CCCII, Unicode, Big5 與圖書館

在某個地方看到說「圖書館用的 CCCII 很老舊，有些使用 Big5 算比較好，都沒有用 UTF-8 的。」

個人覺得這說法有點問題，其實圖書館最適合的應該就是現行的 CCCII 碼，簡單來講... 「千」這個字在正體中文、簡體中文、日文都有，看起來一樣但唸法與意義就稍有歧異，但在 Unicode 中他們的字碼都是一樣的。

另一個常見的例子好像是「草」，這個字在三種語言中的標準寫法好像是有些微差距，但是在 Unicode 中卻也是對應到同一個字碼，這就不只是意義上的問題，嚴格來說在顯示上也有毛病。在 wikipedia 上的 Han unification 條目有比較詳細的描述，如果機器上的字形夠道地的話，裡頭有個表格應該要能看得出來，不過大部分字形不會太道地就是了，世界是平的嘛！

Big5 就不用說了，字碼裡面含有 ASCII 控制碼，造就了為人詬病的「許功蓋」問題，也不能涵蓋其他語言的字，限制會比較多。

CCCII 則一開始就是為了圖資而設計的，不同的語言有獨立的字碼空間，從字碼就可以看出那個字是屬於哪個語言。當然，要儲存比較多的資訊，字碼長度就比較長。

出現時間... CCCII 在 1980 年由國字整理小組設計出來，然後 Big5 在 1984 年由資策會公佈，至於 Unicode 則是在 1991 發表第一版。

在互轉上，由 CCCII 轉出到 Big5 或是 Unicode 沒有問題，不過倒過來 Unicode 要到 CCCII 就可能會出現一碼對到多碼不知道要對到哪個的問題。至於 Big5 到 CCCII 則是必然的沒問題，因為 CCCII 的字集空間比 Big5 大多了。

CCCII 有一段血淚史啊！當年有兩本書討論這事情，國字整理小組十年以及中文字碼: 萬碼奔騰，一碼當先，現在這些書都不好找了，好像有一本還曾被列為禁書。第一本有人把他掃描上線，另外在這裡有一些歷史的整理。

註: 文中有時用 Unicode 來指涉 UTF-8 或 UTF-16 等編碼規格，前者定義字碼，後者定義表現規格。這兩者的關連可以這樣想，看「筆」這個字，可以用簽字筆寫，也可以用毛筆寫。指涉 Unicode 時的概念比較像就是說「筆」這個字，至於指涉 UTF-8 或 UTF-16 就像是用某種筆實際寫出來。