Re: 臺灣和香港Big5 HKSCS vs UAO分析和結論

(12/04/19 1:01), Philip Jägenstedt wrote:
>  • 298 pages with mixed/broken encodings
>    • 190 pages that would yield U+FFFD with HKSCS, but instead produces
> bogus Chinese characters using UAO, some of them user-visible:

提供一點考古方向:有些的編碼看起來是 big5-2003[1]、、、、、囧

>      • http://domestic.mytour.com.tw/list.asp?id=721 (迳)

6. http://domestic.mytour.com.tw/list.asp?id=721

bytes: 84B3

hkscs: 不捨結束此行精采假期、踏上歸途<U+FFFD �>視情況休息<br>18:30~

uao:   不捨結束此行精采假期、踏上歸途<U+8FF3 迳>視情況休息<br>18:30~

84B3 在 big5-2003 是 U+F0E0(PUA),在 Windows 上看起來是 U+2192(→
RIGHTWARDS ARROW),但是兩個字形(glyph)並不一樣。

其他 PUA 到正常字符的對應有些在[2]可以找到,有些只好、、、用 Unicode 搜
尋[3]找一個合適的字符出來了(囧)。

>      • http://edu.uuu.com.tw/events/090619_ocpsummer_blueshop.htm (轩)
>      •
> http://hi-taiwan.ecserver.com.tw/eip/front/bin/ptdetail.phtml?Part=teams0088
> (启)

7.
http://hi-taiwan.ecserver.com.tw/eip/front/bin/ptdetail.phtml?Part=teams0088

bytes: 8451

hkscs: 光銘電 話:27314903 <U+FFFD �> 27755852 聯 絡 人

uao:   光銘電 話:27314903 <U+542F 启> 27755852 聯 絡 人

U+F0A0(PUA)→ U+25AA(▪ BLACK SMALL SQUARE)

>      • http://oa.mingdao.edu.tw/~foo/www9/fenyes/h41.htm (财)
>      • http://service.cph.com.tw/act/ps921203/proudect01-12.htm (财轩)

「财」83DC → U+F06C(PUA)→ U+25CF(● BLACK CIRCLE)
「轩」83DE → U+F06E(PUA)→ U+25A0(■ BLACK SQUARE)

其他「财」、「轩」應該都是這樣,但是我沒仔細確認。

>      • http://w3.csmu.edu.tw/~jjyang/ (汹刍脉)

「汹」836E → U+F020(PUA)(看起來像是全形空白)
「刍」83D1 解出來應該是某種 beta,但是這不合 big5-2003 給出的東西
(U+FO61 看起來是 ♋)
「脉」83D2 同樣

>      • http://www.be-wells.com.tw/ascendancy/ascendancy_SE.php?page=5 (时)

「时」83BA → U+F04A(PUA)→ U+263A(☺ WHITE SMILING FACE)

場合合理,但是我也不是那麼肯定、、、

>      • http://www.brain.com.tw/lecture/sale/sale_04.htm (阵)

「阵」83E5 → U+F075(PUA)→ U+25C6(◆ BLACK DIAMOND)

>      • http://www.chimei.com.tw/en/news-detail.asp?news_id=12 (毕)

「毕」8465 解出來應該是某種乘號,但是 big5-2003 給出的東西(U+F0B4)像是
一個三角形裡面有的問號。

>      • http://www.flag.com.tw/book/5105.asp?bokno=FT476 (钉)

「钉」83E0 → U+F070(PUA)在 Windows 上看起來是 U+25FD(◽ WHITE MEDIUM
SMALL SQUARE)

>      • http://www.goprint.com.tw/draw.asp (妇)

「妇」83FC → U+F08C(PUA)→ U+2776(❶ DINGBAT NEGATIVE CIRCLED DIGIT ONE)

>      • http://www.iiiedu.org.tw/ites/PDPM.htm (贯)

「贯」84AB → U+F0D8(PUA)→ U+27A2(➢ THREE-D TOP-LIGHTED RIGHTWARDS
ARROWHEAD)

>      • http://www.kham.com.tw/ad.asp?P1=0000008355 (财)

已解:●

>      • http://www.misterdonut.com.tw/info/news.asp?id=267 (讫)
>      • http://www.misterdonut.com.tw/info/news.asp?id=308 (讫)

big5-2003 給出的東西(U+F06A)看起來有點怪、、、不過也不是說在這個場合不
適用,反正只是一個項目標記,[2]是說可以用 U+0026(& Ampersand)取代,步
過看起來不太像、、、

>      • http://www.muonline.com.tw/Guide/GameSystem/07_pvp.asp (轩)

沒確認,估計就是已解的 ■

>      • http://www.nacs.gov.tw/01_about
> /00_about_page.asp?ID=JNNORPIQJNMMK (枭)

「枭」8458 → U+F0A7(PUA)→ U+27A2(▪ BLACK SMALL SQUARE)

>      • http://www.nca.org.tw/chhtml/newsdetail.asp?NewsID=933&
> NewsGroup=4 (围轩)

「围」84CF → U+F0FC(PUA)→ U+2713(✓ CHECK MARK)

>      • http://www.neweb.com.tw/neweb-G_080808.htm (阵)

「阵」83E5 → U+F07B(PUA)→ U+2740(❀ WHITE FLORETTE)

>      • http://www.nordic.com.tw/client/festival/food02_3.htm (财)
>      • http://www.nordic.com.tw/client/festival/food02_5.htm (财)
>      • http://www.ogilvy.com.tw/Works/CaseContent.asp?serial=71 (迳)

沒確認這些,不過上面都有了。

>      • http://www.pccu.edu.tw/intl/page/english/english.htm (丗)

「丗」8140 → U+EEB8(PUA) 這個區域的看起來都像是全形空白、、、

>      • http://www.pycnogenol.com.tw/info.htm (钓)

「钓」84B5 → U+F0E0(PUA),在 Windows 上看起來是 U+2193(↓ DOWNWARDS
ARROW),在這個場合可能是指下載的意思?步太確定、、、

>      • http://www.songyan.com.tw/distribution.html (迳)

沒確認,估計就是已解的 →

>      • http://www.srbook.com.tw/show_book.htm?wno=9868017645 (间)

「间」857D 解出來應該是句號,但是 big5-2003 給出的東西(U+F169)的這個區
域的看起來都像是全形空白、、、

>      • http://www.transglobe.com.tw/product/product-insurance-DSC.shtml
> (贯)
>      • http://www.ukeas.com.tw/postgrad/university/exeter.htm (财)
>      • http://www.wintan.com.tw/service_06_08.htm (迳)
>      • https://freenet.smartnet.com.tw/product-item.php?sn=9322 (财轩)

沒確認這些,不過上面都有了。

> Using Big5-UAO for Taiwanese sites would give mixed results. Correctly
> encoded Big5-UAO is very rare, so the tested mapping (Firefox)
> introduces almost as many user-visible misencodings as it fixes and
> masks many others.

我不知道該說什麼才好了,感覺為 Big5-UAO 把 big5-2003 的東西加回去一些可
以解決很大部份,另外,上面這些字都不是日文漢字,所以也不影響我對 Big5-
UAO 的要求 :p,有人知道這部份的編碼對應是在可以動手術的範圍還是不行?


[1] http://moztw.org/docs/big5/table/big5_2003-b2u.txt
[2]
http://opensource.apple.com/source/groff/groff-28/groff/font/devlj4/generate/wingdings.map
[3] http://unicode-search.net/



此致

Kenny

Received on Wednesday, 18 April 2012 20:06:00 UTC