Last active
July 10, 2025 04:19
-
-
Save ParadoxV5/dc83a331671303e278bf6bbd08600c9e to your computer and use it in GitHub Desktop.
魔塔语(大五码当GB读的乱码)
This file contains hidden or bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
# ### 问:大五码系列和GB系列的字节长度“兼容”吗? | |
# 大五码系列用一或两个字节编码一个字符,而最新的 GB 18030 用一、二或四个。 | |
# * 大五和GB的单字节范围都是 `00`–`7F`;大于这个范围的字节才表示多节的编码。 | |
# * GB 18030 特有的驷节编码通过 `30`–`39` 范围的第二节辨识;这个范围小于大五*和GB*的双节编码的第二节范围。 | |
# 排除上面后,大五码系列除了错误之外的双字节均对应GB系列的双字节————虽然有些大五范围超出了GB范围。 | |
puts ARGV.map { it | |
.encode(Encoding::Big5_HKSCS) # 大五码・香港增补字符集 | |
.force_encoding(Encoding::GB18030) # 信息技术 中文编码字符集(码位最新最全) | |
.encode(Encoding.default_external) | |
} |
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment
上述超出GB范围的大五依然在编码范围内,只是都映射到了用户定义区;
而GB用户定义区也有规范对应的 UCS(俗称 Unicode)的私人使用区。
这些自定义范围是:
比如“蛮も糃”和“弟﹊”,它们虽然看起来都是“�”,但实际上是不同的编码;
不仅反翻译不会丢数据,当使用私人使用区特殊字体时后还能显示不同的字符。
以U/CSUR为例:(我还没听说魔塔语字体的开发。)
最新、最全的 GB 18030 将前代GB的许多自定义码位改定成了实际字符,有对应的 UCS 码位,但均不在这些范围内。