題主是非專業人員，只是遇到了不少與字元編碼有關的事情，才稍微有一些瞭解，順便也瞭解了一些文字學知識。希望相關專業人士做個解答：）

ps：不考慮不同系統對於unicode轉換格式的處理，只考慮unicode層面1. 如題，unicode有沒有資格統一字元編碼（尤其是涉及到漢字這種語素文字）？目前的發展情況怎樣？受到主要國家的支持還是反對？（好像新版vs逐漸採用unicode？）

2.關於中日韓漢字中同部分源而書寫稍有不同的漢字，unicode全部收錄，並賦予同樣編碼，僅用字體不同以示區別，這個說法正確嗎?那字形庫和字體有什麼聯繫呢？對於這種漢字（比如「畫」，「戶」，在中日寫法都有小區別）unicode編碼矩陣裡面到底收錄了幾個字形（同一個編碼）？假如字形是唯一的，那字體怎麼工作來區分不同寫法呢？還是說同一unicode漢字編碼對應多個字形

3.對於上述同源而書寫稍有不同的漢字，unicode現存的解決方案似乎有不少批評？有否替代方案？ 關於這個問題，題主的認識如下：根據維基百科-Unicode字元平面映射wikipedia.org 的頁面，題主粗淺的理解是，unicode編碼矩陣是作為「平面」的連續的4位16進位編碼（一維矩陣，0000-FFFF）+17個平面（假設編為0-16），也就是說，是一個二維平面矩陣，記為U+XXXX（這裡有個導致歧義的地方，維基百科上將0000-FFFF的一維矩陣寫成了二維矩陣的形式，但是實際上一個平面應該還是一維矩陣吧）。如果對於同源異形的漢字，unicode全部收錄（且為同一編碼，對於未統一編碼的同源異形字不考慮），那為什麼不在一開始就將矩陣定義為3維的呢？多用一維來代表同源異形字，使任何字元均有唯一的3維坐標（U,XXXX,M），舉個例子，

不考慮題主瀏覽器能不能正確顯示所有字形，看起來「房」有3種不同寫法，但是為了統一，不考慮歸類相同的寫法，而為所有寫法賦予唯一的三維矩陣坐標，假設大陸，香港，臺灣，日本，韓國，越南等有漢字的國家依次記為0-M，大陸「房」的Unicode碼記為（0,623F,0），而香港的「房」記為（0,623F,1），依次類推，這樣，同源字實際上全部在一個長度為M的一維矩陣中，這樣似乎就可以解決同源異形字的困難？

關於上述方法合理性的解釋：其一，Unicode字元編碼矩陣的最大意義在於，任何文字體系都能不依賴於轉換編碼而正確顯示在任何Unicode環境中，而儘可能統一漢字編碼以簡化Unicod矩陣只能算是次要的目標；其二，Unicode第0平面是主要使用的字符集，而其中作為語素文字的漢字字元數量比其他音節文字（其他大多數文字，都有字母表或者類似的東西，包括輔音音素文字，全音節文字，母音附標文字，音節文字等）多得多，為了更準確地記錄佔比例如此之高的漢字，擴大Unicode矩陣有意義；其三，儘管提高維度的方法會大幅度增加Unicode矩陣的大小，但是就目前的文字發展情況而言，可以有很多折中的解決方案來抑制矩陣大小的增加。比如說，針對尚無任何計劃的第4-16平面，採用預設設置減少矩陣體積（尤其是寫入內存時的體積，編碼和內存中物理地址的關係不太清楚）。未來隨實際需求再增加即可；

其四，這種文字處理方法會顯著增加計算設備的負擔，但是目前計算設備性能普遍過剩，額外的計算量不一定那麼明顯。此外，還應該考慮到計算能力的快速發展。

題主認為，類似的想法應該早有人提過，但是既然未付諸實踐，那就應該有某些問題，題主並不想對不熟悉的領域指手畫腳，只是單純想知道自己的想法有什麼疏忽，希望相關人士解答。PS：貌似Unicode連甲骨文，小篆和金文都要收錄。。。看來還真是縱貫古今啊

這段東西疏忽太多了，稍提幾點。

  • Unicode Standard 是字符集標準而非編碼標準。題主混淆了二者，所以一錯錯一串。
  • Unicode Standard 從未將不同「文種」視作同一「書寫系統」加以編碼。題主只看到了碼錶，所以不瞭解文種編碼設計間的差異。
  • @田中四郎 的說法有點問題，一是混淆了「代碼」和「編碼」，二是政府層面的確存在區分異寫字的需要。早期漢字不具備系統的認同原則，「誤認同對」和「誤區分對」禁止被視作指導目前認同工作的標準。按《核心規範》所談，同源且具有「相同抽象字形」的字應被置於同一碼位，因而如 @Belleve 所談，一方面靠 IVD，另一方面有 Opentype 特性用於解決混排情形。
  • 所謂「矩陣」是用來具象解釋的，和字符集的編碼實現完全無關。注意到 ISO/IEC 10646 對「平面」的定義是為「從 0 開始的每 65536 個碼位稱為 1 個平面」。@愛喫杏仁 建立的所謂「3 維矩陣模型」類似 IVD，但因為混淆了字符集和編碼，完全脫離實際。
  • 所謂「計算」頂多是「異體字關聯」，可以論證「異體字」甚至「異寫字」都不一定可被樹結構化，顯然應靠上層應用而非編碼層面實現。同理，可以論證已知任何序列規則都無法適應異體字關聯，反而可能破壞已有的設計優勢，或者導致一字多碼的混淆。

綜上，勸題主多加學習。

三維矩陣，你說的是 IVS？目前 Unicode 編了 256 個 Variant selector，字體支持的話就可以直接用 IVS 調出變體，很簡單的 cmap trick

因為這件事字體幹了。本來是一個字，寫法有細微的差異，為什麼要分配不同的代碼呢？你仔細想想，考慮到實際使用的場合，其實根本沒有分配不同代碼的必要，目前的代碼統一不同字體字形不同的方案已經很好了。

你又不是孔乙己……

推薦閱讀：
相關文章