Unicode 中的幽靈字元

# 感謝 Weibing 投遞譯稿

1978年，日本經濟產業省(日本行政機關之一)發布了一套編碼系統，即後來的 JIS X 0208。這份編碼系統對日本後來的所有編碼系統都影響深遠。但是就在這份編碼發布後，大家發現有其中的幾個字元很奇特——沒人知道它們從何而來、什麼意思、怎麼發音。這就是所謂的幽靈字元(日語: [幽霊文字] ) 。

很長一段時間，這些幽靈文字雖然奇特，但是無人解釋，也被大多數人遺忘(畢竟不是很多)。但在1997年，日本人終於坐不住了，發起一個大型的調查來研究這些文字的來龍去脈。

一般來說，收錄到 JIS 標準的字元都有具體來源記錄。即使來源不甚清楚，也會說明在哪些文檔。所以，你可能認為會很容易追溯到這些字元的根源，但是我們可能得談談」文檔「的定義——這些幽靈字元的一個常見來源是《國土行政區劃總覽》(日語：國土行政區畫総覧)，包含了所用的日本地名。你可能和我一樣，一開始認為這僅僅是普通的地圖冊，一本幾百頁的大書。但事實是，最新版本的《總覽》是一套七卷本，每本大概都900頁。想像一下在這裡面一個一個地查找字元，而且還不知道在那一頁！

幽靈字元：妛挧暃椦槞蟐袮閠駲墸壥彁

儘管如此，日本人還是做到了(佩服)：他們發現了這些幽靈字元的來源——至少是最可能的來源。通過詢問那些參加標準制定的索引員們，調查員們發現一些幽靈字元其實是在索引過程中錯誤地製造出來的！例如，「妛」這個字本來是用來表示「上山下女」的另外一個字，一個在日本非常著名地點用到的字(因此值得收入到 JIS 標準)。在當時，因為沒有這字，所以沒有辦法列印這個字，所以索引員單獨列印了「山」和「女」，然後剪切粘帖在一張紙(基礎PS……)，最後掃描複製。但是後來的索引員讀到這個複印件，把兩個字中間粘縫產生的橫線認為是一划，於是錯誤地造了這個字。諷刺的是，本來想表示的那個字(「上山下女」)直到最近才加入到 JIS 和後來的 Unicode 文檔，導致很多網站都無法顯示這個字(冤……)。

調查之後，所有的幽靈字元中只有一個字元沒明確來源：「彁」。最有可能的解釋是：這是另一個字元「彊」的錯寫，但沒在其他文檔發現這種錯法。

由於 JIS 標準的廣泛接受，在 CJK 合併過程的時候，這些幽靈字元也被 Unicode 收錄。

所以，1978年的一系列錯誤無中生有地製造了幽靈字元。當我們發現這個錯誤的時候，為時已晚，幽靈已經嵌入整個系統。現在這些字元——至少有可能——成為全世界所有電腦的一部分，徘徊在字元表的黑暗角落。

照此下去，它們將於人類共存亡，永遠。

[Weibing via dampfkraft]

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！