山東日照，冫口（zhan4）子莊的四個村委聚在一起，編村志。它們的官方村名叫“棧子莊”，村委不管這一套：村志就要寫“冫口子莊”。

莊子和字一起誕生于晚清時期。兩條即將入海的小河夾繞著村莊，人們在此聚集，然后定居。有識字的讀書人根據這個地理特征，自創了“冫口”字當作村名——遠行游子看到這個字，就能想起家鄉模樣。

道光年間，經由村內 26 位村民公議，將村莊起源刻在碑上，立在村子里。后來這里成為抗日模范村，還出了著名的地質學家葉連俊。祖祖輩輩，村民每次寫地址，都是兩點水一個口。

冫口子莊地圖，地圖中，這里叫棧子村｜地圖截圖

直到上世紀 80 年代，國家開展第一次地名普查，村民這才知道，自己家鄉的名字，被稱作“生僻字”，在電腦里打不出來。沒辦法，官方只能選了同音字“棧”來替代。地圖、政府網站、公文匯報里，這里是“棧子莊”；但在村子里的服務中心、商戶牌匾、小學校名，這里還叫“冫口子莊”。

村民們開啟了捍衛“這個電腦里不存在的字”的漫長過程。他們先是集資修復了“公議公稱碑”，還在外面建了個亭子為石碑遮風擋雨；然后又開始編撰村志，繼續強調村名的來歷和其背后的村史——“要是這個字能進電腦就好了。”

冫口子莊公議公稱碑｜百度百科

第一步：迷失中的打撈

要讓生僻字進入計算機，第一步是發現和判斷它。

在粗略統計中，中國流傳下來的漢字數量在 30 萬以上，其中只有大約 3500 個為常用字，剩下的都可稱為“生僻字”。

維基百科里，“生僻字”被定義為：使用率極低，甚至音義均難考證的漢字。實際情況比這個有趣。

有的生僻字挺簡單，你甚至以為是常見字。比如“口當”，現在在電腦、手機中還不能便捷地輸入和顯示這個想象中會很常見的擬聲字——“叮叮當當”長這樣，沒有口字旁。

有的則帶著故事。Zhao3，由“山、西、人”三個部分組成，山東人用來指口音不同的外地人（有的地方用同音字“侉”表示類似意思，還有寫作“山、東、人”的）。山東的地方戲曲棗梆，原來就叫 zhao3 梆，因為這戲就是從山西傳來的，唱戲的口音和“大傘凍”話不一樣。

左為 zhao3，右為 kua3｜騰訊生僻字小程序

有的字，源頭不一定是漢語，可以是少數民族的字，與漢字搭配著出現在地名或人名中；有的字還在使用著古方音。

圖1-2：rang4，含義為水牛，是土家族語，因為土家族沒有文字，所以當地人以漢字“水牛”創制該新字

圖3-4：peng2，含義為草木旺盛，用四個木會意，用于浙江省南部方言

圖5: 網絡自造字，biu4，指發射的聲音

圖片來源：受訪者提供、《湖南省永順縣地名錄》、《浙江省天臺縣地名志》

還可以是歷史中的各種“自造字”。最著名的例子，是武則天在登基后自創“曌（zhao4）”字為自己命名。曌，寓意著日月當空。

“生僻字”散落在生活的每一個角落，其中很多仍未進入計算機字庫。對于大眾而言的“生僻”，卻是每一個生僻字使用者難以逃離的身份認同和日常必需。

尤其當一個生僻字出現在地名和人名，遭遇的就可能是不得不手寫的戶口本、比常人繁瑣數倍的登機手續、無法實名制的支付賬戶，甚至因為名字打不出而被取消的保研資格。

這些生僻字散落在不被人注意的生活角落，需要人特意拾起。王謝楊就是一位“專業拾字者”，他從大學時就開始樂于挖掘生僻字：利用網上的學術數據庫，或是從二手書店里，找到各種地名志、契約、文書、賀信……一頁頁翻，看到有可能是生僻字的就記下來。

冫口字就經由村志發現｜受訪者供圖

王謝楊的工作，就像在文獻大海里淘尋那些形色罕見的貝殼，辛勤之上，運氣為主。為了更好地拾字，他曾休學一年，翻完 2000 余本地名專著，最終找到 500 多個生僻字。

每“淘”到一個生僻字，王謝楊都要進行一番“調查”，以證明字的使用價值和實際意義——有一定歷史、含義明確的叫做“活字”；而那些個別人一時興起自造的、音義模糊、價值不明的，叫“死字”。這是對于生僻字生命力強弱的判定。

“出處”，是證據否成立的主要判斷標準：1949 年前的，刻版的古籍最優——手抄版字體變化大，不算好證據；1949 年后的，正規出版的印刷體文獻才能算證據。

一則出現在正規期刊發表的學術論文里的證據，比出現在學位論文里的更優；字出現在報紙、路牌、路標上，也算證據；政府開的公函，證明該地區的確有人在使用某生僻字的，是最可靠的證明。

人名地名生僻字的常用省份｜資料來源：騰訊

如果上述的證據都找不到，或者證據上的字顯示得不清晰，王謝楊就只能先把這個字記在腦子里，等著哪天在文獻海洋中重逢——現在，裝在他腦子的這種字還有四十多個。

好在找證據的過程并不枯燥，追溯字的歸屬過程有種詩意。王謝楊喜歡登山探險家喬治·馬洛里的故事，在現代登山設備還未出現的時候，這位 1886 年生的探險家多次想要攀登珠峰，并最終為此獻出生命。有記者問他“為什么要攀登珠穆朗瑪峰”，喬治給出了一個簡單而后聞名于世的回答，”因為山就在那里"。

第二步：字的“身份”

拾字、考證，都是為了向制定國際字符編碼標準的組織提交申請——這是生僻字數字化的第二個關口。

電子設備并非天生顯示漢字。電腦、手機……這些電子系統的底層原理都是處理二進制數據，要讓電子設備顯示漢字，需要讓漢字和二進制數據形成映射關系，這便需要對漢字字符進行編碼。

近代計算機誕生在西方國家，設計之初沒有考慮過顯示漢字。80 年代最具代表性的個人電腦，美國的 IBM PC，系統里僅包含了字母、數字、符號共 256 個字符；早期的 Windows 系統，也不支持中文——那個年代開始接觸計算的中國人，一定都還記得“漢化軟件”、“漢化卡”、“漢化機”這樣紅極一時的產品。

IBM PC｜wikimedia commons

相對英文字符，漢字的數字化要復雜得多。

首先數量就是一個坎，26 個字母能組成所有的英文表達，而中文這種表意文字（或語素文字），每個字都是單獨的符號，編碼量和英文完全不在一個等級。

漢字的顯示也更復雜，IBM PC 里的英文字符，都以 9 * 14 像素點陣的形式呈現，而漢字至少需要 16 * 16 像素才能顯示清晰——這進一步又對儲存提出了要求，當時電腦的存儲容量還在 KB 的量級，很難容下又大又多的漢字字符。

可電子信息浪潮無差別地沖擊著每一個擁抱現代化的地方。BP 機（傳呼機）、游戲機、相機……這些全球時興的電子產品立刻在中國開始流行，解決漢字數字化的需求迫在眉睫。

1991 年，山東一家叫浪潮的公司自行編制“傳呼通信用漢字信息表示及其編碼字符集”，自定義編碼規則，將漢字送進了自家的 BP 機——“我這個，漢顯的”，一度成為 BP 機高配的標志。這是一種當時流行的解決方式，各類電子設備和操作系統各自編碼，分別解決漢字顯示的需求。

BP機｜百度百科

在 BP 機這類只需要顯示漢字的產品中，自行編碼能解決問題。但很快，計算機開始普及了。

與 BP 機不同，計算機的交互是雙向的，普通消費者漢字輸入的問題就此出現了——而且，這種交互還是跨系統和跨產品的。僅能顯示漢字已不足夠，這要求漢字有統一的編碼標準，否則在 A 軟件上能輸入和顯示的漢字，在 B 軟件上很可能是一堆亂碼。

沒有統一標準，輸入法也會出現問題。如果輸入法的編碼標準和計算機的編碼標準不一致，便會出現一個字在輸入法鍵盤里有，但計算機文檔顯示不出來的情況。

1991 年，Unicode 標準（也叫萬國碼）在這個背景下誕生，它準備了 17*65536 個碼位（17 被稱為“平面數”，每個平面能裝下 65536 個字符），用于為世界上所有國家/地區的字符、標點、符號賦碼。等于將以前編碼上的各自為政，收歸為統一標準。更關鍵的是，全球通用。

漢字是一種世界性的文字，通行于中國大陸及港澳臺地區、日本、朝鮮、越南、新加坡等地。實際上，早在上世紀 60 年代末，日本便開始思考如何將 2 千多個日文漢字塞進計算機系統，是首個研究漢字數字化的國家。

“次”字在中國、韓國、越南、日本漢字標準中的變體｜wikipedia

日本最終研究出 JIS C 6226 編碼標準；在韓國，這個標準有 KS C 5601；中國有 GB18030；中國香港有 HKSCS——整個漢字世界的編碼標準四分五裂。

如果你經歷過那個時候，大概率還會記得玩日本或臺灣地區盜版游戲時，需要先準備好轉碼器，才不至于盯著滿屏亂碼一臉懵的經歷——還記得四通利方、南極星、東方快車么？還記得游戲中名叫“變巨”的“治世能臣亂世奸雄”么？

四通利方｜百度百科

Unicode 標準字符集中的漢字部分被稱為“中日韓統一表意文字”，使用漢字的人遵循同樣的原則和標準，提交待編碼的漢字。不同地區字形一樣或差異不大，字義相通的漢字，依次排開，都放在同一個編碼下——一種真正的全球化。

字被發現，獲得編碼，這是一個屬于漢字的“千與千尋”，它不僅收獲了計算機系統里的唯一位置，也找到了世界漢字家族中的一席之地。

第三步：連接的價值

崙（lun2），昆侖也，源于《山海經》，月山之意。吳曉侖的父母用這個字的簡體版給他命名。

lun2 字在 Unicode 標準字符集中的代表字形｜受訪者供圖

這開啟了他比常人更難坐飛機、更難乘火車、更難用支付寶和網銀轉賬的生活。

Unicode 標準解決了漢字沒有統一標準的問題，但對生僻字而言，這遠遠不夠。

在 Unicode 標準的 17 個平面中，目前只啟用了第 0、第 1、第 2、第 3 和第 14 平面用于編碼特定的字符，其中漢字編碼在第 0、第 2 和第 3 平面，新加入的漢字一般放在第 3 平面。

為了保證實用性和效率，不讓有限碼位浪費，漢字編碼標準優先收錄常用漢字，使用頻率少的生僻字則依次排隊。運氣好，證據充足的，可以在每兩年一次提交新字的周期里獲得一個站在 Unicode 標準大門前的機會，并在等待 3-5 年的審核后，納入 Unicode 標準——這就是一個未編碼漢字獲得編碼的常規周期。

這樣的時間跨度，對于每一位生僻字使用者而言，太過漫長了。

第一代身份證｜百度百科

2004 年，公安部在全國推行二代身份證，將由塑封套和卡片組成的身份證升級為帶有電子芯片的版本。公安字庫也一并升級，4600 多個曾經手寫的生僻字進入公安系統，有了四平八穩的電子字體，和常用漢字一起印在身份證上。

當時，公安系統使用了 PUA 碼（私人使用區，Private Use Areas）表示這 4600 多個生僻字——這是 Unicode 標準體系下的私用碼區，如果有人想在 Unicode 標準框架下顯示 Unicode 標準尚未編碼的字符，可以用這些私用碼區的編碼來暫時表示對應的字符。不過，使用 PUA 碼的字符在其他電子設備或系統中難以顯示，更不用提互相交流。

當時代進入“實名制+移動互聯網時期”，這套作為折衷方案的 PUA 碼就引發了新問題。

身份證上能顯示的生僻字，并不存在于其他信息系統中，買機票、網購、網銀轉賬、上網發評論……大多需要實名制的地方，這些生僻字還是只能用拼音、甚至一個*/□代替，這并不符合實名制規范。疫情期間，那些和吳曉侖一樣的生僻字持有者，更加寸步難行：曾有一名名字中含“日韋（wei3）”的北京市民給人民網留言，稱其因為無法實名，使用不了健康寶，在進出所有公共場合、公共交通和服務都需要健康寶的嚴控期間，“造成我寸步難行，全部社會活動基本暫停”。

吳曉lun 的銀行卡只能使用拼音｜受訪者供圖

也有一些妥協的辦法。云南麗江傈僳族的村民，就集體將自己的古姓氏“鳥甲（nia4）”，改成鴨——生活倒是方便了，但他們并不開心。

2022 年，國家標準委聯合有關部門推出新版《信息技術 中文編碼字符集》（GB 18030-2022），新增 1.7 萬余個生僻漢字。這是中國官方的編碼標準，具備強制執行力，跟隨 Unicode 的更新而更新，但僅專注于中文部分（包括漢字及少數民族文字），有專門的機構和行政部門推廣和監督執行。

國標在 2000 年和 2005 年有過兩版，其中 2005 版收錄了 7 萬多個漢字。但其中僅有 2 萬多漢字是強制性的，其他均為推薦性。這導致市場上的大部分信息技術產品最多支持 2 萬多個漢字。

17 年后推出的新版國標改為全文強制，并將需要數字化的漢字分為三級，電子產品實現級別 1，包含 2 萬 7 千多字；政務和公共服務系統需實現級別 3，即包括生僻字在內的全部漢字。

這至少能讓生僻字使用者不再被擋在買車票和網銀支付等生活基礎需求之外。

第四步：畫出一個漂亮的字

2017 年，村委執意編寫的《冫口子莊村志》被王謝楊發現，他將村志作為證據，向 Unicode 申請為“冫口”編碼，五年后，“冫口”和約 300 個生僻字一同通過審核，獲得了 Unicode 標準中的編碼。

“冫口”字在 Unicode 標準字符集中的代表字形｜受訪者供圖

但這不等于電腦就能打出“冫口”。

電腦顯示漢字的邏輯大概如下：首先，電腦讀到一串數據，判斷是否為文本數據——若是，則根據該數據（該字的編碼）調用字體文件中的字形——經一系列渲染操作，電腦上顯示出字形。

也就是說，擁有編碼只解決字可否在數字系統中存在的問題，要顯示字，還需要字庫和字形。

新版《信息技術 中文編碼字符集》發出征求意見稿時，服務商之一的漢儀字庫就開始了生僻字的字庫建設工作，其中兩個重點：一是讓這些字都遵循新版的編碼標準（如果字形編碼和市場通行的碼不在一套標準，也會出現無法顯示的問題），二是設計字形。

生僻字的特性在第二步被放大。下面是一張生僻字列表，你可以直觀感受下這些字都長什么樣。

部分生僻字｜GB 18030—2022

當設計師面對一個從未接觸過的字形的時候，也只有紙質版的字形標準文件可以參考（無法獲取字形字體的電子文件）。筆劃繁雜的生僻字在紙張上只有毫米大小，設計師“難免看錯”。比如?（lei3），正在閱讀的你可以想象下沒有屏幕放大功能時，不看漏每一筆畫有多困難。

保持美觀是另一個問題，常規字的結構大多簡單，設計起來有一套規律，比如“上下同形，上小下大”、“左右同形，左小右大”等。生僻字不管這些，它們或像腫瘤，所有部件恨不得擠在一起；或過于云淡風輕，像一個還沒寫完的偏旁。

設計常規字時，高頻出現的部件/部首還可以從以往的設計中復用。生僻字的部件大多罕見，比如“咼”、“兯”、“婣”，你很難在常用字當中看到類似組成部分。面對這些一次性的部件，設計師只能重新審視其位置和大小，一筆一劃重新來，像是回到手工時代。

比起寫字，“更像在畫畫”——漢儀字庫的產品經理這么形容。

生僻字與常規用字的對比｜YouTube by οοοooohmygosh

漫長的闖關進入關鍵一步——輸入。

第五步：并非終點的輸入法

這里有一個生僻字需要你輸入，闃，你會如何輸入？肸呢？

不認識很正常，你可能會根據熟悉的字形部分猜它們的讀音，在輸入法打下“chou”和“pang”，再一頁頁翻找。只可惜，他們讀“qu4”和“xi1”。

既然“生僻”，那就會時常遇到要么不會讀要么不會寫的情況，最常見的拼音和筆畫輸入都會碰壁。面對這些問題的輸入法就需要新的輸入邏輯——拆字。比如“慭”，用戶會輸入這個字中最常見的“夾”，“犬”和“心”，希望用組合方式找到這個字。

騰訊搜狗輸入法在內部搭建了生僻字鍵盤項目組，一個一個模擬用戶會如何拆生僻字。這又是一個純靠直覺的手工活，拆字員 A 的思路和 B 的可能完全不一樣。

比如“嶧”這個字，有的人按“山+擇”的思路拆，有的人更碎，拆成“山+又+豐”，還有人采用模糊拆法，拆成“山+峰”。

這就需要不同的人二拆，三拆。生僻字鍵盤項目組在 3 個月內，拆字 1 萬 7 千多個，前后總共拆字超 9 萬個。如果用戶反饋不好，再從頭拆。目前，每天有 1 萬多人通過生僻字鍵盤輸入 4 萬多字。

騰訊搜狗生僻字鍵盤｜受訪者供圖

可作為離用戶最近也是最直觀的環節，騰訊搜狗輸入法總是接到用戶投訴，“為什么我身份證上都可以打出來的字，你輸入法里都沒有”——用戶往往認為，生僻字輸入輸出的問題，都是輸入法的鍋。

“90% 的用戶認為輸入法解決生僻字問題就可以了，但不知道生僻字的數字化其實是一個個復雜的系統工程”，騰訊搜狗輸入法生僻字解決方案項目主管辜海玻解釋。“除了輸入，還需要解決生僻字的顯示、存儲、傳輸、輸出、打印等環節，打通生僻字數字化的所有鏈路，一個生僻字才能在信息系統內順暢地使用。”

為了執行新國標，騰訊搜狗輸入法 2022 年開始對輸入法產品進行改造。它放棄用了 16 年的底層架構，將以前也用 PUA 碼顯示的字統一改為 Unicode 編碼，并擴展了字體。

這是一套艱難而漫長的流程，理想的終點，是一個生僻漢字能顯示、輸入、在數字化的世界中無障礙地使用；而回歸的起點，則是要讓全社會和全部數字系統都貫徹落實統一標準——90 年代編碼標準的混亂，依舊很大程度影響著今天，身份證上能顯示的字在其他系統依舊“查無此字”，哪怕在同一家醫院，掛號和開藥都可能是兩套編碼。

生僻字征集小程序｜截圖

“其實不需要每個系統都重新編碼，做好轉碼映射，讓每個產品都能顯示出國標上規定的字即可”，工信部電子工業標準化研究院中文信息研究室主任黃姍姍稱，“技術上這些都很容易，重點是讓整個社會意識到生僻字標準統一的重要性。”

今年，電子標準研究院加大新國標的宣傳力度，也在配合支撐主管部門開展標準符合性檢測等工作。

數字系統的各方也在嘗試聯合。今年春季，聯合國中文日前后，一款聯合了騰訊、電子標準研究院、漢儀字庫等多方機構的生僻字征集小程序曾火熱一時。到今年六月入夏時，小程序上就已經有 2.1 萬人參與提交 5000 多個（去重后）生僻字，其中有 300 多個生僻字通過此渠道來到專家考證環節，有望在明年收入新國標和國際標準。

生僻字小程序中提交次數前十的生僻字｜受訪者供圖

8 月 1 日，字符編碼強制國家標準 GB18030-2022 也將正式施行。“冫口”字因在 2022 年才獲得 Unicode 編碼，暫時沒能進入新國標。——未進入新國標，后面的步驟就更沒人有動力去完成了，“冫口”字就這么被丟在了字形設計和進入字庫那一步。

村民倒也并不氣餒，他們還專門編寫了一首歌，莊里的小孩從小唱著“彎彎的河流，漣然微漾”，記住村子外流淌著兩條小河，歌名就叫《冫口子小學校歌》。

希望下次在輸入 zhan 時，他們能看到自己的家。

參考文獻

[1] 地名生僻字提交編碼情況及音義考證

[2] 生僻地名用字編碼工作現狀

[3] 陳壯. 中國在 ISO/IEC JTC1/SC2 的活動與中文編碼的國際標準化[J]. 中文信息學報, 2007, 21(4): 122.

[4] https://www.chinanews.com.cn/cul/2011/12-02/3503995.shtml

[5] https://www.thepaper.cn/newsDetail_forward_16573331

[6] https://www.icst.pku.edu.cn/fqlm/icst_35th/zxbd/1223569.htm

作者：睿悅

編輯：臥蟲

封面圖來源：unsplash