前言

編碼，是每個程序員繞不開的話題。對于前端工程師而言，字符更是會直觀地展示在界面上。

提起文字，大部分人的腦中，都會定式為規整排列的字符。但是林子大了什麼鳥都有，世界上可是存在着6800 種文字，難免會飛出來一些詭異的鳥…

而号稱“萬國碼”的Unicode，在實現編碼與展示的時候，也會不會遇到一些奇葩的事情呢？

事實上，可能你早已見識過了：

x̙͈̝͍͕̙̄͛̽̆͌́̕͟g̘̣̠̝̟̤̥̼̼̽͑͋̈̑̒͟͞q̛̤̦̝̘͎͋̔̋͌͒̆̋̚͡f̵̢̙͇̮̠̋̀͌̅̉̃̔͜͜͠͡r̢̜̩͙̭̲͓͈̈̀͑̆͋̚͢͜m̷̛͙̝̣̲̭͍͉̊̓̾̈̋̿̚͢͟͠s̷̡̩͔̮͈̜̊̽͂̆̈́̃̓͋̏

熱҈的҈字҈都҈出҈汗҈了҈

你的屏幕被藍翔挖掘機給挖壞了不信你看;̷̸̨̀͒̏̃ͦ̈́̾̀́̎͢҉̵̶͚̼͉͖̺̥͔͇̰̹̮͙͉̻̼̭̻͕̮͇ͨͬͪ͗̇̑̽͋̀̋̊͌ͧͨͭ̓̅͐ͥ̂̔̊ͧ͊҉̶̵̷̞̩̦̳̺̳̬̬̩̣̫͇̯̥͖͍͕̠̦̼̗ͯ̽͌̔ͪͯ́́͋̍ͨ̿̿̎͒ͤ̓̅̀͂ͧ͋̏ͫͣ̔͘͜͠͏̶̵̸̧̧̥̺͓̘̺͎̜̥͕͈̝̫͎̺̮̱̤̠̠͖̳̻̥̣̪͍͕͇̮͙̹̪ͮͧͫ͂͒ͤͣ̌̽ͨͪ͒̄̄̉̒̊ͩ̅͆͘̚͘͘̚͟͟͝ͅ

今天我們就來探讨一下這些奇怪的字符。

一、文字可以戴帽子和穿鞋子

提起泰文，很多朋友都會立即想到：薩瓦迪卡（你好）。

但這句話是怎麼寫的呢？

其實這句你好，男生和女生之間還有差異，男生寫法是：สวัสดีครับ，女生則是：สวัสดีค่ะ。

不過這并不重要，重要的是，我們發現某些字的上面，還帶了特殊的符号。就好像是戴上了帽子。

事實上，泰文字符不僅會“戴帽子”，偶爾還會“穿鞋子”。

比如下面三個字符：ผ ผู ผู้

如果腦洞再大一點，有人就會想，那是不是還可以戴多頂帽子呢？

的确如此…泰文允許你穿一雙鞋子，并且戴兩頂帽子。完整的形式是這樣的：

所以，平時看慣了中英文的我們，需要改變一下思路了。

世界上的文字，并不全是規規整整橫向排列的格子，也存在像泰文這種變形金剛組合式的文字。

雖然标準的泰文裡，“帽子”和“鞋子”的數量是有限制的，但由于國際碼的迷之設計（先賣個關子），在計算機裡顯示的泰文字符，卻可以擁有無數的帽子和鞋子。也就是說，它變成了一款可以在Y軸無限拓展的文字！

并且，咱不光可以往上噴，還可以有一定角度…

還可以

，簡直是不講道理。

（由于一些系統會崩潰，這裡使用截圖）

二、人與機器的矛盾

然後我們會質問Unicode，你為何不講道理？

如此的設計，近乎是一個bug；但即使是bug，也應該早就修複了呀。

事實上，這樣的設計，是為了解決一個問題：人與機器的矛盾。

首先是存儲的矛盾。

如果把每個組合好的泰文用一個編碼來表示，那麼至少需要44×21×4=3696個編碼（實際上可能要比這還多）。用如此多的編碼來處理基本元素隻有69個的文字是非常浪費的，因此電腦采用一套稱為複雜文字編排（CTL）的設計來解決矛盾。

簡單的說，泰文的每個基本字符對應一個編碼，用戶在輸入法裡依次輸入多個基本字符進行拼合，最後敲一個特殊的“結束字符”；這時前面輸入的基本字符，就拼合成了一個單獨的泰文字符，在屏幕中顯示。 這樣就解決了存儲的空間浪費問題。

但這樣就帶來了第二個矛盾，識别的問題。

人可以輕松地識别一個泰文合字是否拼寫正确、有意義；但機器在顯示時卻很難進行判斷，即使可以也會帶來相應的性能問題。

如何解決呢？如今會在輸入法上做一些文章，比如打一個聲調符号後就不能再輸入了。不過，由于泰文這種基于結束标志合成字符的本質，你還是沒法避免“藝術家”們使用複制粘貼、手工撰改字符位置等方式去進行創造，隻能起到一些限制作用。

其次，在比較新版本的Webkit裡，在顯示上會阻止這種往上下冒的字符，這樣至少不影響排版。所以有部分字符已經不會出現上下疊加的情形了，你可以在不同浏覽器，觀察一下這個字符的顯示：ส็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็

三、萌即正義的顔文字 (ง •̀_•́)ง

也許你覺得泰文奇葩，但它的聲調就在文字裡，看到就能準确地讀出來。這樣更容易傳播，是不是也沒了你讀文言文要查字典的煩惱呢？所以文字的設計各有優劣。

這樣的設計不止泰文，它隻是一個典型的例子。除此之外常見的還有老撾文、藏文。

腦洞大開的藝術家們，又會想到另外一個好玩的事情：我能不能拿老撾文的“帽子”，組合“藏文”的鞋子，合成一個獨立的字符呢？

他們赢了。不久，顔文字開始流行。

比如，這個表情：(;´༎ຶД༎ຶ`)

裡面有眼睛流淚的一個字符：༎ຶ

它是什麼語言呢？

事實上，它并不屬于世界上任何一種語言！眼睛部分是老撾文，淚水部分屬于藏文。

但是，你在複制它的時候，可以發現它卻是一個單獨的字符，這就非常的神奇。原因我們在第二部分已經講過了。

我是如何知道的呢？當然我并不是個語言學家，我們可以轉碼一下，發現༎ຶ對應的編碼是\u0f0e\u0eb6，再到 unicode-table 裡去查看就清楚了。

除此之外——

• ▷ˋε´◁ 中 ε 是希臘字母

• ʕ-'ᴥ’-ʔ 中 ʕᴥʔ 是國際音标

• (·ཀ·」∠) 中 ཀ 是藏文

• (ง •̀_•́ )ง 中 ง 是泰文

• 罒 д 罒 中 罒 是中文（同網），д 是俄語西裡爾字母

看來如果你會發顔文字，就是名副其實的會“十八國語言”了呢 (๑✦ˑ̫✦)✧

四、字體的錯位

前面我們一直在談字符的本質，但字符在屏幕中的展示，還有一個關鍵的因素：字體。

相同的字符，使用了不同的字體，它們的顯示也會有差别。

一行中文，你設置“黑體”或“草書”，它大體來看還是規整的；

但如果你設置一行英文為“草書”，可能就會有問題。

在浏覽器裡，如果對應編碼在字體文件裡為空，一般會展示成一個方格，起碼不會影響其他正常字符的排版。但我們知道，Unicode的林子實在太大了…

在某些字體裡，就會對一些特殊的字符産生錯誤的排版。

比如：熱҈的҈字҈都҈出҈汗҈了҈

把它轉義一下，就得到編碼是： \u70ed\u0488\u7684\u0488\u5b57\u0488\u90fd\u0488\u51fa\u0488\u6c57\u0488\u4e86\u0488

其中0488就是҈這個字符的編碼，它是一個組合用的西裡爾文百千符号。

它在大部分常用字體裡，都有錯位問題；而其他一些字體，比如 Courier New 字體，則是分開的展示：

那麼，這兩種展示哪種才是正常的呢？其實都不正常。

我們查看西裡爾文計數法的wiki，可以看到它隻有配合西裡爾數字時，才能展示正常：

至于你把它跟其他語言組合在一起時，我們要麼看到錯位，要麼看到分離的展示。而且國際上并沒有一個組織，去規定要怎麼展示。事實上文字這麼多，根本也管不過來，所以這也是混亂的原因。

最後補充一點，另外一小撮别有心裁的藝術家，還習慣使用這個字符去突破敏感詞過濾…

五、混亂與創新？

值得一提的是，Unicode是不可阻擋的潮流，它也一直在更新。比如我們常用的Emoji表情，就已經是Unicode的标準字符集。

而前面我們說到，大家在玩這些奇奇怪怪的字符時，都是基于“類似bug”的設定在搞事情。這就有很大的局限性。

那“藝術家”們又會有些大膽的想法：我能不能主動創造一些新字符，就是為了錯位和組合呢？

我也不清楚這是創新，還是會帶來更多的混亂。但事實是，iOS系統自帶的字符，已經有這樣的嘗試了。并且搜狗輸入法在iOS系統提供的諸多符号裡，挑選了一些，可供用戶去使用。這個功能的名字，叫做花漾字。

還是得感慨藝術家們的視角是多麼獨特。

既然都這樣了…最後，希望我們的國産表情包能有朝一日打入Unicode吧。

免責聲明：轉載自網絡 不用于商業宣傳 版權歸原作者所有 侵權删

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!