diff --git a/README.md b/README.md index 808ac25..1637227 100644 --- a/README.md +++ b/README.md @@ -1,8 +1,8 @@ # 汉智 · hanji -中国大陆、香港、台湾、日本四地常用汉字的字表。同一个字，各地写出来常常不一样——这里把四地写法并排列出，可按笔画、常用度排序，按差异模式筛选。 +中国大陆、香港、台湾、日本、韩国五地常用汉字的字表。同一个字，各地写出来常常不一样——这里把五地写法并排列出，可按笔画、常用度排序，按差异模式筛选。韩国列默认关闭，可在显示选项中启用。 -字形只是其中一个维度。收录范围是四地常用字表的并集，**写法完全相同的字同样收录**：这是一份四地汉字的资料表，不是一份差异清单。 +字形只是其中一个维度。收录范围是五地常用字表的并集，**写法完全相同的字同样收录**：这是一份五地汉字的资料表，不是一份差异清单。 下面是概要，逐条的完整说明在站内的「关于」页。 @@ -12,25 +12,25 @@ ## 收录范围 -收录《通用规范汉字表》（2013）、臺灣《常用國字標準字體表》（1982）、香港《常用字字形表》、日本《常用漢字表》（2010）四份字表的并集，把简繁、日本新旧字体这类跨码点的对应合并成一行，共 **8,450 行**——其中 1,723 行四地写法完全一致，587 行四地各不相同。 +收录《通用规范汉字表》（2013）、臺灣《常用國字標準字體表》（1982）、香港《常用字字形表》、日本《常用漢字表》（2010）、韩国《漢文教育用基礎漢字》（2000）五份字表的并集。韩国字表含 1,800 个常用汉字。把简繁、日本新旧字体和韩式异体这类跨码点的对应合并成一行后，共 **8,449 行**——其中 1,695 行五地写法完全一致，129 行五地各不相同。 台湾《次常用國字表》只为已有行提供二级收录状态和候选，不参与生成新行；其 6,343 个主条目中有 3,599 个独有条目明确在产品范围之外。 ## 字组与数据语义 -一行表示一个字组，四列分别是大陆、香港、台湾和日本的展示形。跨码点候选来自 OpenCC，但由地区字表约束： +一行表示一个字组，五列分别是大陆、香港、台湾、日本和韩国的展示形。跨码点候选主要来自 OpenCC，韩式异体采用 Unicode IRG 收录提案所列对应，并由地区字表约束： - 某地字表把两个字分开收录时保留两个字组，例如 `着/著`、`欠/缺`； -- OpenCC 明确自包含的同字关系或四列完全相同的名称可以合并；至少有两个地区佐证的映射可作为确定的地区对应； +- OpenCC 明确自包含的同字关系或五列完全相同的名称可以合并；至少有两个地区佐证的映射可作为确定的地区对应； - 只有一个地区提供证据、而候选还属于另一字组时保守拆分，并在详情页显示双向“关系未确认”，例如 `鎗/槍`。 -四列确定后才选择行名；主条目和括注收录都足以保住字组自身名称。日本旧字体也必须来自明确的 `JPShinjitaiCharacters` 关系，不能由行名与日本列不同反推。 +五列确定后才选择行名；已有中港台日证据时仍按原四地规则选择，以免新增的韩国列改变既有网址。主条目和括注收录都足以保住字组自身名称。日本旧字体也必须来自明确的 `JPShinjitaiCharacters` 关系，不能由行名与日本列不同反推。 每个地区格都有 `primary`（主条目）、`glossed`（括注异体）或 `unlisted`（未收录、显示参考形）状态。`alternatives` 只保存该地区收录且明确属于当前字组的其他形式；`aka` 只表示字组的其他名称；未确认关系只用于“另见”，不会进入搜索、网址别名、字典引用或字体集合。完整定义、构建保证和限制见 [数据规则与已知限制](docs/known-issues.md)。 ## 字形差异是怎么判定的 -Source Han Sans 与 Source Han Serif 各自的五个地区共享同一个字形池，每个地区有一份「码点 → CID」映射，Adobe 以纯文本形式公开在仓库里。同一个池子里 CID 相同就是同一个字形，所以比对四份映射就能判断四地把一个字写成了几种样子——不需要比对轮廓，也不需要渲染截图。 +Source Han Sans 与 Source Han Serif 各自的五个地区共享同一个字形池，每个地区有一份「码点 → CID」映射，Adobe 以纯文本形式公开在仓库里。同一个池子里 CID 相同就是同一个字形，所以比对五份映射就能判断五地把一个字写成了几种样子——不需要比对轮廓，也不需要渲染截图。 判定取**两种字体的并集**：只要黑体或宋体之中有任意一方认为两地同形，就算同形。因为 Source Han Sans 给日本单独画了约五分之一常用字的字形，其中两百来个宋体并没有跟着分（了、人、子、水、金都在其中）——只有一种字体作出的区分是那套字体的设计取舍，不是地区规范的差异。完整取舍见 [数据规则与已知限制](docs/known-issues.md)。 @@ -38,9 +38,10 @@ Source Han Sans 与 Source Han Serif 各自的五个地区共享同一个字形 ## 局限 -- 判定的对象是 Source Han 的地区字形设计，不是各地标准本身。它是个高质量的代理——Adobe 的地区字形分别依据大陆《印刷通用汉字字形表》、台湾教育部《國字標準字體》、香港教育局《常用字字形表》、日本 JIS X 0208/0213。 +- 判定的对象是 Source Han 的地区字形设计，不是各地标准本身。它是个高质量的代理——Adobe 的地区字形分别依据大陆《印刷通用汉字字形表》、台湾教育部《國字標準字體》、香港教育局《常用字字形表》、日本 JIS X 0208/0213、韩国 KS X 1001/1002。 - Source Han 的香港字形覆盖并不完整，「只有香港不同」这一类可能少报。 -- 笔画数逐地区取：先看 Unihan 的 `kAlternateTotalStrokes`，日本再退到 `kRSAdobe_Japan1_6`（它分析的是 Adobe-Japan1-6 收的日本字形，所以 突 是 8 画而不是 9 画），都没有才用 `kTotalStrokes`。于是日本那列常与其余三地不同，其中约五分之一其实字形一模一样、只是数法不同（那 6/6/6/7）。 +- 笔画数逐地区取：先看 Unihan 的 `kAlternateTotalStrokes`，日本再退到 `kRSAdobe_Japan1_6`（它分析的是 Adobe-Japan1-6 收的日本字形，所以 突 是 8 画而不是 9 画），都没有才用 `kTotalStrokes`。后者只区分简繁两档，港台日韩通常共用繁体值；例如 那 的五列笔画数是 6/6/6/7/6。 +- 韩语读音取 Unihan 推荐的 `kHangul`，保留全部现代韩文单字音；它不根据词语语境替用户选择读音，也不另行推导头音法则。 - 未收录格显示的是传承参考形，不表示该地区实际采用或规范收录该形；“关系未确认”同样表示现有公开来源不足以裁决。 完整的数据规则与构建保证见 [docs/known-issues.md](docs/known-issues.md)。 @@ -57,13 +58,13 @@ Source Han Sans 与 Source Han Serif 各自的五个地区共享同一个字形 ```bash pnpm install -pnpm build:data # 生成字表与字体子集，首次会下载约 210MB 原始数据，之后走缓存 +pnpm build:data # 生成字表与字体子集，首次会下载约 211MB 原始数据，之后走缓存 pnpm dev pnpm test pnpm generate # 静态站点 ``` -每一行的地址是它的行名（`/char/着`）。四地展示形、`aka` 和 `alternatives` 也可作为地址，302 跳到所属的行——例如 `/char/国`、`/char/郞`、`/char/缐`，页面用 `rel=canonical` 指回行名地址；未确认关系不是地址别名。 +每一行的地址是它的行名（`/char/着`）。五地展示形、`aka` 和 `alternatives` 也可作为地址，302 跳到所属的行——例如 `/char/国`、`/char/郞`、`/char/缐`，页面用 `rel=canonical` 指回行名地址；未确认关系不是地址别名。 字表 `public/data/chars.json` 提交在仓库里，也是站点的开放数据地址 `/data/chars.json`。字体子集约 12MB，**不提交**，由 `pnpm build:data` 生成——所以构建前必须先跑一次。原始下载缓存在 `data/raw/` 下按类别存放（`charlist/`、`opencc/`、`cmap/`、`font/`、`unihan/`、`frequency/`），已 gitignore。 @@ -77,9 +78,9 @@ pnpm generate # 静态站点 | 输出目录 | `.output/public` | | Node 版本 | LTS（`.node-version`） | -`public/_redirects` 把没有预渲染的单字页交回给应用（静态文件优先，预渲染的 4 千多页仍按文件直出），`public/_headers` 给带内容哈希的 `_nuxt/*` 设了长缓存。 +`public/_redirects` 把没有预渲染的单字页交回给应用（静态文件优先，约 2,300 个常见单字及别名地址仍按文件直出），`public/_headers` 给带内容哈希的 `_nuxt/*` 设了长缓存。 -构建时 `pnpm build:data` 会下载约 **210 MB** 原始数据（其中 195 MB 是十份 Noto CJK 字体），CI 上每次构建都要重下。若嫌慢，可改为本地构建后直传： +构建时 `pnpm build:data` 会下载约 **211 MB** 原始数据（其中 195 MB 是十份 Noto CJK 字体），CI 上每次构建都要重下。若嫌慢，可改为本地构建后直传： ```bash pnpm build:data && pnpm generate @@ -90,20 +91,21 @@ pnpm dlx wrangler pages deploy .output/public -| 用途 | 来源 | 许可 | -| -------------------------------- | -------------------------------------------------------------------------------------------- | --------------------------------------------------------- | -| 判定四地字形差异 | [Adobe Source Han Sans / Serif（CMap 资源）](https://github.com/adobe-fonts/source-han-sans) | [SIL OFL 1.1](https://openfontlicense.org/) | -| 页面展示用字体 | [Noto Sans / Noto Serif（含 CJK）](https://github.com/notofonts/noto-cjk) | [SIL OFL 1.1](https://openfontlicense.org/) | -| 简繁、港台异体、日本新旧字体对应 | [OpenCC 开放中文转换](https://github.com/BYVoid/OpenCC) | [Apache-2.0](https://www.apache.org/licenses/LICENSE-2.0) | -| 四地标准字表 | [zispace/hanzi-chars](https://github.com/zispace/hanzi-chars) | [仓库未声明](https://github.com/zispace/hanzi-chars) | -| 笔画数、读音 | [Unicode Han Database (Unihan)](https://www.unicode.org/reports/tr38/) | [Unicode License v3](https://www.unicode.org/license.txt) | -| 大陆字频排名 | [hanziDB.csv（Jun Da《现代汉语单字频率列表》）](https://github.com/ruddfawcett/hanziDB.csv) | [MIT](https://opensource.org/licenses/MIT) | +| 用途 | 来源 | 许可 | +| -------------------------------- | -------------------------------------------------------------------------------------------------------- | --------------------------------------------------------- | +| 判定五地字形差异 | [Adobe Source Han Sans / Serif（CMap 资源）](https://github.com/adobe-fonts/source-han-sans) | [SIL OFL 1.1](https://openfontlicense.org/) | +| 页面展示用字体 | [Noto Sans / Noto Serif（含 CJK）](https://github.com/notofonts/noto-cjk) | [SIL OFL 1.1](https://openfontlicense.org/) | +| 简繁、港台异体、日本新旧字体对应 | [OpenCC 开放中文转换](https://github.com/BYVoid/OpenCC) | [Apache-2.0](https://www.apache.org/licenses/LICENSE-2.0) | +| 五地标准字表 | [zispace/hanzi-chars](https://github.com/zispace/hanzi-chars) | [仓库未声明](https://github.com/zispace/hanzi-chars) | +| 笔画数、读音 | [Unicode Han Database (Unihan)](https://www.unicode.org/reports/tr38/) | [Unicode License v3](https://www.unicode.org/license.txt) | +| 韩式异体对应 | [Unicode IRG N2200（韩国教育用汉字提案）](https://www.unicode.org/L2/L2017/17173-irgn2200-unihan-db.pdf) | [Unicode License v3](https://www.unicode.org/license.txt) | +| 大陆字频排名 | [hanziDB.csv（Jun Da《现代汉语单字频率列表》）](https://github.com/ruddfawcett/hanziDB.csv) | [MIT](https://opensource.org/licenses/MIT) | -原始规范出处：《通用规范汉字表》（2013）、臺灣《常用國字標準字體表》（1982）、香港《常用字字形表》、日本《常用漢字表》（2010）与《学年別漢字配当表》（2017）。 +原始规范出处：《通用规范汉字表》（2013）、臺灣《常用國字標準字體表》（1982）、香港《常用字字形表》、日本《常用漢字表》（2010）与《学年別漢字配当表》（2017）、韩国《漢文教育用基礎漢字》（2000）。 -逐字对照工具 [tofu.tools](https://tofu.tools/) 是本项目的先行者，同样用 Noto 系列区分四地字形。 +逐字对照工具 [tofu.tools](https://tofu.tools/) 是本项目的先行者，同样用 Noto 系列区分地区字形。 字体为 Noto Sans CJK 与 Noto Serif CJK（SIL OFL 1.1）按本站用字子集化后的产物，声明随附于 `/fonts/OFL.txt`。生成的数据文件派生自上述来源，请遵守各自许可。 diff --git a/app/components/CharCells.vue b/app/components/CharCells.vue index 3932f13..fec26ca 100644 --- a/app/components/CharCells.vue +++ b/app/components/CharCells.vue @@ -32,12 +32,18 @@ const segments = computed(() => segmentsOf(signature.value)) const colorOf = (group: number) => segments.value.length === 1 ? 'var(--c-rule)' : `var(--c-g${group + 1})` -const LANG = { cn: 'zh-CN', hk: 'zh-HK', tw: 'zh-TW', jp: 'ja' } as const +const LANG = { + cn: 'zh-CN', + hk: 'zh-HK', + tw: 'zh-TW', + jp: 'ja', + kr: 'ko', +} as const const cells = computed(() => regions.value.map((region) => { const index = REGIONS.indexOf(region) - // REGIONS and chars are both length 4, so this index is always in range + // REGIONS and chars have the same length, so this index is always in range const char = props.row.chars[index]! return { region, diff --git a/app/components/HeroOverprint.vue b/app/components/HeroOverprint.vue index 02875e4..4a02039 100644 --- a/app/components/HeroOverprint.vue +++ b/app/components/HeroOverprint.vue @@ -11,7 +11,7 @@ const split = ref(false) /** * Groups over the regions on show, so the opening claim counts what the reader - * is actually being shown rather than the four this row happens to carry. + * is actually being shown rather than every region this row happens to carry. */ const groups = computed(() => projectSignature(props.row.glyph, regionIndices.value), diff --git a/app/components/OptionsMenu.vue b/app/components/OptionsMenu.vue index f10e948..fd216e7 100644 --- a/app/components/OptionsMenu.vue +++ b/app/components/OptionsMenu.vue @@ -90,10 +90,10 @@ onKeyStroke('Escape', () => (open.value = false))
{{ diff --git a/app/components/PatternChip.vue b/app/components/PatternChip.vue index 65dc248..d744b22 100644 --- a/app/components/PatternChip.vue +++ b/app/components/PatternChip.vue @@ -11,7 +11,7 @@ defineEmits<{ toggle: [] }>()