漢字使用環境的建置 —— 全宋體更新

☆ 2023/10/11 更新，詳情請見 漢字使用環境的建置 —— 部件檢索重要更新暨 Unicode 15.1 全宋體更新。

擴展 G 區

今年三月十日，Unicode  官方發布了最新的 13.0 版，等待多時的擴展 G 區近五千個漢字終於到來，於是我又重新開始投入了漢字的整理工作。由 BabelStone Fonts 取得了兩千多個 G 區字形，另外從 字形維基 補上了其餘兩千多個字形，最後從官方的 CJK Extension G PDF 中抽取了 353 個台灣提交的字形疊蓋上去，我以不到三天的時間製作出了完整的 G 區字型，也初步完成支援 G 區檢字的部件檢索(直接採用 IDS 拆分資料)。與此同時 suns99 兄也同步開工幫忙，對 G 區字逐一編上倉頡碼，一方面方便日後的倉頡輸入，另一方面也方便我進行重複字的比對工作。

遷碼對照表

完成了字型以及部件檢索，有了顯示及檢字的工具，我開始進行 G 區字與補充字的比對，看哪些補充字已經被收入 G 區之中。經過多日的比對，三月十七日完成了一份補充字對 G 區字的遷碼對照表，G 區的 4939 字之中，有 3194 字是已經收編在補充字裏，只有 1745 字算是新增。有了遷碼表，我就能以批量的方式，將我製作的三百餘部辭典，進行遷碼的工作。把用到這些補充字的相關文件，全部轉碼改用正式的 G 區字，然後這 3194 個補充字就可以功成身退了。其中，單單是漢語大字典就有 1931 個字頭由補充字轉入 G 區。

下載連結：補充字對G區字遷碼對照表.zip

您若曾利用全宋體的補充漢字來製作文件，可借助這個遷碼對照表，將相關的文件快速遷碼至  G 區用字。更新字型之前請務必確認您所有的文件都已遷碼完成，以避免顯示錯亂的情形發生。

G 區優化

把所有我製作的辭典遷碼更新了一輪，忙上了好一陣子。又把與  G 區重複的補充字字形抽取出來，擇其優者取代掉質量較差的維基字形。之後我又對 G 區近五千個漢字，逐字檢查、優化拆分資料，以取得更精確的檢字效果。過程中發現某些字形與原始的 IDS 拆分資料不符，進一步追查才發覺是某些 BabelStone 造的字有問題，於是又對這些字形進行了修正，至此 G 區的字型與拆分資料才算是正式完成。

擴充字庫

自從兩年前發布了全宋體與部件檢索之後，其實我一直在做一個較大規模的整理，就是將全字庫收錄的兩萬多個外字，全部納入我的補充字庫之中。這樣做的目的，是想快速地利用現有的資源擴充字庫的規模，讓在製作辭典或數位化典籍時能減少缺字的困擾。

有朋友疑惑地問：為什麼不直接用全字庫的字型資料就好？一方面是我已有自己整理的八千多個補充字，這些字全字庫大部分沒能涵蓋；另一方面，全字庫的數據瑕疵很多，不經整理，難以有堪用的品質。

全字庫的數據是完全公開的，開始製作的當下，取得的是 2018-10-02 的版本，提供有宋體、楷體兩種字型，宋體的外字字型 TW-Sung-Plus-98_1.ttf 裏共有 23828 個外字字符，扣除一些空字及非漢字，實際有效的漢字字形為 21938 個。數據裏除了字型外，尚包含有 CNS 碼對 Unicode 的對照表、部首、筆畫、倉頡碼、注音、拼音、筆順、部件拆分等數據。乍看之下似乎很完整，但實際上問題很多。

首先 CNS 碼對 Unicode 的對照表並不完整，在外字之中實際上有很多字是 Unicode 的已編碼字，官方並未完整地整理出對應關係。其次是筆順、部件拆分的資料錯誤極多，很多與字形根本不符，也有一千五百多字完全沒有拆分資料。另一個問題是某些字形重複造字，或是筆畫差異極小的字重複收錄。

在 suns99 兄的協助下，花了近兩年的時間，我大致上已將全字庫的外字清理出來。去除 Unicode 已編碼字、合併重複字與差異過小的字，最後實得約一萬八千個外字，若再扣除與既有補充字的重複，實際增收約一萬六千個外字。我將製作過程所整理的數據，做成了一部《全字庫》字典，雖然沒有實際的釋義，用處也不大，但完整收錄了全字庫的數據，也記錄了比官方數據更為完整的 Unicode  對應關係。透過部件檢索檢字，查詢這部《全字庫》字典，可以查得該字的 CNS 編碼，並可直接點擊跳轉官方的對應頁面，這實際上要比官網的查詢功能還要來得方便而精確了。

至於拆分資料的部分，由於全字庫的拆分是拆到最細(最大拆分)，而做為部件檢索用途，最小拆分才能達到最佳效果，因此我需要逐字加以調整、訂正。目前全字庫缺掉的一千五百多個拆分數據，我已逐字補上；調整、訂正的部分則完成了數千字，還有萬餘字等待檢覈。原本想等全部完成再對外發布，無奈父親一病讓我耽擱了大半年，再加上 G 區字既出，很多朋友等著有工具可以支援，因此只好先將這個尚未完全優化的版本推出，讓大家先有個工具可用，至於進一步臻至完善，只好徐徐後圖了。

字型更新

經過這些冗長繁複的整理，這次更新給大家的全宋體，除了基本字區(新增 13 字)、A 區(新增 10 字)、B 區(新增 7 字)、C 區、D 區、E 區、F 區、G 區(4939 字)的已編碼漢字共 93858 個外，再加上 24856 個 Unicode 尚未編碼的補充漢字，總計共有 118714 個漢字，逼近十二萬大關。除了涵蓋 Unicode 13.0 的所有漢字之外，更涵蓋了所有台灣 CNS 標準的編碼漢字，大幅提升了可用漢字的數量。

下載連結：全宋體.zip

安裝字型的方式請參閱 漢字使用環境的建置 ㈠ —— 顯示篇 的說明，而更新字型之前請務必確認您所有的文件都已遷碼完成，以避免顯示錯亂的情形發生。

感謝這些原字型製作單位的無私奉獻，現將此成果無條件分享出來，樂見學術研究、教育工作、個人閱讀這方面的運用，但請勿用做任何形式的商業營利行為。