Unicode 字符编码模型_抽象字符库(ACR)

转载须注明出处：简书@Orca_J35
本文参考资料的列表位于 Unicode 字符编码模型_简介

字符库是包含抽象字符的无序集合，字符库有封闭(fixed )和开放(open)之分：

• 封闭字符库一旦确定，就再也不会改变，如 ASCII。如果想要在封闭字符库中添加新的抽象字符，就需要创建一个新标准，不能在原有标准中直接添加。
• Unicode 标准采用开放字符库，允许向其中添加新的抽象字符。

Tips：在 Unicode 文档的大多数语境中，将抽象字符库与字符库(character repertoire)视为同义词，本文也如此。

由于字符库存是包含抽象字符的无序集合，所以我们可以把它想象为一个集合类型。这里以 Python 的集合类型为例：

Character_Repertoire = {"6", "$","ü", "L", "鲸", "あ", "Д", "α", "å", "😯", ...}

字符 vs. 字形

为了避免歧义，我们需要先明确术语的定义：(参考 Unicode 术语表)

• 字符 (Character) (1)在书面语言中具备语义价值的最小组成部分，泛指抽象的意义和[或]形状(shape)，而非特定的形状 (see also glyph)；然而在编码表(code tables)中，为了便于读者理解，呈现某种形式的视觉表示是必不可少的。(2)抽象字符的同义词。

• 抽象字符 (Abstract Character)：用于组织、控制或表示文本数据的信息单元。

依据"字符"的第一种定义，我们应将"字符"视作"抽象字符"的一个子集。因为，它只包含了书面语言中具备语义价值的部分(即，用于表示文本数据的信息单元)，但并不包含用于组织和控制文本数据的信息单元。但在 Unicode 术语表中，很多时候会将"字符"与"抽象字符"视作同义词，也就是采用字符的第二种定义。在本文的大多数语境下也会将"字符"与"抽象字符"视作同义词。

如何理解字符和字形

单从定义上来看，我们很难对"抽象字符"的概念有一个清晰的认识，那么到底什么是"抽象字符"喃？
在阅读文字时，我们通过视觉观察到的其实是字形(glyph)——字形是表示某个字符的特定图像，有时也可能是表示某个字符的某一部分的特定图像。我们可以将"抽象字符"想象为"字形"的父类，虽然这样理解并不正确，但足够清晰。抽象字符规定了字形的"形式"，但并没有给出具体的实现方式。字形作为抽象字符的子类，对各种抽象"形式"给出了具体实现。由于具体实现方式的差异，抽象字符便会产生不同的子类，从而形成不同的字形。

以 Emoji 中的飞机(Airplane)为例：用于描述飞机的抽象字符给出了飞机的抽象"形式"，如有流线型的机身、有机翼、有引擎等；但抽象字符并没有给出这些"形式"的具体实现方式，比如引擎的数量、飞机的颜色、飞机的比例等。飞机的字形为各种抽象"形式"给出了具体实现，比如给定了引擎的数量；明确了飞机的颜色及比例；是卡通风格还是写实风格等。因此，我们可以通过视觉观察到飞机的字形。由于实现方式的差异，便会在视觉上形成不同的飞机，这些不同的飞机代便是同一个抽象字符的不同字形。

emoji_airplane.jpg

再比如说大写字母 O，其抽象字符给出该字母的"形式"：一个类似于圆的形状；但没有给出具体的实现方式，如圆的大小、长宽比、字重、字宽等。字母 O 的字形为各种抽象"形式"给定了具体实现(比如给定了字重、字宽等)，以便我们可通过视觉观察到字母 O。同样，由于实现方式的差异，我们便会在视觉上观察到不同的字母 O，如下：

不同字体的字母O.jpg

注意，抽象字符和字形并非继承关系，上述内容只是为了便于理解，才采用了继承关系。从技术上来说，当需要可视化某个抽象字符时，会在合成(composition)和布局(layout)处理期间，通过渲染引擎来选择相应字形。

字体(Font)是字形的集合，用于字符数据的可视化描述。字体通常会关联一组参数[例如，size, posture, weight, serifness]，在为参数设置特定值后，便会生成一个图像化(imagable)的字形集合。不过这都属于渲染引擎的工作，这又是另一个复杂的问题了。

字符和字形的对应关系

在显示同一字符时，可选择不同的字形，并且这些字形的形状(shape)可能会有较大的差异。下图展示了小写字母 a 的字符和部分字形样式：

字符和字形_a.jpg

Note: 字符 a 是为了便于读者理解，而呈现的视觉表示。[图片上传中...(fi ligature_n2n.jpg-9c5d16-1535885771154-0)]

字形和字符并非总是一一对应关系：

• 单个字形可能会对应多个字符。例如，由 'f' 和 'i' 构成的字符序列，可能被显示为单个字符(该字符名为 fi ligature)。
  Note: 在合并后的形状中，字符 'i' 少了一个点。

fi ligature.jpg

• 极端情况下甚至可能存在多对多的情况。比如上列中 fi ligature 的字形也可能是由一个字形序列组合而成的。
  Note: 在显示某一字符时，是使用单个字形还是使用字形序列，是由字体和渲染软件决定的。

fi ligature_n2n.jpg

• 单个字符可对应单个字形，也可对应一个字形序列。例如，重音(accented)字符可以由单个字形表示，也可以由一个字形序列来表示。另外，所要表示的内容本身也可能是由一个字符序列组成的，如下图中的第二行。

重音字符.jpg

在non-Latin script 中，字形和字符之间的对应关系甚至会让人觉得意外。因为，在绘制字形的具体形状时，还需要考虑其周围的字形，这种字形被称作 contextual forms 。例如，阿拉伯字符 heh 就具有四中上下文字形。

Arabic character heh.jpg

另外，字形的排序也不一定对应于字符的排序，特别是阿拉伯语和希伯来语等从右到左的 scripts 中，会存在复杂的重排序过程。特定字符序列能否显示为特定字符串，取决于操作系统和字体的复杂程度。

其它术语

• 字形 (glyph)：(1)表示一个或多个"字形图形"的抽象形式。(2)与字形图像(glyph image)同义。在显示 Unicode 字符数据时，可以选择一个至多个字形来描绘特定字符。在合成(composition )和布局(layout)处理期间，会通过渲染引擎选择这些字形。(See also character.)

• 字形图像 (Glyph Image)：已经点阵化(rasterized)或以其它方式成像到某些显示表面的字形表示的具体图像。The actual, concrete image of a glyph representation having been rasterized or otherwise imaged onto some display surface.

• 字体 (Font)：字形的集合，用于字符数据的可视化描述。字体通常会关联一组参数[例如，size, posture, weight, serifness]，在为参数设置特定值后，便会生成一个图像化(imagable)的字形集合。

• 渲染 (Rendering). (1) 为了描绘字符，而选择并布局字形的过程。(2) 在显示设备上显示字形的过程。