A48F |
Yi Syllables |
彝文音節 |
A490-A4CF |
Yi Radicals |
彝文字母 |
A700-A71F |
Modifier Tone Letters |
聲調符號 |
A720-A7FF |
Latin Extended-D |
拉丁字母擴充-D |
A800-A82F |
Syloti Nagri |
|
A840-A87F |
Phags-pa |
八思巴字母 |
AC00-D7AF |
Hangul Syllables |
諺文音節 |
D800-DB7F |
High Surrogates |
高半代用區 |
DB80-DBFF |
High Private Use Surrogates |
高半專用代用區 |
DC00-DFFF |
Low Surrogates |
低半代用區 |
E000-F8FF |
Private Use Area |
專用區 |
F900-FAFF |
CJK Compatibility Ideographs |
中日韓相容表意文字 |
FB00-FB4F |
Alphabetic Presentation Forms |
字母變體顯現形式 |
FB50-FDFF |
Arabic Presentation Forms-A |
阿拉伯文變體顯現形式-A |
FE00-FE0F |
Variation Selectors |
字型變換選取器 |
FE10-FE1F |
Vertical Forms |
豎式標點 |
FE20-FE2F |
Combining Half Marks |
組合半形標示 |
FE30-FE4F |
CJK Compatibility Forms |
中日韓相容形式 |
FE50-FE6F |
Small Form Variants |
小寫變體 |
FE70-FEFF |
Arabic Presentation Forms-B |
阿拉伯文變體顯現形式-B |
FF00-FFEF |
Halfwidth and Fullwidth Forms |
半形及全形字符 |
FFF0-FFFF |
Specials |
特殊區域 |
10000-1007F |
Linear B Syllabary |
線形文字B音節文字 |
10080-100FF |
Linear B Ideograms |
線形文字B表意文字 |
10100-1013F |
Aegean Numbers |
愛琴數字 |
10140-1018F |
Ancient Greek Numbers |
古希臘數字 |
10300-1032F |
Old Italic |
古意大利文 |
10330-1034F |
Gothic |
哥特文 |
10380-1039F |
Ugaritic |
烏加里特楔形文字 |
103A0-103DF |
Old Persian |
古波斯文 |
10400-1044F |
Deseret |
猶他大學音標 |
10450-1047F |
Shavian |
肅伯納字母 |
10480-104AF |
Osmanya |
|
10800-1083F |
Cypriot Syllabary |
塞浦路斯音節文字 |
10900-1091F |
Phoenician |
腓尼基字母 |
10A00-10A5F |
Kharoshthi |
佉盧字母 |
12000-123FF |
Cuneiform |
楔形文字 |
12400-1247F |
Cuneiform Numbers and Punctuation |
楔形文字數字及標點 |
1D000-1D0FF |
Byzantine Musical Symbols |
東正教音樂符號 |
1D100-1D1FF |
Musical Symbols |
音樂符號 |
1D200-1D24F |
Ancient Greek Musical Notation |
古希臘音樂譜記號 |
1D300-1D35F |
Tai Xuan Jing Symbols |
太玄經符號 |
1D360-1D37F |
Counting Rod Numerals |
算籌記數式 |
1D400-1D7FF |
Mathematical Alphanumeric Symbols |
數學用字母數字符號 |
20000-2A6DF |
CJK Unified Ideographs Extension B |
中日韓統一表意文字擴充B |
2F800-2FA1F |
CJK Compatibility Ideographs Supplement |
中日韓相容表意文字補充 |
E0000-E007F |
Tags |
語言編碼標籤 |
E0100-E01EF |
Variation Selectors Supplement |
字型變換選取器補充 |
FFF80-FFFFF |
Supplementary Private Use Area-A |
補充專用區-A |
10FF80-10FFFF |
Supplementary Private Use Area-B |
補充專用區-B |