Unicode 中的幽灵字符

# 感谢 Weibing 投递译稿

1978年，日本经济产业省(日本行政机关之一)发布了一套编码系统，即后来的 JIS X 0208。这份编码系统对日本后来的所有编码系统都影响深远。但是就在这份编码发布后，大家发现有其中的几个字符很奇特——没人知道它们从何而来、什么意思、怎么发音。这就是所谓的幽灵字符(日语: [幽霊文字] ) 。

很长一段时间，这些幽灵文字虽然奇特，但是无人解释，也被大多数人遗忘(毕竟不是很多)。但在1997年，日本人终于坐不住了，发起一个大型的调查来研究这些文字的来龙去脉。

一般来说，收录到 JIS 标准的字符都有具体来源记录。即使来源不甚清楚，也会说明在哪些文档。所以，你可能认为会很容易追溯到这些字符的根源，但是我们可能得谈谈”文档“的定义——这些幽灵字符的一个常见来源是《国土行政区划总览》(日语：国土行政区画総覧)，包含了所用的日本地名。你可能和我一样，一开始认为这仅仅是普通的地图册，一本几百页的大书。但事实是，最新版本的《总览》是一套七卷本，每本大概都900页。想象一下在这里面一个一个地查找字符，而且还不知道在那一页！

幽灵字符：妛挧暃椦槞蟐袮閠駲墸壥彁

尽管如此，日本人还是做到了(佩服)：他们发现了这些幽灵字符的来源——至少是最可能的来源。通过询问那些参加标准制定的索引员们，调查员们发现一些幽灵字符其实是在索引过程中错误地制造出来的！例如，“妛”这个字本来是用来表示“上山下女”的另外一个字，一个在日本非常著名地点用到的字(因此值得收入到 JIS 标准)。在当时，因为没有这字，所以没有办法打印这个字，所以索引员单独打印了“山”和“女”，然后剪切粘帖在一张纸(基础PS……)，最后扫描复制。但是后来的索引员读到这个复印件，把两个字中间粘缝产生的横线认为是一划，于是错误地造了这个字。讽刺的是，本来想表示的那个字(“上山下女”)直到最近才加入到 JIS 和后来的 Unicode 文档，导致很多网站都无法显示这个字(冤……)。

调查之后，所有的幽灵字符中只有一个字符没明确来源：“彁”。最有可能的解释是：这是另一个字符“彊”的错写，但没在其他文档发现这种错法。

由于 JIS 标准的广泛接受，在 CJK 合并过程的时候，这些幽灵字符也被 Unicode 收录。

所以，1978年的一系列错误无中生有地制造了幽灵字符。当我们发现这个错误的时候，为时已晚，幽灵已经嵌入整个系统。现在这些字符——至少有可能——成为全世界所有电脑的一部分，徘徊在字符表的黑暗角落。

照此下去，它们将于人类共存亡，永远。

[Weibing via dampfkraft]