Big5-HKSCS編碼初探(上)

2014-02-27 10:18 PM

身為中文編碼解析工具的開發者，一直以為自己"略懂"中文編碼，這兩天再度見證"學海無涯"，默默收回"略懂"二字...

從以下畫面說起:

五種瀏覽器(IE, Opera, Chrome, Firefox, Safari)一次排開檢視同一個網頁，IE10再度成為瀏覽器家族的黑羊，只有它無法顯示"滙"及"衞"兩個中文字。

開啟notepad++看看hkscs-test.htm有何奧妙之處?

值得注意的地方有三處:

1) charset=Big5-HKSCS
2) 檔案為ANSI編碼
3) notepad++跟IE一樣，無法解析ANSI編碼的"滙"跟"衞"

回頭檢視瀏覽器網頁編碼狀態，很快找出IE無法正確顯示的原因。IE將網頁識別為BIG5編碼，其餘瀏覽器則正確地依網頁宣告採用Big5-HKSCS。

由此推論，IE問題出在未正確採用Big5-HKSCS解析網頁。若將網頁宣告改為chartset=big5，則其他瀏覽器也會出現異常，且出現的亂碼不同。

關鍵在於Big5-HKSCS，過去摸過Big5、GB2312、UTF-8、UCS，就是沒跟它交手過。查了資料後才正式認識它，Big5-HKSCS的正式名稱是香港增補字符集（Hong Kong Supplementary Character Set，簡稱HKSCS）是香港政府基於繁體中文電腦操作環境中最流行的大五碼（Big-5）之上擴展的字符集標準，是現時香港的中文資訊交換內碼標準。

用中文編碼解析工具檢查，可查出"滙"的Big5-HKSCS編碼是FA C0，"衞"則是8F C0。

找到一個日本網站提供Big5與Big5-HKSCS完整對照表，驗證這兩個字碼就是Big5-HKSCS中的"滙"及"衛"無誤，而其在Big5無對應字元。

開啟Windows 7 VM做測試，若將System Locale設成Chinese (Traditional, Hong Kong, S.A.R.)，notepad++及Notepad便能正確顯示HKSCS字集的額外文字，但IE11仍不行。網站上的討論傾向IE只認得標準Big5，不支援Big5-HKSCS(但我沒能找到官方文件證實)，如真要看charset=Big5-HKSCS的網頁，請改用其他瀏覽器。