Re: 求助:關於Big5和Big5-HKSCS的問題

(12/06/24 3:29), Yuan Chao wrote:
>>> 2.以目前firefox來說,若網頁設定為<meta
>>> charset="big5">時,解碼表big5所指的就是big5-2003嗎?還是big5-uao呢?
>> big5-uao。同樣參考[1]。
>
> [1]的說法是big5-2003+uao

嗯,你說的對,網頁上是寫:

[[
主體是以 Big5-2003 為主, 但在造字與保留區則引入 UAO 的字集
]]

不知道為什麼我、阿菲還有提拉米蘇開始稱呼這個編碼叫做 big5-uao(可能是
big5-mozilla 太有「專有」的感覺?),然後我不知不覺得就以為這是 UAO 為主了。

不過在阿菲的研究裡,他比較的就是 Mozilla 的編碼和 big5-hkscs,沒有比錯東西。

>>> 3.以菲哥(阿菲)舉的例子來說(
>>> http://lists.whatwg.org/htdig.cgi/whatwg-whatwg.org/2012-April/035370.html)
>>> "重唔變晒烏\x8b\xf8縮得就縮",得到的結論是opera-hk, firefox-hk, chrome-hk
>>> win,其他幾個例子也都是hk可以正確顯示。我比較好奇的是只拿香港的論壇或
>>> 文章來決定該用big-hkscs做為default的big5解碼表是適合的嗎?
>>
>> 單就以那篇文章的資料的確不合適,但是後來從 .tw 的網站也做了類似的事情
>> [2],基本上還是可以得到「雖然在香港 big5-hkscs 比 CP950 好很多,但是在台
>> 灣其實 big5-uao 沒有比 CP950 好很多。」的結論。
>
> Kenny有發現一些網頁似乎是採用big5-2003的編碼,我的猜測則是有不少其實是
> 從office文件直接複製貼上,再轉換成html格式的。所以像是分項符號,
> 跟英文常見的'在big5-hkscs跟big5-uao都無法正確解釋。

喔,這是一個很有趣的解釋,Office 的 big5 是 big5-2003?歷史原因是什麼?
為什麼不是 CP950?

>>> 4.另外,所謂的預設解碼,是否應該參考哪一個編碼的涵蓋的字量比較多呢?
>>
>> 基本上字量不很重要,不過假如編碼 A 可解碼的字是編碼 B 的真父集,那一般用
>> A 就比較好。在這裡的問題是 big5-uao 跟 big5-hkscs 沒有子集父集的關係,是
>> 有衝突的。
>>
>>> 如果數量不是決定因素時,那是否也是要先建立一套較完整的benchmark來評估
>>> 哪一個編碼最適合呢?再請先進們幫忙解惑了!
>>
>> [2]看起來還算不錯吧?當然,多弄一些各種情形(像是上面說的前萬名每個一千
>> 頁)也不嫌少就是了。
>
> 目前似乎只有bing有這個的api可以免費使用,會不會造成什麼樣的bias也不得而知。

歡迎繼續提供數據。

>> (12/06/13 16:42), Evan Li wrote:
>>> 我再追加一個問題,由於我與一些台灣有在使用big5自造區的人討論到,似乎有
>>> 不少big5使用者會用到自造區,例如:
>>>
>>>    - 中國海
>>>    - UAO
>>>    - 漢字構型資料庫 ( http://cdp.sinica.edu.tw/ )
>>>    - 中華佛典CBETA ( http://www.cbeta.org/download/cbreader.php )
>>>    - 甚至於部份中文語言系的使用者都會使用自訂造字區
>>>    - 其他...
>>>
>>> 但如果瀏覽器的big5解碼表預設是使用big5-hkscs的話,那這些自造區的字是否
>>> 就無法呈現了呢?
>
> 以目前Firefox跟Opera的作法來說(Chrome不清楚),瀏覽器自帶解碼表,
> 因此在w3c的標準下,非定義的使用自訂造字區會對應到unicode的一個缺字符號,
> Opera完全依照w3c的標準,

等等,這裡指的是什麼標準?

> Firefox則是不顯示。上述的幾個字造字都無法顯示。不過因為Firefox後來採用
> 了big5-2003+uao,在與big5-2003不衝突的UAO有收錄,且UAO收錄了大部分的中
> 國海字型(沒有鍵盤符號),因此「大多數」的1, 2可以正常顯示。
> 
>> [1] http://moztw.org/docs/big5/


以上

Kenny

Received on Monday, 25 June 2012 22:55:47 UTC