庞大而杂乱的文字内码系统

我虽然一直搞电脑，而且研究汉字处理，但对本文主题——文字内码，仍未能通晓。但觉得当前大字库内码系统，大而乱，应该研究采用尽可能小的小字库，让电脑键盘像普通笔一样，能自由写任何文字。我是在学习有关资料的基础上写这篇文章的，以我的理解，力求写得浅近，也可供入门者阅读。我的理解，尤其是我作的推论，如果有错误，请高手来信指正。地址：chancezoo@126.com

一、代码页：字库加编码

与拍电报要把文字转变为电报码一样，电脑处理文字，也要先转变为电脑能识别的信息交换码。电脑只能分辨用电压高低表示的0和1，所以毎一个文字的代码都是特定的二进制数。电脑的存贮是以8个二进制位为单位，叫做字节，通常表示为二个各由4个二进制位组成的十六进制字符（012……9AB……F），从最小值00到最大值FF（8个二进制位均为1，等于十进制255），只有256种不同的值，只能表示ASCII（美国信息交换标准代码）字符。实际上可显示的ASCII字符不到100个，开头32个是不能显示的控制码，如07为嘟一声，0A为换行，0D为回车，1B为键盘左上角的逃脱键。从空格20开始才是真正的ASCII字符，如30…39是十个数字0…9，41…5A是A…Z，61…7A是a…z。从20到7F的96个代码，每个都有一组数据，用来显示它所代表的字形。这些数据组成一个ASCII字库，只不过不如汉字字库那么大。可见，电脑一开始就用“字库加编码”的方法来处理文字的。我以前说，汉字植根于电脑的方法，一开始就错用了“字库加编码”的方法，这个说法不大确切，应该说是错用了大字库的方法。

从00到7F的128个代码，最高位为0，是基本拉丁字符，最高位为1的另外128个代码，是基本拉丁字符的扩展码，多为制表符等图形。英文以外的拼音文字，还有一些与拉丁字母不同的字母，它们也被安排在扩展码中。像中文那样，字符特多，更要两个以上这样的字节。总之，不同国家和地区的不同文字，编码安排不一样，字库内容不相同，分别用一个叫代码页的数值来区别。常见的代码页有：美国37，英国285，德国273，中国大陆（简体）936，中国台湾（繁体）950，日语932等。不过所有代码页中，都包含00……7F的基本拉丁字符。

二、汉字的大字库

汉字数目太多，现在已有7万甚至10万的字库，可以说没有定数。这本不奇怪，英文字（词）的数量其实还要多10倍。只是他们不对这些巨量的字词编码和设计字模，而是让它们都由52个字母组成。我们的汉字也应该只对笔画、最多再加少量字根进行编码，其他汉字都由它们组成。可惜当时没有、也不可能解决笔画组字的技术，我们只能直接对汉字本身编码了。大陆第一个编码是1980年的国标码GB2312，共收录了7445个字符，包括6763个汉字和682个其它符号。由于

1、 字符数超过256，必须用2个字节；

2、 为了兼容基本拉丁字符，只能用高位为1的扩展字节；

3、 当字符送去显示时，过去计算机硬件和软件会把高位的1屏蔽掉，小于A0的32个高位为1的字节，就会变成控制码，所以要避开不用。

这样，每个字节只能用A0……FF的96个码位，除去首尾A0、FF这两个，实用A1……FE共94个码位。两字节码中高字节相同的组成一个区，区有区号；低字节对应同一区中94个位号；这就是字符的区位码。高字节值从A1……AF的前15区安排着制表符、注音符号、假名、希腊字母、俄文字母等。其中也包括另一套拉丁字母，不过它们每个字母与汉字一样，不但内码要两字节，显示时也占一个汉字的位置，即所谓全角字符，而原来的ASCII字符是半角字符，窄一半。真正的汉字区，内码范围：高字节从B0…F7，低字节从A1…FE。高字节从B0…D7（第16-55区）的40区3755个（最后5个空位）称为一级汉字，按拼音排序；D8…F7（第56-87区）的3008个是二级汉字，按部首排序；共占用的码位是72*94=6768。除了两级汉字中间有5个空位外，前15区中也有空位，87区后全空着，都可以按放自造字，不过自造字不能供其他人公用。

港台不仅用繁体字，而且编码完全不同。台湾原来有倚天、王安等多种编码，1984年宏碁等5个单位创立大五码Big5，高字节也限为A1……FE，低字节还增加4E……7E，收字数达13053。同一种文字，有不同的编码，必然要出现乱码：用甲码输入的字，按乙码去显示，自然会面目全非。所以，台湾发来的信件，全是乱码，必须进行内码转换后才能阅读。现在好了，浏览器、编辑器太多可以很方便地转换，如果出现乱码，可点一下鼠标换个内码试试。

不唯海峡两岸编码不同，同是大陆，都由国家制定，不同时期编码也不一样。且码本种类繁多，连名称也不容易搞清楚，我只说主要的，也不引用长长的全名。由于GB2312支持的汉字太少，1993年的GB13000.1增加到20902个，包括中日韩CJK三国的汉字。1995年的汉字扩展规范GBK1.0收录了21003个汉字。2000年的GB18030是取代GBK1.0的正式国家标准，收录了27484个汉字。这些字库都向下兼容，都包含GB2312的6763个汉字及其编码。为了容纳更多的汉字，内码高字节向上扩展到81，低字节向上扩展到40（以后进一步扩展到30），但不含7F，增加的汉字就插到新扩展区中。汉字至今还没有科学的排序方法，GB2312的两级字库，是按使用频数分的，已不是按同一标准排序，后增的更没有公认的次序了。使用者实难从众多无序的字库中找出需要的，这忙坏了输入法的研制者，即使“万马奔腾”也无满意的结果。

本来，有了大汉字库，应该不会写错字，最多写别字。可是最近网上揭示，发现了一些“电脑错字”。电脑错字与以前写错字不同，使用者不能纠正它。那是因为这个字的码位上放的字模错了，谁都得“将错就错”，一直错下去。其原因可能是字库设计者的错，也可能是字库文件的意外损坏。如果属后一情况，一般已不能成字，如果整个字模被抹去了，就成为空白。如果是字库文件损坏，常常换一个机子，或只换一种字体就正常了。还发现有汉字安排重覆的。更有输入提示栏对，显示却不正确；或输入是鱼字旁，结果变成角字旁等等。总之，由于字数太多，难免出错，出了错，也难找原因改正。

三、统一码杂而乱

我写了几篇文章，多次分析了中文信息处理采用大字库产生的许多问题，上一节只说明了其中的一点，即特大字库必然会杂而乱，难于维护与管理。想不到国际组织竟认同大字库方法。当互联网的发展，使全世界成为一个地球村时，各民族文字都要求、也应当一视同仁，能够在同一网页上显示。宇宙间的文字字形何止千万。于是有了统一码Unicode，总码位达20亿，目前还只用了一点点，可能几十年、上百年也用不光。设计Unicode的组织有两个，即国际标准化组织（ISO）和一个软件制造商的协会（unicode.org）。ISO开发了ISO 10646项目，Unicode协会开发了Unicode项目。在1991年前后，开始合并双方的工作成果，并为创立一个单一编码表而协同工作。从Unicode2.0开始，Unicode项目采用了与ISO 10646-1相同的字库和字码。目前两个项目仍都存在，并独立地公布各自的标准。Unicode协会现在的最新版本是2005年的Unicode 4.1.0。ISO的最新标准是10646-3:2003。

统一码最多可用4个字节表示一个字符，称为UCS-4。UCS-4的最高字节的最高位为0，根据该字节的值分成2^7=128个类。每个类再根据次高字节分为256个平面。每个平面根据第3个字节分为256行，每行包含256个码位。 0类的0平面被称作基本平面, 简称BMP。或者说UCS-4中，最高两个字节为0的码位被称作BMP。将UCS-4的BMP去掉前面的两个零字节就得到了两字节的UCS-2。在UCS-2的两个字节前加上两个零字节，就恢复为UCS-4的BMP。目前的UCS-4规范中被应用的部分绝大部分还在BMP之内，它们是由各国申请决定的，像注册域名一样。已经有的统一码安排见本文末附表，这是我从软件BabelMap上抄下来的。

请仔细阅读这张表，看看能得出什么印象。该表按码位自然次序列出了已确定的133个字符区，各区所在的平面（USC-4的第二字节），区域名、该区的起止范围（第二到第四字节）、字符数及首次引入的Unicode版本。我在最后加了一列，是依次序排的区号，以便于叙述。我们先叙述该表的以下情况：

（1）该表只涉及第一类，即最高字节为0者，非0的127类完全没有动。第一类中也只涉及0、1、2、14、15、16这6个平面，另外的250个平面也没有动。

（2）各区大小相差悬殊。最大的除最末2区为65534，就是有42711个汉字的128区“CJK汉字扩展-B”，最小的只有16个码位，如64、78、102、104、109区。

（3）区的实际大小，与实有字符数并不一定相符，有时相差还很远，即空位很多，如75区有空间128个码位，现在只有26个字符。

（4）各区之间并不是都相互衔接的。第2和第14平面都只有两区，两区之间都有没用的空间。第1平面只有18区，它们之间也有很多不衔接的。0平面基本用光了，但它所有的109个区之间也有空隙，如11-12，35-36，40-41，70-71，74-75，77-78之间，而94到98区，相邻两区之间都有空隙。

（5）最后一个重要情况是，有些国家的文字，占着2个以上的区，而且，很多区是不相互衔接的。区数最多的是中文，共有18个区，包括76-79、82、84-86、88-92、95、99、105、128-129区。其次是朝鲜文、阿拉伯文、彝文，字符数目也比较多。拉丁文虽也占首4个区，但连在一起。

由以上5条能得出什么印象呢？首先，就算这6个平面都安排满了，也只占第1类的6/256≈1/43，只占全部空间的1/128*43=1/5504，没有动用的统一码空间可能够未来几个世纪的需要了。对这么大的空间，已有的安排只能说是刚刚开始，但一开始就很混乱。各国文字的字符数多少不一，一国的文字，特别是字符数多的，常有不同的层次，在不同的时间申请安排，就必然要相互犬牙交错了。这种混乱以后更要继承和发展，不可能纠正，因为码表一变动，过去信息化的成果就要付诸东流了。

四、小字库是方向

所以，大字库方法是不可取的。字库大，自然不能一次完成，建成后也难以适应以后变化了的情况，故不稳定。字库太大，安排字符编码时就易出错，设计字形更易出错，维护也困难。原来两岸汉字由于编码不统一，所以出现乱码。现在有了统一码，码是统一了，却又出现了“电脑错字”，而且是使用者发现错了也不能纠正的。可见大字库的研制和维护都很困难，又只能由专门人材进行。另外，使用者必须靠复杂的输入法软件才能使用，而编研这种软件的困难随着字符数的增加而增加。字库字数一扩充，对扩充的新字，老输入法是无能为力的。目前，硬件的发展虽然使系统中装全所有文字字库是可能的，但使用统一码最多可以同时阅读包含多种文字的文件，而要自己写文章时同时使用许多种文字，即使有这样的字处理软件，恐怕也没几人用得了，因为要同时掌握各种文字的输入法。我们知道要学会一种汉字输入法已不容易，要同时学会不同文字的输入法谈何容易。

大字库的另一个问题是效率低下。人类创造的字符难以计数，但不同字符的使用频度相差悬殊。汉字字数最多，即使以常用字4-5000个为基数，占基数千分之二的前8个字，使用总频度就占了一成，占基数百分之二的前100个字，使用总频度占了四成。英文也一样，字母E的使用频率占13%，而字母Z的使用频率要小200倍。如果能统计世界所有字符的总体使用情况，对比会更加强烈。但是，目前信息编码都是用等长码，UCS4都用4字节（32比特）。原来ASCII字符只要1字节（如果只有拉丁字母只要5比特）的，也要用4字节。现在实际上没让ASCII字符多化4倍，那是以增加其他字符的标志为代价的。我们仅以8比特为单位传送信息的UTF-8编码为例，看它是如何处理UCS-2的字符的。因为一字节的最高位为0是使基本拉丁字符作为单字节传送的特征，其他传送字节必须高位都为1。以前我们的国标码也是用2个高位为1的字节来表示，但这最多只能为128*128=16384个汉字编码（而现在在2字节的USC-2中，汉字占了近3万码位）。用过那时的DOS汉字系统的人都碰到过，由于高低两字节没有区别，如果文件中间丢了一个字节，那么其后的汉字就会错乱，前字的低字节和后字的高字节併成字，结果面目全非。所以如下表所示，UTF-8中要用110标志第一字节，用10标志第二字节，这样一来，2字节只能传1920种UCS-2字符，其余第12区以上的字符都要用3个字节来传输了，它的第一字节标志是1110。不幸得很，我们的汉字都处在12区之后，都要3字节。查11到12区之间还空1360个码位，我们应去抢注为汉字字根区。

UCS-2编码(16进制) UTF-8 字节流(二进制) 字符总数

0000 - 007F 0xxxxxxx 128

0080 - 07FF 110xxxxx 10xxxxxx 1920

0800 - FFFF 1110xxxx 10xxxxxx 10xxxxxx 63488

拼音文字，如英文，其字库就是字母库，只有52个字符，非常小。英文字虽然上百万，死字一定也不少，没人用它，也不影响其他字的使用。另一方面，不论造多少新字，也不要什么输入法，只要会使用原来的52个字母便可。即使在字母不十分稳定的时期，例如发生一分为二或合二为一时，或增加新字母，甚或换一套全新的字母，都不影响原有存贮的历史资料。万一需要转换，也很容易。我的试验证明，汉字也可以用同样的小字库，即用与英文字母数目差不多的笔画库，为了方便最多再加一、二千个字根和常用字。这样一来，也没有输不进去的字，因为你可以依样画葫芦地拼出来。像用笔写错字一样，可能出现拼错，但这不是“电脑错字”，只存在于个别人的个别文章中，而且大部分还不会影响阅读。

既然汉字型文字像拼音文字那样可由笔画组成。进一步考虑所有拼音文字的字母，加上所有汉字型笔画，字符总数还是不少的。我们能不能再从它们中提取更少量最基本的，我暂称之为元笔画，以后只要这个元笔画库，就可组出世界上一切文字来。当然，不同文字可以有一套自己的字母、笔画或字根，学会该文字的人能使用它们。不懂该文字的，可以只用元笔画依样画葫芦地打出，最多字形不好看或不标准罢了。我们应该研究这样的系统，让电脑也像普通笔一样，可以自由地写出各种字形，而少受字库内容的限制。

附表： 已经安排的统一码

平面 区域名 范围起止 字符数 引入版本 区号

0 基本拉丁文 000000—00007F 128 Unicode 1.0.0 1

0 拉丁文-1补充 000080—0000FF 128 Unicode 1.0.0 2

0 拉丁文扩展-A 000100—00017F 128 Unicode 1.0.0 3

0 拉丁文扩展-B 000180—00024F 194 Unicode 1.0.0 4

0 国际音标扩展 000250—0002AF 96 Unicode 1.0.0 5

0 进格修饰字符 0002B0—0002FF 80 Unicode 1.0.0 6

0 组合区分标志 000300—00036F 112 Unicode 1.0.0 7

0 希腊文和古埃及文(科普特文) 000370—0003FF 124 Unicode 1.0.0 8

0 西里尔文 000400—0004FF 248 Unicode 1.0.0 9

0 西里尔文补充 000500—00052F 16 Unicode 3.2 10

0 亚美尼亚文 000530—0005AF 86 Unicode 1.0.0 11

0 奥利雅文（Driya） 000B00—000B7F 81 Unicode 1.0.0 12

0 奥米尔文 000B80—000BFF 71 Unicode 1.0.0 13

0 泰卢固文 000C00—000C7F 80 Unicode 1.0.0 14

0 埃纳德文（Kannada） 000C80—000CFF 82 Unicode 1.0.0 15

0 德拉维族文（Malayalam） 000D00—000D7F 78 Unicode 1.0.0 16

0 僧伽罗文（錫兰文） 000D80—000DFF 80 Unicode 3.0 17

0 泰文 000E00—000E7F 87 Unicode 1.0.0 18

0 老挝文 000E80—000EFF 65 Unicode 1.0.0 19

0 藏文 000F00—000FFF 195 Unicode 2.0 20

0 缅甸文 001000—00109F 78 Unicode 3.0 21

0 格鲁吉亚文 0010A0—0010FF 83 Unicode 1.0.0 22

0 朝鲜文字母 001100—0011FF 240 Unicode 1.1 23

0 埃塞俄比亚文 001200—00137F 356 Unicode 3.0 24

0 埃塞俄比亚文补充 001380—00139F 26 Unicode 4.1 25

0 切罗基族文（Cherrokee） 0013A0—0013FF 85 Unicode 3.0 26

0 加拿大土著统一音节（UCAS） 001400—00167F 630 Unicode 3.0 27

0 欧甘文 001680—00169F 29 Unicode 3.0 28

0 古北欧文（Rnic） 0016A0—0016FF 81 Unicode 3.0 29

0 他加禄文 001700—00171F 20 Unicode 3.2 30

0 哈鲁喏文（Hanunoo） 001720—00173F 23 Unicode 3.2 31

0 Buhid 001740—00175F 20 Unicode 3.2 32

0 Tagbanwa 001760—00177F 18 Unicode 3.2 33

0 高棉文 001780—0017FF 114 Unicode 3.0 34

0 蒙古文 001800—0018AF 155 Unicode 3.0 35

0 林布文（limbu） 001900—00194F 66 Unicode 4.0 36

0 傣仂文（Tai Le） 001950—00197F 35 Unicode 4.0 37

0 新傣仂文（New Tai Le） 001980—0019DF 80 Unicode 4.1 38

0 高棉文符号 0019E0—0019FF 32 Unicode 4.0 39

0 吉布文（Buginese） 001A00—001A1F 30 Unicode 4.1 40

0 音标扩展 001D00—001D7F 128 Unicode 4.0 41

0 音标扩展补充 001D80—001DBF 64 Unicode 4.1 42

0 组合区分标志扩展 001DC0—001DFF 4 Unicode 4.1 43

0 拉丁文附加扩展 001E00—001EFF 246 Unicode 1.1 44

0 希腊文扩展 001F00—001FFF 233 Unicode 1.1 45

0 通用标点符号 002000—00206F 106 Unicode 1.0.0 46

0 上标和下标 002070—00209F 34 Unicode 1.0.0 47

0 货币符号 0020A0—0020CF 22 Unicode 1.0.0 48

0 符号用组合区分标志 0020D0—0020FF 28 Unicode 1.0.0 49

0 类字母符号 002100—00214F 77 Unicode 1.0.0 50

0 数字形式 002150—00218F 49 Unicode 1.0.0 51

0 箭头 002190—0021FF 112 Unicode 1.0.0 52

0 数学运算符号 002200—0022FF 256 Unicode 1.0.0 53

0 混合技术 002300—0023FF 220 Unicode 1.0.0 54

0 控制图符 002400—00243F 39 Unicode 1.0.0 55

0 光学字符识别（OCR） 002440—00245F 11 Unicode 1.0.0 56

0 括号型字母数字 002460—0024FF 160 Unicode 1.0.0 57

0 制表符 002500—00257F 128 Unicode 1.0.0 58

0 方块元素 002580—00259F 32 Unicode 1.0.0 59

0 几何形状 0025A0—0025FF 96 Unicode 1.0.0 60

0 杂项符号 002600—0026FF 175 Unicode 1.0.0 61

0 装饰标志（丁贝符） 002700—0027BF 174 Unicode 1.0.0 62

0 数学杂项符号-A 0027C0—0027EF 35 Unicode 3.2 63

0 箭头补充-A 0027F0—0027FF 16 Unicode 3.2 64

0 盲文 002800—0028FF 256 Unicode 3.0 65

0 箭头补充-B 002900—00297F 128 Unicode 3.2 66

0 数学杂项符号-B 002980—0029FF 128 Unicode 3.2 67

0 数学运算符号补充 002A00—002AFF 256 Unicode 3.2 68

0 杂项符号和箭头 002B00—002BFF 20 Unicode 4.0 69

0 格拉哥里字母（Glagolitie） 002C00—002C5F 94 Unicode 4.1 70

0 古埃及文（科普特文） 002C80—002CFF 114 Unicode 4.1 71

0 格鲁吉亚文补充 002D00—002D2F 38 Unicode 4.1 72

0 提非纳文（Tifinagh） 002D30—002D7F 55 Unicode 4.1 73

0 埃塞俄比亚文扩展 002D80—002DDF 79 Unicode 4.1 74

0 标点符号补充 002E00—002E7F 26 Unicode 4.1 75

0 CJK部首补充 002E80—002EFF 115 Unicode 3.0 76

0 康熙部首 002F00—002FDF 214 Unicode 3.0 77

0 汉字结构描述字符 002FF0—002FFF 12 Unicode 3.0 78

0 CJK符号和标点符号 003000—00303F 64 Unicode 1.0.0 79

0 平假名 003040—00309F 93 Unicode 1.0.0 80

0 片假名 0030A0—0030FF 96 Unicode 1.0.0 81

0 注音符号 003100—00312F 40 Unicode 1.0.0 82

0 朝鲜文兼容字母 003130—00318F 94 Unicode 1.0.0 83

0 汉字注释 003190—00319F 16 Unicode 1.0.0 84

0 注音符号扩展 0031A0—0031BF 24 Unicode 3.0 85

0 CJK笔画 0031C0—0031EF 16 Unicode 4.1 86

0 片假名音标扩展 0031F0—0031FF 16 Unicode 3.2 87

0 CJK括号型字母和月份 003200—0032FF 242 Unicode 1.0.0 88

0 CJK兼容汉字 003300—0033FF 256 Unicode 1.0.0 89

0 CJK统一汉字扩充-A 003400—004DBF 6582 Unicode 3.0 90

0 易经六十四卦象 004DC0—004DFF 64 Unicode 4.0 91

0 CJK统一汉字 004E00—009FFF 20924 Unicode 1.0.1 92

0 彝文音节 00A000—00A48F 1165 Unicode 3.0 93

0 彝文部首 00A490—00A4CF 55 Unicode 3.0 94

0 修饰性声调字母 00A700—00A71F 23 Unicode 4.1 95

0 Syloti Negri 00A800—00A82F 44 Unicode 4.1 96

0 朝鲜文拼音音节 00AC00—00D7AF 11172 Unicode 2.0 97

0 私用区（PUA） 00E000—00F8FF 6400 Unicode 1.0.0 98

0 CJK兼容字符 00F900—00FAFF 467 Unicode 1.0.1 99

0 字母变体显现形式 00FB00—00FB4F 58 Unicode 1.1 100

0 阿拉伯文变体显现形式-A 00FB50—00FDFF 595 Unicode 1.1 101

0 字形变换选择器 00FE00—00FE0F 16 Unicode 3.2 102

0 整排形式 00FE10—00FE1F 10 Unicode 4.1 103

0 半形组合标志 00FE20—00FE2F 4 Unicode 1.1 104

0 CJK兼容形式 00FE30—00FE4F 32 Unicode 1.0.0 105

0 小写变体 00FE50—00FE6F 26 Unicode 1.0.0 106

0 阿拉伯文变体显现形式-B 00FE70—00FEFF 141 Unicode 1.0.0 107

0 半形及全形字符 00FF00—00FFEF 225 Unicode 1.0.0 108

0 特殊区域 00FFF0—00FFFF 5 Unicode 1.0.0 109

1 B类线形音节文字 010000—01007F 88 Unicode 4.0 110

1 B类线形像形文字 010080—0100FF 123 Unicode 4.0 111

1 爱琴海数字 010100—01013F 57 Unicode 4.0 112

1 古希腊数字 010140—01018F 75 Unicode 4.1 113

1 古意大利文 010300—01032F 35 Unicode 3.1 114

1 哥特文 010330—01034F 27 Unicode 3.1 115

1 乌加里特文 010380—01039F 31 Unicode 4.0 116

1 古波斯文 0103A0—0103DF 50 Unicode 4.1 117

1 犹太州大学音标（Deseret） 010400—01044F 80 Unicode 3.1 118

1 肖伯纳字母 010450—01047F 48 Unicode 4.0 119

1 Osmanya 010480—0104AF 40 Unicode 4.0 120

1 塞浦路斯音节 010800—01083F 55 Unicode 4.0 121

1 卡罗须提文（Kharoshthi） 010A00—010A5F 65 Unicode 4.1 122

1 拜占庭音乐符号 01D000—01D0FF 246 Unicode 3.1 123

1 音乐符号 01D100—01D1FF 219 Unicode 3.1 124

1 古希腊音乐符号 01D200—01D24F 70 Unicode 4.1 125

1 太玄经符号 01D300—01D35F 87 Unicode 4.0 126

1 数学字母数字符号 01D400—01D7FF 994 Unicode 3.1 127

2 CJK统一汉字扩展-B 020000—02A6DF 42711 Unicode 3.1 128

2 CJK兼容汉字补充 02F800—02FA1F 542 Unicode 3.1 129

14 语言编码标签 0E0000—0E007F 97 Unicode 3.1 130

14 字形变换选择器补充 0E0100—0E01EF 240 Unicode 4.0 131

15 私用区补充-A（SPUA-A） 0F0000—0FFFFF 65534 Unicode 2.0 132

16 私用区补充-B（SPUA-B） 100000—10FFFF 65534 Unicode 2.0 133

庉