中日韓越統一表意文字

中日韓越統一表意文字（英語： CJKV Unified Ideographs），舊稱 中日韓統一表意文字（英語： CJKUnified Ideographs），也稱 統一漢字（英語： Unihan），目的是要把分別來自中文、日文、韓文、越文、壯文中，對於相同起源、本義相同、形狀一樣或稍異的表意文字主要為漢字，但也有仿漢字如：方塊壯字、日文漢字（かんじ / kanji）、韓文漢字（한자 / hanja）、越南的喃字（Chữ Nôm）與越文漢字[漢字/Hán Tự，在越南也稱作儒字（儒/Chữ Nho）]，應賦予其在ISO 10646及統一碼標準中有相同編碼。此計劃原本只包含中文、日文及韓文中所使用的漢字，是以舊稱中日韓統一表意文字（CJK）。後來，此計劃加入了越文的喃字，所以合稱中日韓越統一表意文字（CJKV）。

1978 年，日本基於ISO 2022，制訂了全世界最早的漢字編碼 JIS C6226。1980年代，中國大陸、台灣、韓國則各自製訂了自己的規範。這些規範彼此之關並無關聯。若要在一份文件中同時使用，則要以脫序字元的方式來交換。

1980 年，日本的國立國會圖書館的高橋德太郎以圖書學的觀點指出，一個統一的東亞漢字編碼系統是有必要的。同年，台灣制定了三位元組的中文信息交換碼。偶然的是，這是第一個期望可以一致處理中國大陸、日本、台灣漢字的編碼。之後，美國的國會圖書館採用了此規格，並另外命名為東亞編碼字元（EastAsia Coded Character，EACC，ANSI/NISOZ39.64）。

1984年，ISO 的文字編碼委員會（ISO/TC97/SC2）決議制訂出一套編碼規格（ISO10646），是以交換文字集的方式來統一處理世界的文字。並成立了工作小組(ISO/TC97/SC 2/ WG 2)。這個編碼一開始的構想是採用16位，而對於日本及中國等國的漢字編碼則原封不動地加入。但若如此，中國當時所制訂的編碼都無法加入，因而反對。並於1989年，提出了各國的漢字統合集合（HanCharacter Collection，HCC）的構想。

1990年完成了 ISO10646 的初版草案（DIS10646）。漢字使用32 位來表示。並將各國的漢字編碼原封不動地加入。但中國認為，若各國各自為漢字編碼，將不利於統一處理漢字，因而反對。為了日後關於漢字編碼的討論及方針能順利進行，並呼籲WG 2 特別設置了中日韓聯合研究小組（CJK-JRG，JointResearch Group，為表意文字小組的前身），以持續討論。

另一方面，1987年，全錄的 JoeBecker 和Lee Collins 開發了統合處理全世界所有文字的統一碼。1989年發表了統一碼概要。基本為 16 位。於是，中、日、韓文字統合了。基本方針為以16 位處理所有文字。 1990年，完成了基於此方針的最終草案。來年1991年1月，大致同意此方案的企業成立了統一碼聯盟。中、日、韓中類似的漢字使用約二萬多個字。為了未來擴充，保留了三萬個漢字以供其它用途。

1991年，各國希望能以一致的方式處理文字，如統一碼這般，因而否決了ISO/IEC 10646 的初版草案。基於中國與統一碼聯盟的提議，ISO10646 和統一碼成立了中日韓聯合研究小組。中日韓聯合研究小組將基於各國的漢字編碼，獨自訂定規範、製作ISO 10646 和統一碼的統一漢字編碼。年尾，完成了UnifiedRepertoire and Ordering (URO)。

1992年，URO 加入 ISO10646 的第二版。但是，發現了一些缺失，之後進行了修正。

1993年5月，正式制訂了最初的中日韓統一表意文字，位於U+4E00–U+9FFF 這個區域，共20,902 個字。一個月後，制訂了統一碼1.1。

1999年，依據 ISO/IEC10646 的第17 個修正案（Amendment17）訂定了擴充區 A ，於U+3400–U+4DFF 加入了6,582 個字。

2001年，依據 ISO/IEC10646-2，新增了擴充區B ，有 42,711 字。位於U+20000–U+2A6FF。但因在短時間內增加了大量的漢字，導致產生了許多重複的字形。

2005年，依據 ISO/IEC10646:2003 的第1 個修正案（Amendment1），基本多文種平面增加了 U+9FA6 到 U+9FBB 等 22 個漢字。

2009年，統一碼 5.2 擴充區 C 增加了U+2A700-U+2B734 和U+9FC4～U+9FCB。

2010年，統一碼 6.0 擴充區 D 增加了U+2B740-U+2B81F。

2012年,1字增加 U+9FCC。

最初期統一漢字

最初期的統一漢字（20,902字）字源來自以下字集：

中國大陸的G源

G0：GB 2312-80：6,763字

G1：GB 12345-90：2,352字（含58個香港字和2個吏讀字，不包括和G0重覆的字）

G3：GB 7589-87：7,237字

G5：GB 7590-87：7,039字

G7：現代漢語通用字表：642（G0, 1, 3, 5, 8未包括的字）

G8：GB 8565-89：290字（G0, 1, 3, 5未包括的字）

台灣的T源

T1：CNS 11643-1986第一字面：5,401+9字（含9個計量用漢字）

T2：CNS 11643-1986第二字面：7,650字

TE：CNS 11643-1986第十四字面：6,319+239+10（含239個CCCII特字和10個XCCS特字）

日本的J源

J1：JIS X 0208-90：6,335+1字

J2：JIS X 0212-90：5,801字

韓國的K源

K0：KS C 5601-87：4,888字（含268個重見字）

K1：KS C 5657-91：2,856字

以上的來源字集會實施字源分離原則。

另外還有：ANSI Z39.64-1989（EACC）、Big5、CCCII第一面、GB 12052-89、JEF、中國大陸電報碼、台灣電報碼、Xerox Chinese。這些來源字集不會實施字源分離原則。

很多人以為20,902統一漢字中來自台灣的只是Big5的一萬三千多字，其實不然.

擴展A區

擴展A區包含有6,582個新的漢字，位置在 U+3400—U+4DB5。相比起最初期統一漢字，擴展A區多了來自多個來自中國大陸、台灣、新加坡等漢字。

這6千多個漢字分別從以下字典或字集中取得：中國大陸 《康熙字典》5357字(獨有1892字)

《漢語大字典》5888字(獨有339字)

G3：GB 7589-87 繁體字：2391字

G5：GB 7590-87 繁體字：1226字

G7：120字 GS：新加坡漢字226字 台灣 T3：CNS 11643-1992 第三字面（原本為CNS 11643-1986第十四字面）新加入字元

T4：CNS 11643-1992 第四字面

T5：CNS 11643-1992 第五字面

T6：CNS 11643-1992 第六字面

T7：CNS 11643-1992 第七字面

TF：CNS 11643-1992 第十五字面

日本 JA： Unified Japanese IT Vendors Contemporary Ideographs, 1993

南韓 K2：PKS C 5700-1:1994 K3：PKS C 5700-2:1994

越南 V0：TCVN 5773:1993 V1：TCVN 6056:1995

擴展B區

擴展B區包含有42,711個新的漢字，位置在 U+20000—U+2A6D6。根據ISO/IEC JTC1/SC2/WG2/IRG N777號文件，這四萬多個漢字分別從以下字典或字集中取得：

CNS 11643的第4平面到第15平面所收錄的30,177個漢字；

在《漢語大字典》中出現的28,914個未收錄漢字；

在《康熙字典》中出現的18,486個未收錄漢字（包括一個在補遺篇出現漢字）；

在北朝鮮的國家標準所收錄的5,642個漢字；

在越南的國家標準所收錄的4,232個字喃；

HKSCS中出現的1,081個未收錄漢字；

《漢語大詞典》中出現的553個未收錄漢字；

《四庫全書》中出現的522個未收錄漢字；

日本工業標準的JIS X 0213第3平面及第4平面的302個未收錄漢字；

1980年代版本的《辭海》中出現的247個未收錄漢字；

大韓民國PKS 5700-3:1998中出現的166個未收錄漢字；

《中國大百科全書》中出現的86個未收錄漢字；

《辭源》中出現的66個未收錄漢字；

北大方正排版系統中出現的65個未收錄漢字；

這堆漢字中重複的漢字有不少，所以經過整理之後，總數實際上只有42,711個漢字。

另外，在 U+2F800—U+2FA1D 的位置，放了542個來自台灣的兼容漢字。

Unicode 4.1漢字

為使 Unicode 向下兼容 GB 18030 和香港增補字符集（HKSCS）的所有漢字，而擴展C區又遲遲未能出籠，在 Unicode 4.1 版中引進了14個香港增補字符集的用字和8個 GB 18030 用字。該22字被編於 U+9FA6—U+9FBB 的位置。

另外，在 U+FA70—U+FAD9 的位置，放了106個來自北朝鮮的兼容漢字。

擴展C區按計劃，中日韓統一表意文字擴展C區將收錄4,251個漢字，包括來自中國大陸、澳門、台灣、日本、越南等尚未被編碼的漢字。這些漢字預計會收錄在下一版的 Unicode 版本中，位置在 U+2A6E0—U+2B77A。

字源分離原則

字源分離原則（Source Separation Rule）是整理中日韓統一表意文字的基礎。

由於CJK各地字型多有微妙的差異，如“戶”字的第一筆，台灣作撇、中國大陸作點、日本作橫，這種程度的差異，理想上是整並為一個字為佳。然而，從之前各種受挫之文字整並計劃的經驗得知，整合字集與現行通用字集（Big5或國標碼）等無法一一對應，是推行整合字集的最大阻礙。

例如，日本的JIS標準同時收錄了“剣”字與“劍”字，原本JIS文件里這兩個字可以並存，但採用整合字集后反而變成同一個字，會造成使用上的困擾。於是，字源分離原則因而誕生。

字源分離原則是指，在上述所列出之各種字源里，若有任何字集同時收了兩種以上的文字字形，則在Unicode中日韓統一表意文字中，也同時收錄這些字。這樣一來，現行的各種原有字集與Unicode漢字可以一一對應。

由於Unicode中日韓統一表意文字的主要訴求，就是能大幅減少Unicode收錄漢字字數，同時尊重各地的習慣字形。但字源分離原則則破壞了“只對字，而不對字形”編碼之原則，亦遭受不少批評。

已統一的漢字原則上ISO 10646隻對字（Character），而非字形（Glyph）編碼。同一字各地可使用自己的標準寫法。下例中使用HTML標示同一編碼的字在不同地區中的寫法（但只是我的電腦提供的字型，未必代表該地區的標準寫法）。

擴展C區

於2009年10月發布的Unicode 5.2涵蓋了擴展C區，共收錄4,149個漢字，包括來自中國大陸、澳門、台灣、日本、越南等尚未被編碼的漢字。位置在 U+2A700—U+2B734。

擴展D區

擴充區D包含的都是所謂的「急用漢字」，合共222個新漢字，於2010年下旬發布的Unicode6.0中，編碼範圍為 U+2B740 至 U+2B81F（實際有字元為 U+2B740 至 U+2B81D）。

擴展D區原本計劃放置擴展C區未收錄的16,000多個漢字，但在2007年5月，台灣撤消了6,545個第二部分字集內私用漢字，不再使用字，原因是那些人名用字的擁有人或已去世或已移居外地，此後擴展D區縮減到大約10,000字左右。，由於各種阻礙，協議先把數量較少，又急切要收錄的漢字提交出來，就是「急用漢字」，以便和統一碼6.0.0版一起發表。提出的急用漢字只有二百二十二字（本來有二百二十三字，但中國大陸撤回其中一字）。現在文字小組把第二部分字集延後到擴充E區。

有些字只是同一字在不同地區的寫法，理應統一，但因為字源分離原則而只好分開編碼。值得注意的是字源分離原則由擴展A集 (Extension A) 開始已沒有使用，原因是CNS中有太多字形非常接近，按 Unicode 標準應該統一的字。這些字只有第一個會編入正式字集(包括Extension A,B,C) 中，其餘的編入位於第二輔助平面的表意文字補充兼容區 (Compatibility Ideographs Supplement) 中。

以下是所有摘自ISO/IEC JTC1/SC2/WG2字源分離原則文件之中有的字。

擴展B區使用了輔助平面來擺放漢字，以致不少字處理軟體都不能支持。例如，Microsoft Office2000 或之前的版本，即使計算機擁有擴展B區漢字字體，也只會顯示兩個方格。

另外，因擴展B區在整理上有缺陷，收錄了以下5個本來應該與其他漢字統一的字：

· U+20457 =U+34A8 㒨

· U+2420E =U+3DB7 㶷

· U+27144 =U+8641 虁

· U+23515 =U+204F2

· U+249E9 =U+249BC

而在 WG2 N1155 文件中，亦列出了152對可考慮統一的漢字。