大五码

大五码（Big5），又称为五大码，是使用繁体中文社群中最常用的电脑汉字字符集标准，共收录13,060个中文字，其中有二字为重覆编码，Big5属中文内码（中文码分为中文内码及中文交换码两类）。Big5虽普及于台湾、香港与澳门等繁体中文通行区，但长期以来并非当地的国家标准，而只是业界标准（de facto standard）。倚天中文系统、Windows等主要系统的字符集都是以Big5为基准，但厂商又各自增删，衍生成多种不同版本。

2003年，Big5被收录到台湾官方标准的附录当中，取得了较正式的地位。这个最新版本被称为Big5-2003。

【历史及名称】“五大码”(Big5)是在1984年由台湾地区财团法人信息工业策进会为五大中文套装软件（宏碁、神通、佳佳、零壹、大众）所设计的中文内码，所以就称为Big5中文内码，虽然五大套装软件并没有成功，但Big5码却深远地影响正体中文电脑内码，直至今日。“五大码”的英文名称“Big5”后来被人按英文字序译回中文，以致现在有“五大码”和“大五码”两个中文名称。

Big5码的产生，是因为当时台湾不同厂商各自推出不同的编码，如IBM 5550、王安码等，彼此不能兼容；另一方面，台湾当时尚未推出官方的汉字编码，而中国大陆所推行的GB 2312编码，亦未有收录繁体字。在这样的时空背景下，为了使台湾早日进入信息时代，所采行的一个计划；同时，这个计划对于以台湾为核心的亚洲繁体汉字圈也产生了久远的影响。

Big5产生前，研发中文电脑的朱邦复认为这套内码收字过少，在资策会内码会议提出采用他的五万多字的字库。工程师已肯定其技术可行，但在1983年朱邦复被人诬陷，资策会因此放弃其研究成果。在Big5码诞生后，大部分台湾的电脑软件都使用了Big5码，加上后来倚天中文系统的高度普及，使后来的微软 Windows 3.x等亦予以采用。虽然后来台湾还有各种想要取代Big5码，像是倚天中文系统所推行的倚天码、中华民国中文电脑公会所推动的公会码等，但是由于Big5字码已沿用多年，因此在习惯不易改变的情况下，始终无法成为主流字码。而台湾以后发展的国家标准中文交换码（CNS 11643）由于先天所限，必须使用3字节来表示一个汉字，与现行英语软件欠缺相容，所以普及率远远不及Big5码。

在1990年代初期，当中国大陆的电子邮件和转码软件还未普遍之时，在深圳的港商和台商公司亦曾经使用Big5系统，以方便与总部的文件交流、以及避免为大陆的办公室再写一套不同内码的系统。现在，除了台湾外，其他使用繁体汉字的地区，如香港、澳门，及使用繁体汉字的海外华人，都普遍使用Big5码。这已经成为繁体中文显示的标准格式。

【字节结构】Big5码是一套双字节字符集，使用了双八码储存方法，以两个字节来安放一个字。第一个字节称为“高位字节”，第二个字节称为“低位字节”。“高位字节”使用了0x81-0xFE，“低位字节”使用了0x40-0x7E，及0xA1-0xFE。在Big5的分区中：

0x8140-0xA0FE 保留给使用者自定义字符（造字区）

0xA140-0xA3BF 标点符号、希腊字母及特殊符号，包括在0xA259-0xA261，安放了双音节度量衡单位用字：兙兛兞兝兡兣嗧瓩糎。

0xA3C0-0xA3FE 保留。此区没有开放作造字区用。

0xA440-0xC67E 常用汉字，先按笔划再按部首排序。

0xC6A1-0xC8FE 保留给使用者自定义字符（造字区）

0xC940-0xF9D5 次常用汉字，亦是先按笔划再按部首排序。

0xF9D6-0xFEFE 保留给使用者自定义字符（造字区）

值得留意的是，Big5重复地收录了两个相同的字：“兀、兀”(0xA461及0xC94A)、“嗀、嗀”(0xDCD1及0xDDFC)。

【冲码问题】因为低位元字符中包含了编程语言、shell、script 中，字串或命令常会用到的特殊字符，例如0x5C “”、0x7C “|”等。“” 在许多用途的字串中是当作转义符号又称为跳脱字符，例如

（换行）、

（归位)、（tab）、\（本身符号）、"（引号）等等。而 “|” 在UNIX操作系统中大多当作命令管线的使用，如 "ls -la | more" 等等。如果在字串中有这些特殊的转义字符，会被程式或直译器解释为特殊用途。但是因为是中文的原因，故无法正确解释为上面所述的行为，因此程式可能会忽略此转义符号或是中断执行。若此，就违反了使用者本来要当成中文字符一部份使用的本意。

在常用字如“功”(0xA55C)、“许”(0xB35C)、“盖”(0xBB5C)、“育”(0xA87C)中时常出现，造成了许多软件无法正确处理以Big5编码的字串或文件。这个问题被戏谑性地人名化，称为“许功盖”或“许盖功”(这三个字都有这种问题)。一般的解决方法，是额外增加“”的字符，因为“\”会被解释为“”，所以“成功因素”这个字串就能无误地被程式当作“成功因素”的字串来处理。但是额外的困扰是，有些输出功能并不会把“”当作特殊字符看待，所以有些程式或网页就会错误地常常出现在“许功盖”这些字后面多了“”。

【私人造字区】在倚天中文系统，以及后来的Windows 3.1、95及98中，定义了四个私人造字区范围：0xFA40-0xFEFE、0x8E40-0xA0FE、0x8140-0x8DFE、0xC6A1-0xC8FE。私人造字区的原意，是供使用者加入本来在编码表中缺少的字符，但当每个使用者都在不同的地方加上不同的字符后，当交换资料时，对方便难以知道某一个编码究竟想表达什么字。

【影响】Big5码由于很多日常用字被视为异体字而未收录。很多人，甚至电视台的字幕、报纸的用字习惯都被改变。

例如台湾教育部视“着”为“著”的异体字，故没有收录“着”字。字典中的一些部首用字(如“亠”、“疒”、“辵”、“癶”等)、常见的人名用字(如“堃”（台湾“总统府”秘书长游锡堃）、“煊”（台湾“财政部长”王建煊）、“栢”（歌手张柏芝）、“喆”（歌手陶喆）等)，虽被社会广泛采用，也没有收录到Big5之中。

在港澳地区和台湾的因特网上，实在不难看到人们把游锡堃、王建煊、陶喆等名字，写成为“游锡方方土”、“王建火宣”和“陶吉吉”等写法。电视上有些外国动画的繁体中文字幕中也会看到像"木坚"木这样的字。

【Big5未收录字举例】在仓颉中却可打之，“邨”与“着”在香港里极为常用。

【Big5延伸】由于Big5码内的万多个字，只是根据台湾地区“教育部”颁布的《常用国字标准字体表》、《次常用国字标准字体表》等用字汇编而成，并没有考虑社会上流通的人名、地名用字、方言用字、化学及生物科等用字，亦没有放入日语平假名及片假名字母。所以在市面上支援Big5码的软件，有不少都自行在原本的编码外，添加一些符号及用字。

【非官方Big5延伸】

∣倚天Big5延伸∣

在倚天中文系统中，为与IBM5550码相容，他们在Big5码添加了以下的字符：

● 在0xA3C0-0xA3E0，添加了33个控制字符的图象。

● 罕用符号区。在0xC6A1-0xC875，添加了圆形1-10、括号1-10、小罗马字i-ix等章节符号、一些部首及笔划结构，日语平假名、片假名及俄语使用的西里尔字母。

● 在0xF9D6-0xF9FE，添加了7个倚天扩充字：碁、銹、恒、裏、墻、粧、嫺和34个表格符号。

这个延伸有时被称为Big5-Eten。由于倚天中文系统是Windows 95推出之前市场占有率最高的中文系统，此延伸是各种非官方延伸当中最重要的一个。

在后期版本的倚天中文系统中，更加入了一些图案和简体中文字，但未被广泛接受。

【官方Big5延伸】

∣台湾“教育部”造字档∣

“教育部”有它本身的一套造字档，主要给部门内使用，亦有于“教育部”的网上字典使用。

∣台湾“农委会”常用中文外字集∣

“行政院农业委员会”制定了一套有133个汉字的造字档，其中有84个是鱼字部汉字、7个是鸟字部汉字。

∣Big5+∣

中文数位化技术推广委员会(中推会)在1997年推出Big5+，使用了两万多码位，纳入了Unicode 1.1下所有汉字。由于编码使用到的范围超过原先Big5定义(Big5+使用了高字节0x81-0xFE，低字节0x40-0x7E、0x80-0xFE)，无法安装在Microsoft Windows上，现几乎无人使用。

∣Big-5E∣

为了使Microsoft Windows使用者可以使用造字档，“行政院”委托中推会再次推出一个补充字集Big-5E(与Big5+并不兼容)，共收3954字。它把Big5+不少汉字都去掉，更甚者放弃了倚天延伸字集的假名部分。于是，除了部分被强制使用的“政府”单位外，没有多少人愿意使用Big5E。

∣Big5-2003∣

鉴于Big5不是一个官方标准，中推会决定编制一个Big5的定义，并把它放到官方编码CNS 11643的附录里，正式成为官方标准的一部分。

在Big5-2003之中，收录了所有在1984年Big5编码的所有字符，另外再加入微软CP950的欧元符号、倚天延伸字集的0xA3C0-0xA3E0、0xC6A1-0xC7F2、0xF9D6-0xF9FE的用字。Big5-2003没有收录行列输入法特殊符号及0xC7F3-0xC875的俄语西里尔字母，理由是以CNS 11643没有这些字符。除此之外，所有倚

天延伸全部收录。

相对于Big5-2003，最早没有加上任何延伸的Big5则被称为Big5-1984。

【香港增补字符集】香港增补字符集(Hong Kong Supplementary Character Set, 简称HKSCS)是香港政府基于大五码之上扩展的字符集标准，是现时香港的中文信息交换内码标准。香港增补字符集以前称为《政府通用字库》，本来只是香港政府内部统一使用的造字档，有三千多字。但由于香港电脑业界不断要求政府迎合本地需要，提出官方的字符集方案，以便与政府进行文件来往，于是香港政府便在1995年把这个内部使用的标准公开。到了1999年，此字集增加到四千多字，并改为现名。

此字符集由中文界面咨询委员会管理，仍在不断扩编之中。最新版本为2005年5月推出的 HKSCS-2004，收录 4,941 个字符。字符集主要包括香港的地名、人名用汉字、粤语用字(包括粗言秽语在内，这是应警方及法庭需要记录口供的需要)、异体字、小部份简体字、平假名、片假名及俄语西里尔字母。

【发展】由于各厂商及政府推出的Big5延伸，彼此互不兼容，造成乱码问题。鉴于Unicode能正确地处理七万多个汉字，近年的操作系统和应用程式(如苹果电脑 Mac OS X 和以 Cocoa API 撰写之程式、Microsoft Windows 2000及之后版本、Microsoft Office 2000及之后版本、Mozilla浏览器、Internet Explorer浏览器、Java 语言等等)，已改用Unicode编码。可惜现时仍有一些旧的软件(如Visual Basic 6、部分Telnet或BBS软件)，未能支援Unicode编码，故相信Big5缺字的问题仍会困扰用户一段时间，直至所有程式都能改用Unicode为止。

※注释：大五码普遍被认为包含13,053字，但在计算0xA259-0xA261的度量衡单位用字 (兙兛兞兝兡兣嗧瓩糎) ，再减去重收了两次的“兀”(0xC94A)和“嗀”(0xDDFC)后，应为13,060字。