Unicode中如何表示未收录的生僻字 --浅谈IDS

Unicode中的字符结构表示
Unicode标准是一个全球普遍接受的文字编码标准，它的理想是用一个巨大的字符集来表示世界上所有的字符，这样让全球的文字交流置于同一种体系之下，避免以前出现过的不同国家不同字符集互不统一造成的乱码，极大方便了全球的电子信息交流。
汉字是Unicode标准中内容最为庞大的子字符集，与英语等不同，汉字是每个字符有自己独立的意思，因此占用的字符数量巨大。目前Unicode 17标准中有15万个字符，中日韩统一汉字就占到了10万个以上。
但是即使是收字量如此之大，目前也无法涵盖汉字的所有字符，特别是手书时代有无数种不同的汉字变体或自造字，因此有大量字符是目前没有收录过的。另外还有一些新造的少量字符用于科技领域。这些未收入标准中的字符，就没有规定它们的字形。那这样的字符，应该怎么在电脑或手机等文本中表示它们呢？（文本方式之外，还是有很多办法的，图片，矢量图形，特殊的文件格式表示等等，但文本是最简洁最易交流的方式，使用频繁，甚至连化学结构的表达都有人发明SMILES文本来表达）。
为了在电脑时代表示这些字符，以前用过这样的用法，比如歘字在早期的字体中不存在，为了表示这个字，我们就用文字表示为“左焱右欠”，或者是“焱欠”，这是不得已的情况下变通表示，让读者能够理解的一种无奈的方法，它的缺点就是不太好表达更为复杂的结构。
因此，Unicode中提供了一种类似的方法，英文叫做Ideographic Description Characters, 中文翻译成 表意文字描述符，通过这些表示结构的字符与汉字部件结合来表示一个字的结构。因为定义了专门的表示结构的字符，其表达能力就大大增强了。
首先看标准中提供的表示结构的专用符号（来自wiki百科）

这种表示法的结构，是先放一个结构符号，后面提供表示结构的部件。
比如前面提到的歘字，用IDS来表示表示，就是 ⿰焱欠，第一个字符表示这个字是左右结构，相当于文本描述的 左X右Y；接着是从左到右（或从上到下）的部件，分别是焱、欠。这样读者就可以明白，这个表示一个组合字， 左右结构，从左到右分别是焱和欠。
当然，有些字形比较复杂，可能由多个部件构成，需要更进一步的拆分才能表达出来，因此用IDS的表示法可以进行嵌套表示。比如焱，如果没有这个字符，这种品字型的结构，可以把它拆分为上下结构，下部继续拆解为左右结构。因此 ⿰焱欠 可以继续写成
⿰⿱火⿰火火欠。
这种结构的解析顺序，从左到右，没有括号来表达优先级。上面这串字符，按从左到右解读，意思是说，整个字是左右结构（⿰）；左边是上下结构（⿱），上面部件是火字，左边下面部件是左右组合的结构（⿰火火）。最后，右边是个欠字。
解读时要特别注意表示的结构中有几个部件，后面就要对应消耗几个部件。上例中，左边上部消耗一个火字，下面是左右结构，又消耗两个火字。最后剩下的欠字，对应着左右结构中的右边部件。
你肯定能明白，拆解的粒度与方法并不一定是唯一的，选择的部件也未必是唯一的，只要能准确表示结构就行。
这种表示方法开始用时，如果结构比如复杂可能不太好懂，需要多练习一下。为了方便练习，有个网站zi.tools提供了这种表示法的练习工具。有意思的是，这个网站还提供了检索具有特定结构的字符的功能，贴个图大家就很容易明白了，用？代表搜索的部件即可。

这里隐藏了一个问题，即这些表示结构的符号如何输入，最简单的方法就是你在zi.tools这个网站上把字拆好，然后把右边的框内生成的文字复制过来。我猜测一般的输入法应该不包括这种不太常用的符号。

最后，展示一下
来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！