同事遇到集保罕集問題，我試著解釋個中奧妙時冒出一堆「集保罕字的X」「Unicode標準字的X」「看起來一樣但編碼不同」把同事薰得七葷八素，感覺都快吐了… 嗯，寫篇文章細說從頭吧。
很久很久以前，在 Unicode 還沒一統天下之前，BIG5是台灣地區的主流中文編碼，其中定義 13,053 個常用字與次常用字與 441 個符號。問題來了，有些日常生活會用到的字（最常見是人名）沒被包含在這一萬三千字裡，所以早些年水牛伯還活躍於政壇時不時可在使用 BIG5 的新聞網站看到「游錫方方土」，還有「陶吉吉」大家應該也不陌生 XD （關於 BIG5 與 Unicode 編碼，之前曾在中文編碼解析工具介紹文提過，維基百科則有更完整說明，有興趣深入可以一讀）
當今解決 BIG5 缺字問題最有效做法是回歸王道－改用 Unicode，Unicode 可正確處理七萬個漢字，幾乎不會再有缺字困擾。但對現有系統或資料庫，更換資料編碼是動搖國本的大事，只能在繼續使用 BIG5 前題下克服缺字問題，於是造字區成了唯一救贖。
BIG5 當初在制定時，編碼範圍保留了三段造字區：FA40-FEFE 785字 ＋ 8E40-A0FE 2983字 ＋ 8140-8DFE 2041字， 共可再自訂 5809 字 。
圖片來源：CNS11643 中文全字庫-認識全字庫-中文碼介紹
集保公司所推出的集保罕用字集（下載位置：其他類別/華康中文罕用字型）就是透過造字解決 BIG5 缺字問題。
把鏡頭拉近一點看個實例，集保罕用字集下載檔中有個 Map_code.txt，裡面有所有造字的內碼對照表，我們就拿三條魚的「鱻」字當範例：
罕用字集中造了鱻字，BIG5 碼為 8742，落於 8140-8DFE 造字區，是一個合法的 BIG5 字元，也能被轉換成 Unicode，UCS2 編碼（固定用兩個 Byte 表示一個字元的編碼系統）為 F268。但 Windows 內建的新細明體、標楷體、正黑體並沒有為 UCS2 編碼 F268 繪製字型，因此不另外安裝專屬字型就看不到造字區字元。上面圖示所用電腦裝了華康罕用字型，所以才看得到綠底標示位置的「鱻」字，一般電腦看到的會是空白。回到 Unicode 端，Unicode 的編碼系統可容納七萬個漢字，當然也有「鱻」字（不然大家讀這篇文章時不會看到它），而它的 UCS2 碼是上圖中的 9C7B。
用中文編碼解析工具分析一下會更清楚。如下圖，我們輸入兩個鱻字，中間夾一個空白，第一個為集保造字（黃底），第二個為 Unicode 內建字（粉紅底），二者的 BIG5 編碼分別為 8742 與 3F（Unicode 鱻對應不到有效 BIG5 編碼故變成問號，ASCII 碼為 3F），其 UCS-2 則分別為 F268 及 9C7B，印證前一段的說明。
這裡先簡單做個總結：在 Windows 要處理罕用字有兩種選擇：1) 使用 Unicode 版字元 2) 要求使用環境部署罕用字型，使用造字版本字元。當你的系統身處使用 BIG5 造字處理缺字問題的環境，就必須面對明明同一個字卻有兩種編碼的狀況。
在已安裝罕用字集的電腦可同時看到 Unicode 版與造字版字元，實務上二者看起來有差異，如下圖所示，網頁同時放入兩種版本的鱻（造字版輸入法不易選取，故我用表示之），字型都指定為「細明體」，使用瀏覽器檢視時可看左邊的造字版字型比 Unicode 版高，二者明顯不同。
為什麼同樣是細明體，卻感覺是不同的字體？安裝罕用字型後，會有以下 EUDC（End User Defined Characters ） Registry 指定支援造字區的專用字型，以告知軟體在字型遇到造字區字元時該使用何種專屬字型替代。以上圖為例，左邊來自華康字型（細明體.tte），右邊來自系統原本的細明體 ，故字高及樣式有所差異。（實測發現不同軟體處理原則有別，顯示結果可能不同）
介紹完集保罕用字原理與特性，來談談設計系統應如何因應。我建議－除非系統被限制必須維持 BIG5 編碼，系統從資料庫、檔案格式到程式 UI 一律改用 Unicode 才是王道，採行統一標準，才不會冒出一堆轉換需求。如此要面對的問題只剩：「萬一使用者裝了罕用字集在 UI 輸入造字區字元怎麼辦？」，解決之道要在使用者可能輸入罕用字的地方加上檢查（依經驗大概只有姓名地址），阻止使用者輸入造字區字元或是偷偷將其置換成 Unicode 版本，前面提到的 Map_code.txt 已提供足夠資訊要偵測或轉換程式不難。確保進入系統的永遠只有 Unicode 標準字，就不會傷了皇城內的和氣囉～