Кіріспе
Дәстүрлі қытай таңбаларын кодтау Big 5 немесе Big5 (t=大五碼) – Тайвань, Гонконг және Макаода дәстүрлі қытай таңбаларын кодтау әдісі. Қытай Халық Республикасы (ҚХР), қарапайым қытай таңбаларын пайдаланады, оның орнына GB 18030 әріптер жинағын қолданады. Big5 атауы оны Тайваньдағы бес компаниядан құралған консорциумнан алған.
Big 5 or Big5 (t=大五碼) is a Chinese character encoding method used in Taiwan, Hong Kong, and Macau for traditional Chinese characters. The People's Republic of China (PRC), which uses simplified Chinese characters, uses the GB 18030 character set instead. Big5 gets its name from the consortium of five companies in Taiwan that developed it.
Көшірмелері
Big5 кодында екі қайталанған таңба бар: "兀" 0xA461 (U+5140) және 0xC94A (U+FA0C) нөмірлерінде, "嗀" 0xDCD1 (U+55C0) және 0xDDFC (U+FA0D) нөмірлерінде. Кейбір кодтау схемалары Сучжоу сандарының үшеуін – "㸭", "㸴" және "㸵" – графикалық бөлімде CJK Символдары мен тыныс белгілері (тиісінше U+3038, U+3039 және U+303A) орнына идеографтарға (тиісінше U+5341, U+5344 және U+5345) шамалайды.
Big5 кодының мәні
Жеке Big5 коды әрқашан толық семантикалық бірлікті білдірмейді. Big5 логограммаларының кодтары әрқашан логограммалар болып табылады, бірақ "графикалық символдар" бөліміндегі кодтар әрқашан толық "графикалық символдар" болып табылмайды. Big5 коды – екі бірөлшемді ASCII символының алатын кеңістікке сәйкес келетін символдардың немесе символдардың бөлігінің нақты графикалық бейнелері. Бұл CJK екі байттық символдар жиынының қасиеті болып табылады және Big5 үшін ғана тән емес мәселе. (Жоғарыда айтылғандарды тарихи контекстте түсіндіру қажет болуы мүмкін, себебі бұл теориялық тұрғыдан дұрыс емес: мәтіндік режимдегі жеке компьютерлер кең таралған кезде символдар әдетте бір байт ретінде көрсетілетін және әрбір символ экранда бір орынды алып тұратын. Сондықтан екі байттық символдардың экранда екі орынды алуын талап етудің практикалық себебі болды, атап айтқанда, американдық, тікелей өндірілген бағдарламалық жасақтама DBCS негізделген жүйеде өзгеріссіз қолданылуы мүмкін еді. Егер символ экранда кез келген орынды ала алса, мәтіннің бір байты экранда бір орынды алады деп есептейтін бағдарламалық жасақтама қате нәтиже берер еді. Әрине, егер компьютер мәтіндік экранмен жұмыс істемесе, өндіруші бұл жасанды шектеуді енгізбес еді; Apple Macintosh осыған мысал. Дегенмен, кодтаудың өзі мәтіндік экранға негізделген жүйелерде дұрыс жұмыс істеуі үшін жасалуы керек.) Бұл мәселені көрсету үшін Big5 кодын қарастырайық ( ). Ағылшын тілінде сөйлейтіндерге бұл эллипс сияқты көрінеді және Unicode стандарты оны осылай анықтайды; алайда, қытай тілінде эллипс екі қытай символының кеңістігіне сыятын алты нүқтеден тұрады (), сондықтан шын мәнінде қытай эллипсі үшін Big5 коды жоқ, ал Big5 коды қытай эллипсінің жартысын ғана көрсетеді. Бұл эллипстің жартысын ғана көрсетеді, өйткені толық эллипс екі қытай символының кеңістігін алуы керек, ал көптеген DBCS жүйелерінде бір DBCS символы бір қытай символының кеңістігін алуы тиіс. Big5 кодында кодталған символдар әрқашан қарапайым мәтіндік файлдарда оңай қолданылатын нәрсені білдірмейді; мысалы, "цитата белгісі" (, ﹋), қолданған кезде әдеби туындылардың тақырыбының астына орналастырылуы керек. Тағы бір мысал – Сучжоу сандары, бұл ғылыми жазу түрі, онда сан кем дегенде екі қатардан тұратын екі өлшемді формада көрсетілуі керек.
Сәйкес келетін SBCS
Іс жүзінде Big5 сәйкес келетін SBCS-сіз қолданыла алмайды; бұл көбінесе үйлесімділік себебінен туындайды. Дегенмен, басқа CJK DBCS таңбалар жиынтықтарындағыдай, қолданылатын SBCS ешқашан нақтыланбаған. Big5 әрқашан DBCS ретінде анықталған, бірақ қолданғанда оны тиісті, анықталмаған SBCS-пен жұптастыру қажет, сондықтан кейбір адамдар оны MBCS деп атайды; алайда, Big5 өзі, анықтамасы бойынша, қатаң түрде DBCS болып табылады. Қолданылатын SBCS нақтыланбағандықтан, қолданылған SBCS теориялық тұрғыдан жүйеден жүйеге өзгеше болуы мүмкін. Бүгінде ASCII – қолдануға болатын жалғыз мүмкін SBCS. Алайда, DOS-қа негізделген ескі жүйелерде 437-бет код, оның бақылау кодын аймағындағы ерекше символдарымен, соның ішінде 127-позициясы, көбірек таралған. Бірақ, Macintosh жүйесінде қытай тілі жиынтығымен немесе cxterm терминалды эмуляторымен жұмыс істейтін Unix жүйесінде Big5-пен жұптастырылған SBCS 437-бет код болмайды. Big5-тің жарамды диапазонынан тыс, DOS-қа негізделген ескі жүйелер жүйеде Big5-пен жұптастырылған SBCS-ке сәйкес нәрселерді әдетте түсіндіреді. Мұндай жүйелерде, мысалы, 127-ден 160-қа дейінгі таңбалар жарамсыз Big5-ті тудыратындықтан, олардан қашыну мүмкін емес, бірақ олар 437-бет кодын пайдаланып жарамды таңбалар болатындықтан қолданылған. Big5-ті Big5 DBCS-інен және ASCII SBCS-інен тұратын MBCS ретінде сипаттау тарихи тұрғыдан дұрыс емес және қате болуы мүмкін, өйткені сәйкес келетін SBCS таңдауы Big5-тің түріне тәуелсіз болды және теориялық тұрғыдан әлі де тәуелсіз.
Ұзартулар
Бастапқы Big 5 жүйесіне тек CJK логограммалары, жалпы ұлттық таңбалардың стандарттық пішіндерінің тізімінен (4808 таңба) және сирек қолданылатын ұлттық таңбалардан (6343 таңба) кіретін еді, бірақ адам аттарынан, жер-су аттарынан, диалекттерден, химиядан, биологиядан және жапон канасынан алынған әріптер кірмейтін. Осы себепті, көптеген Big 5 қолдайтын бағдарламалық құралдарға осы мәселелерді шешу үшін қосымша кеңейтулер енгізілген. Мұндай көптеген нұсқалардың болуы UTF-8 немесе UTF-16 жүйесін қазіргі қолдану үшін тұрақтырақ кодтау схемасына айналдырды.
Microsoft кодтары
Microsoft (微軟) Microsoft Windows-пен пайдалану үшін Big5 кеңейтуінің 950 код бетінде өзінің нұсқасын жасады, ол ETEN кеңейтулерінен F9D6 және F9FE кодтық нүктелерін қолдайды. Windows-тың кейбір нұсқаларында евро валютасының символы Big 5 кодтық нүктесі A3E1-ге сәйкес келеді. Microsoft-тың HKSCS жаңартуын дәстүрлі қытай Windows-тың үстіне (немесе Windows 2000 және одан жоғары кез келген нұсқасында тиісті тілдік пакетпен) орнатқаннан кейін, 950 кодты пайдаланатын қолданбалар автоматты түрде жасырылған 951 кодтық кестесін қолданады. Бұл кесте HKSCS 2001 стандартында көрсетілген үйлесімділік кодтық нүктелерін қоспағанда, барлық кодтық нүктелерді қолдайды.
IBM кодтары
Microsoft-тың 950 код парағына қарағанда, IBM-нің CCSID 950 бір байттық 1114 (CCSID 1114) және екі байттық 947 (CCSID 947) код парақтарынан тұрады. Ол жетекші байттар үшін ETEN кеңейтімдерін қамтиды , және , ал жетекші байты (Microsoft-та бар) барларын жойып, оларды пайдаланушы анықтаған символдар ретінде Жеке пайдалану аймағына бейімдейді. Сондай-ақ, ол әдеттегі Big5 трек байт диапазонынан тыс, бірақ Big5+ трек байт диапазонына ұқсас екі ETEN емес кеңейтім аймақтарын трек байтымен қамтиды: 5-аймақта жетекші байттар бар және онда IBM таңдаған символдар бар, ал 9-аймақта жетекші байттар бар және ол пайдаланушы анықтаған аймақ. IBM өздерінің Big 5 нұсқасының евро белгісін жаңартуын CCSID 1370 деп атайды, онда бір байттық және екі байттық евро белгілері бар. Ол 1114 (CCSID 5210) бір байттық код парағын және 947 (CCSID 21427) екі байттық код парағын қамтиды. IBM Db2-де Microsoft нұсқасымен жақсы үйлесімділік үшін IBM таза екі байттық 1372 код парағын және оған сәйкес келетін өзгермелі енді CCSID 1373-ті де анықтайды, бұл Microsoft-тың 950 код парағына сәйкес келеді. IBM HKSCS 2001 Big5 код парағына CCSID 5471 (CPGID 1374 екі байттық компонент ретінде CCSID 5470), HKSCS 2004 код парағына CCSID 9567 (CPGID 1374 екі байттық компонент ретінде CCSID 9566) және HKSCS 2008 код парағына CCSID 13663 (CPGID 1374 екі байттық компонент ретінде CCSID 13662) тағайындайды, ал CCSID 1375 өсіп келе жатқан HKSCS код парағына тағайындалады, қазіргі уақытта CCSID 13663-ке тең.
Қытай теңізінің қаріпі
ChinaSea қаріптері (中國海字集) – ChinaSea компаниясы жасаған дәстүрлі қытай қаріптері. Бұл қаріптер көбінесе жеке сатылмайды, бірақ Microsoft Office 97-нің қытай тіліндегі нұсқасы сияқты басқа өнімдермен бірге ұсынылады. Қаріптер жапон канасы, кокудзи және Үлкен Бестікке кірмейтін басқа да символдарды қолдайды. Осының нәтижесінде ChinaSea кеңейтімдері үкіметтік қолдаумен жасалған кеңейтімдерге қарағанда кеңінен таралды. HKSCS енгізілгенге дейін кейбір Гонконг интернет-форумдары (BBS) ChinaSea қаріптеріндегі кодтамаларды пайдаланған.
"Сакура" қаріпі
"Sakura" қаріпі (日和字集 Sakura Version) Гонконгте жасалған және HKSCS стандартымен үйлесімді болу үшін жобаланған. Ол HKSCS-де кездеспейтін kokuji және авторлық белгілі dingbat-тарды (Doraemon да оның ішінде) қолдайды.
Unicode-at-on (жасалған)
Unicode at on (Unicode補完計畫), бұрын BIG5 кеңейтімі, код бет кестелерін өзгерту арқылы BIG 5-ті кеңейтеді, бірақ 2-ші нұсқадан бастап ChinaSea кеңейтімдерін қолданады. Алайда, ChinaSea банкротқа ұшыраған, дамудың кешігуі және HKSCS пен Unicode-тің танымалдылығының артуы (жоба HKSCS-пен үйлесімсіз) осы кеңейтімнің табысын ең жақсы жағдайда шектеулі етеді. Проблемаларға қарамастан, бұрын Unicode жеке пайдалану аймағына бекітілген символдар, Unicode форматына символдарды экспорттағанда стандартталған баламаларымен қайта бекітіледі.
ОПГ
Гонконгтағы Oriental Press Group Limited (東方報業集團有限公司) компаниясына қарасты Oriental Daily News және Sun Daily веб-сайттары HKSCS-тен өзгеше Big 5 кеңейтім кодтамасымен жүктелмелі қаріпті пайдаланды.
Тайвань Білім министрлігі шрифті
Тайвань Білім министрлігі ішкі қолдану үшін өзі жасаған қаріпті, Тайвань Білім министрлігі қаріпін (臺灣教育部造字檔) берді.
Тайвань ауыл шаруашылығы кеңесі
Тайваньның Ауыл шаруашылығы Кеңесі, Атқарушы Юань 133 таңбадан тұратын, Тайваньның Ауыл шаруашылығы Кеңесі шрифтін (臺灣農委會常用中文外字集) ұсынды, оған балық түбірінен (радикалынан) 84 таңба және құс түбірінен (радикалынан) 7 таңба кіреді.
Үлкен5+
Қытай цифрландыру технологиясы қоры (中文數位化技術推廣委員會) 1997 жылы Big5+ енгізді, ол Unicode 1.1 стандартындағы барлық CJK иероглифтерін қамту үшін 20000-нан астам код нүктесін пайдаланды. Дегенмен, қосымша код нүктелері бастапқы Big 5 анықтамасынан асып кетті (Big5+ жоғары байт мәндері 81 FE және төмен байт мәндері 40 7E және 80 FE қолданады), бұл оның жаңа код беттерінің файлдары болмаса Microsoft Windows жүйесіне орнатылуына кедергі келтірді.
Үлкен-5E
Windows пайдаланушыларына жеке шрифттерді пайдалануға мүмкіндік беру үшін Қытайдың цифрландыру технологиясы қоры Big 5E енгізді, ол 3954 таңбаны (кодтық нүктелердің үш блогында: 8E40–A0FE, 8140–86DF, 86E0–875C) қосты және ETEN кеңейтуінен жапон канасын алып тастады. Big 5+ сияқты емес, Big5E Big 5-ті бастапқы анықтамасы шегінде кеңейтеді. Mac OS X 10.3 және одан кейінгі нұсқалары Big 5E-ді LiHei Pro (儷黑 Pro.ttf) және LiSong Pro (儷宋 Pro.ttf) қаріптерінде қолдайды.
Үлкен5-2003
Қытай цифрландыру технологиясы қоры Big5 анықтамасын жасап, оны CNS 11643 стандартында түсіндірме түрінде жариялады, осылайша Тайваньтың ресми стандартының бір бөлігіне айналдырды. Big5 2003 1984 жылғы ETEN кеңейтулерінде қосылған барлық Big 5 әріптерін (кодтық ұялары A3C0–A3E0, C6A1–C7F2 және F9D6–F9FE) және еуро символын қамтиды. Кириллица әріптері енгізілмеді, себебі тиісті орган CNS 11643 мұндай әріптерді қамтымайды деп мәлімдеді.
CDP
Academia Sinica 1990-шы жылдардың соңында қытай деректерін өңдеу қарібін (漢字構形資料庫) жасады, оның ең соңғы 2.5 нұсқасында 112 533 әріп бар, бұл Mojikyo қаріптерінен кем.