查閱Unicode9.0規範文件遇到的瓶頸

[Ho Ian]

我在用LO5.X Calc嘗試整理編輯unicode9.0的十二萬八千多個“字元名稱”的“正體中文”（目前的“初稿”進度是完成272blocks之中的115個，何時能全部整理完畢？可遇不可求吧？），目前查資料遇到一個瓶頸，可能無法完整描述，總之有問有機會：

以 http://www.unicode.org/charts/PDF/U0530.pdf 為例。我已知unicode9.0的分類規範下有個分類叫做“block name/區塊名稱”，也就是範例pdf頁面最上方的“Armenian”字樣。有個分類叫做“character name/字元名稱”，也就是範例pdf頁面最後頁“每一行”的“範例字元”“之後”的“字串”。然後在範例pdf“character name/字元名稱”所在的那頁，有幾個字級大小偏中間且粗體的“分類字串”例如：

Uppercase letters、Modifier letters、Lowercase letters、Punctuation、Religious symbols、Currency symbol。

這些字串該怎麼稱呼？？？中、英文各是什麼？？？ 我想要在unicode官網文件中找出這些字串是什麼樣的分類的“敘述”，但是我看沒有/看不懂，像是在看天書。我試過在unicode官網下載最新版unicode CLDR、UCD打包檔，解壓縮後查關鍵字，我還是看沒有。誰可以指引我在unicode官網文件、CLDR、UCD裡頭的“哪個檔案”裡頭的“哪個段落哪幾行”？有描述到範例ＰＤＦ文件中的中型粗體字Uppercase letters、Modifier letters、Lowercase letters、Punctuation、Religious symbols、Currency symbol 這些字串到底是什麼類型的分類？

[Ho Ian]

或許是個蠢問題。

以

Alchemical Symbols

http://www.unicode.org/charts/PDF/U1F700.pdf

為例

文件下方的字元名稱清單，很多字元的字元名稱下方，都會有一堆的 "="和"→"，

於是我想要找unicode官網文件中有關描述 "="和"→" 是怎麼一回事的文件內容段落，

我試了很多關鍵字排列組合去google，個人能力有限，我“找不到”描述 "="和"→" 是怎麼一回事的unicode官網文件內容段落。

也試過在維基百科中文和英文頁面下關鍵字，我找不出所以然來。

所以有問有機會，那份unicode官網文件中的哪個章節段落，會描述到unicode pdf字元名稱下方的 "="和"→" 這兩個符號是怎麼一回事？

或者維基百科的哪個現成已有的條目（含中文和英文）中的哪個章節段落，，有描述到unicode pdf字元名稱下方的 "="和"→" 這兩個符號是怎麼一回事？

我有下載了

http://www.unicode.org/versions/Unicode9.0.0/UnicodeStandard-9.0.pdf

我看不出所以然來。

Ho Ian於 2017年1月6日星期五 UTC+8下午8時37分17秒寫道：

[Anthony Wong]

剛好最近在看 Unicode 的東西... 關於 = 和 →，在 Unicode Standard PDF 中有解釋的，= 代表 Informative alias，→ 則代表 cross reference，詳情在 standard 的 P.862 開始介紹。

Anthony

--

---
這是 Google 網上論壇針對「chinese-l10n」群組發送的訂閱通知郵件。
如要取消訂閱這個群組並停止接收來自這個群組的郵件，請傳送電子郵件到 chinese-l10n+unsubscribe@googlegroups.com。
如需更多選項，請前往：https://groups.google.com/d/optout。

[Ho Ian]

感謝，需要時間消化文件。

另外，延續首篇po文的第一個問題，因為我在UnicodeStandard-9.0.pdf找到以下關鍵字：

Character Names、Block Name，

然後我找到

/CLDR3003/tools/tools/java/org/unicode/cldr/draft/picker/blocks_subblocks.html

/CLDR3003/tools/tools/java/org/unicode/cldr/draft/picker/subblocks_blocks.html

https://en.wikipedia.org/wiki/Unicode_block

之後，想要在UnicodeStandard-9.0.pdf裡頭找出關鍵字 subgroup name、subblock，但是我“找不到”。

還是說，UnicodeStandard-9.0.pdf另外有用什麼樣的字眼在哪個段落有描述到跟 subgroup name、subblock同樣概念的東西？

Anthony於 2017年1月20日星期五 UTC+8上午2時51分03秒寫道：

如要取消訂閱這個群組並停止接收來自這個群組的郵件，請傳送電子郵件到 chinese-l10n...@googlegroups.com。
如需更多選項，請前往：https://groups.google.com/d/optout。

[Ho Ian]

查unicode字元名稱遇到瓶頸，有問有機會：

A876 ꡶ PHAGS-PA MARK SHAD

A877 ꡷ PHAGS-PA MARK DOUBLE SHAD

圖像就是“垂直的槓”。

然後我要去查“SHAD”是什麼意思？

google翻譯得到的結果是：

鰣 shad

鰳 shad

yahoo奇摩字典得到的結果是：

shad【魚】美洲西鯡

http://dictionary.cambridge.org/zht/spellcheck/英語-漢語-繁體/?q=SHAD

查不到東西。

https://en.wikipedia.org/wiki/Phags-pa_(Unicode_block)

維基百科裡頭打關鍵字也查不出所以然。

我的直覺是在“PHAGS-PA MARK SHAD”這個字串下理應跟“魚”無關？

但我就是查不出哪個網頁有寫“SHAD”在“PHAGS-PA MARK SHAD”所代表的意思是什麼？

目前整理出 126個 unicode 9.0 blocks 字元名稱的正體中文的初稿，

距離總共273個blocks還很遙遠就是了。

[Cheng-Chia Tseng]

Ho Ian <iania...@gmail.com> 於 2017年3月26日 週日 下午11:17寫道：

查unicode字元名稱遇到瓶頸，有問有機會：

A876 ꡶ PHAGS-PA MARK SHAD

A877 ꡷ PHAGS-PA MARK DOUBLE SHAD

圖像就是“垂直的槓”。

然後我要去查“SHAD”是什麼意思？

google翻譯得到的結果是：

鰣 shad

鰳 shad

yahoo奇摩字典得到的結果是：

shad【魚】美洲西鯡

雖然我不是語言專家，但稍微 Google 了一下。
Unicode 文件中指出這來自 Tibaten。
所以用關鍵字藏文跟 Shad 查詢，發現藏文的 shad 為豎，nyis shad 為兩豎。
http://www.ss.ncu.edu.tw/~calin/textbook2008/U8.pdf 請尋找 shad 可看到。

 

http://dictionary.cambridge.org/zht/spellcheck/英語-漢語-繁體/?q=SHAD

查不到東西。

https://en.wikipedia.org/wiki/Phags-pa_(Unicode_block)

維基百科裡頭打關鍵字也查不出所以然。

我的直覺是在“PHAGS-PA MARK SHAD”這個字串下理應跟“魚”無關？

但我就是查不出哪個網頁有寫“SHAD”在“PHAGS-PA MARK SHAD”所代表的意思是什麼？

目前整理出 126個 unicode 9.0 blocks 字元名稱的正體中文的初稿，

距離總共273個blocks還很遙遠就是了。

[Cheng-Chia Tseng]

「shad 置於句子停頓的地方或置於句尾。」

Cheng-Chia Tseng <pswo...@gmail.com> 於 2017年3月26日 週日 下午11:47寫道：

[Ho Ian]

謝謝，我研究看看～～～

Cheng-Chia Tseng於 2017年3月26日星期日 UTC+8下午11時49分14秒寫道：

[Ho Ian]

目前的整理初搞進度是146個blocks，當然距離全部的273個blocks依舊遙遠～～～

還是遇到一組字元名稱 

1C3E ᰾ LEPCHA PUNCTUATION TSHOOK CER-WA

我真的看不懂，尤其“TSHOOK“ ”CER-WA”，我google不出所以然來（這裡主要指“中文”資料）。

[Ho Ian]

這個字元名稱的"VOWEL-CARRIER"我也google不出所以然來，

有問有機會。

1900 ᤀ LIMBU VOWEL-CARRIER LETTER

Ho Ian於 2017年4月12日星期三 UTC+8下午11時11分23秒寫道：

[Ho Ian]

有問有機會：

看網路資訊，unicode10.0標準正式發行版，號稱今年會公布，我還在整理unicode9.0版，有一種“沒完沒了”的感覺～～～

目前的正體中文字元名稱整理進度初稿應該有150blocks了吧？當然跟總共273個blocks還是有距離～～～

我把有關拉丁字母的八個blocks集中在一個表格內來整理，目前遇到兩個狀況:

A7FE ꟾ LATIN EPIGRAPHIC LETTER I LONGA

然我就google查詢所謂的“LONGA”是什麼東西，然後在我所能理解的資料中，看似最接近的是：

https://zh.wikipedia.org/zh-tw/隆加島

https://en.wikipedia.org/wiki/Longa

但又覺得好像哪裡怪怪的。其他的條目也看不出所以然來。

所以網路上有沒有其他現成的資料在解釋，在這組字元名稱之中，“LONGA”是指什麼？

再來就是

https://zh.wikipedia.org/zh-tw/希臘字母

我想找齊字母清單內的“每一個”字母（包含“停用字母”）的“中文音譯字串”各是什麼？

（阿爾法、貝塔、伽瑪、德爾塔、艾普西龍 諸如此類～～～）

結果目前現階段wiki“並沒有”全都列上“中文音譯字串”，還是有幾個字母有缺。

除了維基百科之外，有沒有其他網路上現成的免費瀏覽資料，有把希臘字母的“全部字母”的“正體中文音譯字串”全都整理出來的？

我個人的google能力有限，找不出所以然來。

若這兩個問題有解的話，我就可以一次完成八個拉丁字元分類blocks了。

[Ho Ian]

一個發現，原來字形檔會有bug，真的不能完全放手信任！

Arabic Presentation Forms-A

阿拉伯字母(天方字母)變體呈現形式-A

U+FBB9

ARABIC SYMBOL THREE DOTS POINTING DOWNWARDS BELOW

因為空間比例的關係，字圖小不拉嘰的跟螞蟻一樣～～～

一般當然預設是信任的而略過了，我預設的選擇是：

Noto Naskh Arabic, Version 1.06 uh

這款字形，不經意地看過去，覺得好像怪怪的，放大字圖一看，跟本就是"UPWARDS"，而“不是”字元名稱的“DOWNWARDS”。

看樣子我編輯的文件若真的生得出來的話，“免責聲明”得加註“字形檔本身可能就有bug”這類的論述內容了～～～

Ho Ian於 2017年1月6日星期五 UTC+8下午8時37分17秒寫道：

[Ho Ian]

又發現狀況了，我把字形換成

Noto Nastaliq Urdu Version 1.02 uh

之後，結果

ARABIC

阿拉伯字母(天方字母)

066D ٭ ARABIC FIVE POINTED STAR

實際上出現的字圖“不只” 五向 了，是“八向”。

怎麼狀況這麼多呢？

[Ho Ian]

有問有機會：

目前的進度剩下1/3的blocks了（還是剩下挺多的～～～）～～～

ARABIC系列有六個blocks

然後剩下這三個：

1EEF0 126704 𞻰 ARABIC MATHEMATICAL OPERATOR MEEM WITH HAH WITH TATWEEL

0640 1600 ـ ARABIC TATWEEL

FE71 65137 ﹱ ARABIC TATWEEL WITH FATHATAN ABOVE

其中的關鍵字“TATWEEL”我google找到了這個

https://en.wikipedia.org/wiki/Kashida

裡頭有關鍵字“TATWEEL”，我來回看了好幾遍，還是“看不懂”“TATWEEL”到底是什麼東西？

subgroup block name, Formal Alias 這兩個部分的 正體中文整理我決定先放棄了。

我能夠先把 unicode 9.0 的 block name 和 Character Name 的正體中文 全部整理出來，就已經盡力了～～～

（理想上，完美呈現的話，要把”每一個”Character Name在哪個有正體中文link可以查到一些什麼也都列出來，但我發現我消化不了、能力不及，無法全列出來～～～）

[Ho Ian]

遇到一個讓我很疑惑的資料內容～～～

http://unicode.org/charts/PDF/U1F300.pdf

碼位：1F597

字元名稱：WHITE DOWN POINTING LEFT HAND INDEX

可是那個圖示，我怎麼看我都覺得那是“右手”，不像是“LEFT HAND”，到底是我眼花了？還是到底是怎麼回事？

為什麼圖示樣子是“右手/right hand”，但是字元名稱卻是“左手/LEFT HAND”？

[Ho Ian]

個人自製編輯的資料表格分享：

UNICODE90v2.ods

Unicode 9.0版，十二萬八千多個字元與符號的全列表，包含十二萬八千多個“字元名稱”、和“字元名稱”的“正體中文”對照表總整理。

編輯環境為MacOSX LibreOffice 5.X CALC，ODS格式，一個頁籤為一個block。因為單一檔案包含有十二萬八千多個完全不同的字元和符號，所以檔案大小雖然只有7MB多一些，開啟還是會慢，可能會耗時兩分鐘。我的最後編輯輸出硬體環境是MacBook Pro 2010年款Intel c2d 2.4ghz+16GB主記憶體＋傳統硬碟。

若您覺得開檔太慢，這裡會建議您把開檔的主機主記憶體增加為8GB或以上容量，檔案儲存媒體換成SSD，以及將系統軟體和LO環境再做最佳化。檔案開啟後，務請優先閱讀“請先完整讀完我”頁籤。有需要的話或許參考～～～

未來的“奢望”是，有佛心的軟體開發者，以這種類型的正體中文資料檔為基礎，編製一個圖形介面長相類似於 MacOSX內建的字元檢視器/字元面板 的 AOO/LO外掛插件，這個外掛插件僅只採用OO Basic編製而成，不包含Java、python等等任何其他程式語言在內。以做到可以真的”跨平台“。而且圖形介面內的所有”字級“要預設成“相對較大”，能有個20pt或以上是最好，這樣閱讀才會舒適。

補充：若去點選LibreOffice選單列\檔案\屬性，會遇到滑鼠游標轉換成檔案讀取中動作圖示，而且跑一段不算短的時間。

https://sites.google.com/site/ianho7979/UnicodeCharactersList