- From: Yuan Chao <yuanchao@gmail.com>
- Date: Sat, 21 Apr 2012 09:49:42 +0800
- To: Philip Jägenstedt <philipj@opera.com>
- Cc: "Kang-Hao (Kenny) Lu" <kennyluck@csail.mit.edu>, Chinese HTML Interest Group <public-html-ig-zh@w3.org>
2012/4/21 Philip Jägenstedt <philipj@opera.com>: >> (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: Phillip, which OS are you using? To me, they are all visible as squares with code ID in it with HKSCS under Ubuntu! > On Wed, 18 Apr 2012 22:05:22 +0200, Kang-Hao (Kenny) Lu >> 提供一點考古方向:有些的編碼看起來是 big5-2003[1]、、、、、囧 >> 6. http://domestic.mytour.com.tw/list.asp?id=721 >> 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。 > 有可能,不過<U+3001 IDEOGRAPHIC COMMA 、>或者<U+FF0C FULLWIDTH COMMA ,>好像更好。 I would tend to "→" here. (as supply info, we don't use comma as parentheses) >> 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) > 這個「轩」明明是亂碼,什麼也不如U+FFFD。 This should be tailing garbage. >>> http://hi-taiwan.ecserver.com.tw/eip/front/bin/ptdetail.phtml?Part=teams0088 >>> (启) >> 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) > 某種標點符號更合適吧? A separator like U+25AA suits here to me. >>> • 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。 > 在service.cph.com.tw這麼映射可以,可是第一個更像亂碼。 Actually, for the first case, it looks like a redundant item marker as the case below. >>> • 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 > 明顯是亂碼,最好還是U+FFFD。 These should be wrong mapping when copy from tex pdf. >>> • http://www.be-wells.com.tw/ascendancy/ascendancy_SE.php?page=5 (时) >> 「时」83BA → U+F04A(PUA)→ U+263A(☺ WHITE SMILING FACE) > 更有可能是亂碼吧? Conflicts with extended ascii? >> 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) > 我很懷疑,全形空白不是更好嗎? Should be redundant item marker. >>> • 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。 > 應該是亂碼…… A poor conversion from iso-8859-1. >>> • 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) > 應該是全形空白或者某種項目符號吧? U+25FD can be an item marker. >>> • http://www.goprint.com.tw/draw.asp (妇) >> 「妇」83FC → U+F08C(PUA)→ U+2776(❶ DINGBAT NEGATIVE CIRCLED DIGIT ONE) > 不太合適,大概是亂碼。 Actually Google say it's correct! https://www.google.com/search?ie=UTF-8&oe=UTF-8&q="繪圖軟體教學" "photoshop基礎教學" =>繪圖軟體教學—Photoshop實作教學(一) >>> • http://www.iiiedu.org.tw/ites/PDPM.htm (贯) >> 「贯」84AB → U+F0D8(PUA)→ U+27A2(➢ THREE-D TOP-LIGHTED RIGHTWARDS >> ARROWHEAD) > 看上下文估計原來應該是普通的空白。 Probably typo? >>> • http://www.kham.com.tw/ad.asp?P1=0000008355 (财) >> 已解:● > 在句末不太合適啊…… Should be the redundant item marker of the next line head. (ex. copy from ms word) >>> • 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、、、 > 哦,全形空白或項目標記。 Should be item marker >>> • http://www.muonline.com.tw/Guide/GameSystem/07_pvp.asp (轩) >> 沒確認,估計就是已解的 ■ > 我看應該是亂碼。 >>> • http://www.nacs.gov.tw/01_about >>> /00_about_page.asp?ID=JNNORPIQJNMMK (枭) >> 「枭」8458 → U+F0A7(PUA)→ U+27A2(▪ BLACK SMALL SQUARE) > 可能,全形空白或項目標記。 >>> • http://www.nca.org.tw/chhtml/newsdetail.asp?NewsID=933& >>> NewsGroup=4 (围轩) >> 「围」84CF → U+F0FC(PUA)→ U+2713(✓ CHECK MARK) > 這些都像全形空白或者亂碼。 >>> • http://www.neweb.com.tw/neweb-G_080808.htm (阵) >> 「阵」83E5 → U+F07B(PUA)→ U+2740(❀ WHITE FLORETTE) > 沒法確認,有可能是吧。 >>> • 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。 Should be also the redundant marker of the next line. > nordic.com.tw的「财」應該是亂碼,而ogilvy.com.tw的「迳」應該是某種標點符號。 ordered listed items, → is very reasonable. >>> • 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) > 在頁面最後應該是亂碼…… >> 「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 → > 合適! > > >>> • 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、、、 > > > 最合適還是「。」 > > >>> • 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。 > > > 我覺得只有「财」和「轩」合適…… > > >>> 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? > > > 按照上面的,用Big5-2003並不是很完美的。MozTW的映射好像不是完全可靠,所以我不知道該根據什麼去定義Big5-UAO。 > > 問題的範圍畢竟是0.043%的臺灣網頁的幾個字符。現代的瀏覽器只有Firefox能顯示,而且他們的映射還造成別的問題…… > > 在這種情況下,我覺得嘗試跟受影響的網站聯繫還是有希望。反正這是唯一的辦法能夠讓香港和國際的用戶也看得到。 I don't know... to me the original thought of big5-hkscs doesn't seem to dominate, and looks like big5-uao is not dominate either according to "bing". (I just realize that our "frequent-visit-sites" with big5-uao are not under "*.tw". Some of my treasure sites can only be found in internet-archive now) To my surprise is that there are quite a lot of cases can be explained with big5-2003 PAU though. (probably to Kenny too) At least HK friends can live with a hack in firefox to force big5-hkscs=big5; ie is ok if the official patch installed (the font with extended glyphs is needed for up to win xp). I'm curious about the browser share in HK? -- Best regards, Yuan Chao
Received on Saturday, 21 April 2012 01:50:36 UTC