在 IDNA 架构之後, 多国语文域名(IDN)似乎得到一个妥协途径, 也通过了 RFC , 但是把 IDN 问题推给 Application Layer 就看 AP 是否接受与回应, 因此占市场很大份量的 MicroSoft IE 备受关注. 引发 IDN 问题的来源之一是 W3C 选 URI 里多国语码为 unicode , 也就是与 ASCII 能区分的 UTF-8 . 但 UTF-8 在 IE 不仅本身不能 无害通行, 还可能对 IE 造成漏洞, 甚至过不了现有的 proxy 与 web server, 因此 ACE 的 punycode 在 IDNA 被提出来以解决相容性. MicroSoft 认为 URI 若改成 IRI 时, 表示 binary data 的 %nn 也是能表示 unicode 的, 可是 unicode 先天的汉字繁简问题, 造成混 淆的拉丁希腊字母问题, 由右向左的阿拉伯文问题等都没有完善解决, 由於 IRI 包含 dns hostname , 仅解决 dns 并未能解决 AP 的问题. 这个信息代表 MicroSoft 可能对 keyword search 仍然没有放弃, IRI 还是跟 keyword search 更相关. 中文的繁简域名问题, 最终并未以繁简转换为解决方案, 而是以异 体字相关为同一组合集合, 再从中挑出全繁及全简为组合集合的代表名 称, 这个方法避开硬性的规定那个简字对应那个繁字, 而是让繁简名称 (组合起来的词)做所有组合集合名称的全繁与全简代表名称, 繁简代表 名称甚至能择一当主要代表, 因此可以当唯一的 identifier 使用. 组合名词的化一跟单符字的化一是不同的概念, 她是基於多繁对一 简时, 简字具化一性, 全简名称具有组合集合名称的单一索引性, 从索 引再加一个繁或简的请求就能找到对应的全繁或全简代表名称. 全繁名 称可能有多个, 其化一性可以配合注册的要求用登录的代表名称解决. 繁简字体里的偏旁简化字, 基本上是一一对应的, 例如金偏旁字跟 类似的"全"(下为一勾, 不是一横)旁, 是楷书与草书的问题. 真正难解 的是台湾的传统简化字, 体, 体这两字对应化一, 一般人大概没意见, 但庄, 庄这两字就太敏感, 因为牵涉到 "姓名". 另外就是多繁对一简 经常是假设单向转换, 例如:繁对简: (表, 表) --> 表, 转回繁体则是 简对繁: 表 --> 表. 这样转应该是不会造成太大混淆, 否则大陆怎麽 使用 ? 只是台湾地区的语文习惯无法接受 "手表" 这种写法, 但还是知 道这指的是甚麽. 另一个例子是 (只, 只) --> 只, "一只猫" 跟 "一只 猫", 後者就是过不了国文老师. 因此全繁代表字的方法, 至少让 "不顺 眼"(有时为了广告还特地要这样挑) 与 "顺眼" 的名称各得其所. "只是 表示一只手表" 可以当全繁域名, 如果用简转繁, 以单向转换不看前後文 的想法就变成 "只是表示一只手表", 很多人也是看得懂的. 字体的问题是不管那个字码表都存在的, 只是 UNICODE 的字体更多, 做为字符表是不该有化一的问题的, 因为少一点多一点是不同的符号. 但 使用的习惯, 符号被用到的频次与发音会让某个字符被认为等效於某个字 符, 由索引(索引未必要用全简, 使用异体字集合的最大或最小码值也是 可以的)能找出全繁或全简代表名称, 就能有兼容两者的弹性. MicroSoft IE 目前有市场的占有率, 故被寄以厚望, 其谨慎从事也 是对的, 如同 Win3.X 受到 internet 网路与 browser 多国语文的威胁 使其占有率的霸权受到影响时, 她才会以迅雷之势推出 win95 与 IE 消 灭对手. 目前来讲, google 是个威胁, 但对 OS 占有率的威胁还不如 linux , IDN 使用 UTF-8 早在 BIND 4.X 就已潜伏着, Win2K 的 UTF-8 Active Directory 只是本身对 "internal control code 与 data code" 的过度自信. 毕竟 multibyte code 与 single byte code 就如同字组合词跟单字 词在对字的辨识与处理需要不同看待, 整个看是一体有前後文的, 个别看 则不管这个符号发生在那个位置. 例如 80, 00 在 ASCII 常视为相同, fx80fx 则有可能出现在 UTF-8 , 把 UTF-8 符号当成 byte 个别处理就 跟把繁简域名个个字个别处理会触犯一些不够周延的规则是同样的道理. 处理 Multibyte character 的 string function 会是整个 IRI 问 题的核心. 解决了 multi-byte character 还得解决组合字词(word)的唯 一可监识问题, "索引求一" 是目前中文繁简域名的方法, 这也会是 key word search 的一项关键技术. -- ◎ Origin: 中央松涛站□bbs.ee.ncu.edu.tw From: 140.115.6.234