作者sbrhsieh (sbr)
看板java
標題Re: [J2Se] 有可能分辨UTF8的語系嗎？
時間Mon Mar 9 14:08:08 2009
※ 引述《neverfly (neverfly)》之銘言：
: 如果我的系統都是採用UTF8，
: 而使用者可能輸入正體、簡體中文或純英文，
: (假設中文部份可能混英文，但正體不會混簡體)
: 但三者必須做不同的處理，
: 所以在這之前，我必須先分辨出輸入的語系。
: 請問一下，Java有可能做到這樣的功能嗎？謝謝。
這只是牽涉到數據的處理，沒有理由使用 Java 作不到，只有實做上簡單與否，
以及實做出來的 runtime 效能是否可接受。
unicode standard 中沒有區分簡體與繁體，亞洲的象形文字是歸為同一類，主要
分佈在：(for Unicode Standard 5.0)
CJK Unified Ideographs, 4E00 - 9FBF
CJK Unified Ideographs Extension A, 3400 - 4DBF
CJK Unified Ideographs Extension B, 20000 - 2A6DF
CJK Compatibility Ideographs, F900 - FAFF
CJK Compatibility Ideographs Supplement, 2F800 - 2FA1F
另外跟漢字有相關的：
Kangxi Radicals(部首), 2F00 - 2FDF
Bopomofo(台灣使用的注音), 3100 - 312F
Bopomofo Extended(閩南話與客家話注音), 31A0 - 31BF (跟我看過的台語注音不同)
你可以自行下載上述的文件來研究，以 CJK Unified Ideographs 來說，
U8AD6 是 '論' 字，而 U8BBA 看起來則是 '論' 的簡體，自行找出是否每個繁體字
與其對應簡體是否有一定的關係在，或是簡繁體是否有分開的 range(以言字旁來說
繁體部分似乎是落在 U8A00 - U8B9F，而簡體的部分似乎落在 U8BA0 - U8C36)。
網路上可以找到簡繁體轉換的軟體或工具，通常是預先建表，轉換時查表去轉換，
所以你應該也可以找到別人已經先做好的對照表來使用。
＊ unicode 沒有區分簡繁體這說法，是因為有些簡體字與日本漢字的外觀與繁體
字相去不遠，在 unicode 中只以一個字呈現。
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 218.173.132.239
※ 編輯: sbrhsieh 來自: 218.173.132.239 (03/09 14:09)
※ 編輯: sbrhsieh 來自: 218.173.132.239 (03/09 14:12)
※ 編輯: sbrhsieh 來自: 218.173.132.239 (03/09 14:32)
1F：推 neverfly:謝謝你詳細的回答，給了我一個明確的方向 03/09 16:40
2F：推 MOONRAKER:Unicode的確把CJK攪在一起做瀨尿牛丸，所以以前某前輩 03/09 17:30
3F：→ MOONRAKER:罵這是沒文化的人設計的，我認為的確泯滅文化差異性 03/09 17:32
4F：→ sbrhsieh:我也覺得日韓的字實在是不應該稱象形文字。 03/09 18:02
5F：→ kene:但話說, 提出"中日韓表意文字"的好像是台灣代表耶 (笑) 03/09 20:00