字符集与字符编码 |

介绍如下几种概念

字符集
- Unicode
- GB2312
- GB18030
字符编码
- UTF-8
- UTF-16LE
- UTF-16BE
字库
- cmap — Character to Glyph Index Mapping Table
- GSUB — Glyph Substitution Table

Character Sets

字符集是标准，是一个系统支持字符的集合，包括通用和地区性标准，例如

Character Encoding

字符集是字符的集合，字符编码用于定于字符集中的字符如何编码为特定的二进制数据，以便于在计算机中存储，是定义在字符集上的映射规则

术语字符编码（character encoding），字符映射（character map），字符集（character set）或者代码页，在历史上往往是同义概念，即字符表（repertoire）中的字符如何编码为码元的流（stream of code units）–通常每个字符对应单个码元。

字库

所有可读或可显示字符的数据库，是信息的集合

cmap

cmap表是用于将字符编码映射到字形索引的表，可以使用工具导出

$ ttx -t cmap Font.ttf

例如，编码到字形的映射

<map code="0x405" name="afii10054"/><!-- CYRILLIC CAPITAL LETTER DZE -->
<map code="0xfedf" name="afii62817"/><!-- ARABIC LETTER LAM INITIAL FORM -->
<map code="0xfe82" name="afii62753"/><!-- ARABIC LETTER ALEF WITH MADDA ABOVE FINAL FORM -->

GSUB

GSUB — Glyph Substitution Table

GSUB表用于提供替换规则

$ ttx -t GSUB Font.ttf

包含多种替换规则，如下

以阿拉伯语举例 Litigation

<LigatureSubst index="0" Format="1">
  <LigatureSet glyph="afii62817">
    <Ligature components="afii62818,afii62828" glyph="afii64184"/>
    <Ligature components="afii62818,uni06C1" glyph="afii64184"/>
    <Ligature components="afii62753" glyph="afii62834"/>
    <Ligature components="afii62754" glyph="afii62836"/>
    <Ligature components="afii62756" glyph="afii62838"/>
    <Ligature components="afii62760" glyph="afii62840"/>
    <Ligature components="glyph1343" glyph="glyph1656"/>
    <Ligature components="glyph1345" glyph="glyph1658"/>
    <Ligature components="glyph47" glyph="glyph1660"/>
    <Ligature components="uniFB51" glyph="glyph1672"/>
  </LigatureSet>
</LigatureSubst>

上述连写规则中 afii62817 + afii62753 输出为 afii62834，即 ﻟ + ﺂ 输出 ﻟﺂ

关系

字库，决定了整个字符集能够展现表示的所有字符的范围
字符集，用一个编码值code point来表示一个字符，这个值称为字符对应于编码字符集（如：Unicode、ASCII）的序号
字符编码，是字符集和实际存储数值之间的转换关系。字符，是根据字符编码方案转换为一个二进制数值存储在计算机中
编码字符集Unicode，有UTF-8、UTF-16、UTF-32、UCS-2、UCS-4等多种字符编码
编码字符集ASCII，本身就是编码字符集，又是字符编码
不同的字符集转换，需要各自的码表才能进行转换

Character Sets

Character Encoding

字库

cmap

GSUB

关系

Ref