中华字库

定义

中华字库是一项以建立全部汉字及少数民族文字编码和主要字体字符库为目标的重大文化科技工程，由 中国出版集团公司 牵头组建总体组具体组织^[1][2]。按规划，工程成果将覆盖约 50 万个可编码字符，其中汉字古文字约 10 万、楷书汉字约 30 万、各少数民族文字约 10 万^[4]。它同时要求研发超大规模字库的输入输出、存储传输和相互兼容等技术，最终形成多语种文字的数字化处理技术体系^[3]。

工程立项的直接背景是既有字库收字有限。当时国内字库只收入 7 万多字，古汉字和许多少数民族文字未被纳入，历代文献的数字化处理和日常信息化应用都受到制约。以《汉语大字典》为例，其收列楷书汉字约 5.6 万个，在相当长时间里代表了中国汉字整理的最高水平^[4]。

原理

工程的总体技术路线是以文字学研究为基础，借助计算机工具，形成人机结合的文字收集、整理、筛选、比对与认同流程^[2]。研究人员从传世文献、出土材料等各类文字载体中汇集历史上出现过的字形，再为这些字形建立字际关系，区分同一个字的不同写法与形体相近的不同字，进而整理成字表并赋予编码^[3]。

在编码层面，工程形成的字符需提交国际标准化组织，经讨论后进入统一码（Unicode）等国际字符集，才能在全球范围的计算机系统中显示与交换；这一收录过程通常需要 2 至 3 年^[5]。与编码同步推进的是字体制作，承担单位按节点交付不同字体的成果字库，例如第 21 包分为黑体、仿宋体及古汉字原形字等子课题，其中古汉字原形字与非字符号合计约 10 多万字^[6]。

工程还包含输入与检索技术的研发。除常规键盘输入外，相关成果涉及笔画字、规范码、鼠标笔画字、小键盘笔画字和手写输入法等形式，以适应超大字符集条件下生僻字、古文字的录入需求。

发展历程

2006 年，中华字库被列入《国家“十一五”时期文化发展规划纲要》，成为重大建设项目；2009 年又被列入国家《文化产业振兴规划》^[3]。此后数年处于筹备阶段，2011 年 7 月 26 日，工程研发工作启动大会在北京召开，标志着它由筹备转入全面研发建设^[7]。

工程采取分包方式推进，共划分 28 个包，由近 30 家高校、研究院所和企业分别承担，计划 5 年内完成^[8]。裘锡圭 担任项目首席专家，总体组负责整体推进、技术路线把控、核心标准研制与成果整合^[1][7]。同年各分包陆续启动，例如 吉林大学 承担的第七包“两汉、吴、魏、晋简牍文字的搜集与整理”于 11 月 15 日召开研发启动会，项目经费 1730 万元^[9]。

各分包按节点分阶段验收。2016 年 5 月 20 日，第七包第四节点成果通过评审，提交简牍图像 16 批共 120757 面、释文 37 批共 1858000 字^[10]。同年 10 月，约 3000 个生僻字按国家标准完成编码，其中一部分通过中国电子技术标准化研究所提交国际标准化组织^[5]。

工程周期明显长于原定计划。据《中国信息化年鉴 2019—2020》记载，工程已形成 70 多万条数字化书目、1300 万幅高清图像、约 26.5 亿字的数字化文本与单字字图，中间字库造字规模达 75 万余字，并完成 8 万字的主用字体成果字库。2020 年工程重新启动部分课题，黑体课题继续推进 CJK 扩展区的造字工作^[6]。

应用

工程成果首先服务于出版印刷与数字出版。传统出版与网络数字化所需的汉字、少数民族文字编码及主要字体字符库，是工程设定的直接产出，用于处理各类文献的排印与数字化转换^[2]。

在社会管理领域，字库完善有助于解决各部门、各行业的用字问题，其应用场景包括国土资源管理、公民身份管理、银行、海关等需要处理人名、地名与证件信息的系统^[4]。工程还提出，可适应大陆与台港澳之间信息互联互通的需要^[2]。

在学术与文献领域，工程建立的字表、属性表与图档资料库可用于古文字考释、字典编纂和语料检索。以简牍文字为例，项目组整理的图版与释文既可支撑字形研究，也可为语言学提供出土文献语料^[10]。

局限

工程的推进受到文字整理本身的难度制约。传世与出土材料中俗体字、异体字数量众多，同一字形在不同时期的写法差异明显，释文与字形的确认往往存在不同意见，字表编制因此需要长期反复校订^[9]。字形认同一旦出现偏差，会直接影响编码结果。

编码并非工程单方面可以决定。国内完成编码的字符要真正在全球通用，须经国际标准化组织讨论并纳入统一码，流程通常需要两三年，且收录结果取决于国际协商^[5]。这意味着工程产出的字符数量与其实际可用范围之间存在时间差。

实施周期也偏离了最初设想。工程原计划 5 年完成，但各包按节点分批验收，部分字库课题的验收安排延续到 2021 年、2022 年，显示超大规模字库的造字与校对工作量远超早期估算^[6]。

参见

• 统一码 —— 国际通用字符编码标准，中华字库的编码成果需经其收录才能全球通用。

• 中国出版集团公司 —— 中华字库工程的牵头单位，负责组建总体组。

• 裘锡圭 —— 古文字学者，担任中华字库工程首席专家。

• 汉语大字典 —— 收列楷书汉字约 5.6 万个的大型字典，是工程立项时的重要参照。

• 甲骨文 —— 工程古文字整理的重要对象之一。

• 异体字 —— 工程在字形收集与认同环节需要处理的核心问题。