【TechWeb】近日，“尋找姓鴨的人”“因姓氏太罕見全村集體改姓鴨”登上微博熱搜，引發(fā)熱議。截至發(fā)稿，相關話題閱讀量達1.6億。這背后發(fā)生了什么？
故事還得從古代說起。云南麗江傈僳族中有一個以鳥為圖騰的家族，姓“nià”，即上面一個鳥字，下面一個甲字，意為飛翔的鳥。
然而到了現(xiàn)代，這個字卻成為了生僻字，在信息系統(tǒng)中無法輸入和顯示，帶來種種不便，全村村民無奈只能改姓為“鴨”。
值得注意的是，他們不是個例。許多人的姓氏、家鄉(xiāng)地名不被信息時代接納，他們或是辦不了銀行卡，或是買不了火車票，甚至連最簡單的在線支付都用不了。
據(jù)統(tǒng)計，全國有6000萬人名及大量地名、古籍、方言中包含生僻字，其中多數(shù)尚未實現(xiàn)數(shù)字化。
生僻字數(shù)字化為什么這么難？
“最老的身份證上，姓氏是手寫上去的。換二代身份證的時候，電腦里顯示不出來，就通知我們改名了，直接打成了鴨子的鴨。”一位“nià”姓村民在接受媒體采訪時如此表示。
這位村民稱，自己并不喜歡姓“鴨”。但不喜歡也得改，不然就用不了微信，買不了火車票，醫(yī)院不能正常實名掛號，社保公積金也難辦，總之所有需要實名認證的地方都很麻煩。
據(jù)了解，1994年編纂的《中華字海》，收錄漢字約87000個，而我們手機、電腦能打出來的字，僅有3萬個左右。
為什么會出現(xiàn)這種情況呢？
工信部電子標準院主任黃姍姍向TechWeb等表示，漢字與英語不同，英語是表音文字，漢字是表意（圖形）文字。信息系統(tǒng)要認識漢字，需要有字、形和編碼三者建立對照表，某個漢字有形無碼，或者其編碼不被某個系統(tǒng)支持，就是信息時代的生僻字。
可以說，生僻字是表意字所特有的信息處理問題。具體來看，漢字信息處理的難點來自四個方面：
一是漢字信息化編碼難度高。漢字與拉丁文字一樣，需要一字一形一碼，要對數(shù)萬個漢字逐一進行編碼、整理和考證工作，難度很高。
二是字形規(guī)范化工作量大。每個漢字都有其獨特的字形，確定每個字的規(guī)范字形并設計開發(fā)字庫產(chǎn)品，也費時費力。
三是生僻字標準化專業(yè)復雜。尚有大量人名、地名生僻字未收錄于標準，沒有獲得編碼，也就難以實現(xiàn)輸入、處理和輸出。
四是產(chǎn)品對標準的支持不充分。很多信息技術產(chǎn)品和服務系統(tǒng)只支持2萬多字，忽視生僻字處理的需求。
要用電腦打出一個漢字，需要有對應且全國統(tǒng)一的漢字編碼——對應的字形——輸入法支持該漢字的輸入——系統(tǒng)或應用支持該漢字的顯示，四個步驟中任何一環(huán)掉鏈子，都無法完成數(shù)字化。
nià姓村民何時能找回自己的姓？
由于“鴨”姓無法寄托“nià”姓的真正含義，現(xiàn)在當?shù)氐男『⒊錾蠡径几鷭寢屝铡Ｓ小皀ià”姓村民在得知自己的姓氏登上熱搜后有些欣喜，也許能找到一個合適的解決辦法。
為解決這個難題，騰訊搜狗輸入法真的想出了辦法，嘗試用一個鍵盤和一個小程序來幫助“nià”姓村民找回自己的姓氏。
1.生僻字小程序
對于沒有編碼的生僻字，要從頭開始，首先要做的是找到它們。所以，騰訊和工信部電子工業(yè)標準化研究院共同發(fā)布了“生僻字征集”小程序，用戶通過拍照上傳，就可以提交。
據(jù)騰訊輸入法部總經(jīng)理魯劍披露，4月20日“生僻字征集”小程序上線后，首日訪問量突破63萬，用戶提交生僻字1404個。
大家提交的生僻字將經(jīng)過考證、審查、賦碼等一系列環(huán)節(jié)，專業(yè)審核通過的生僻字將被賦碼并收錄進國標字庫，并最終實現(xiàn)在電腦、手機等設備及信息系統(tǒng)中輸入與顯示。
2.生僻字鍵盤
針對已有編碼的文字，或是用戶只識生僻字字形、不知讀音的情況，騰訊搜狗輸入法開發(fā)上線了“生僻字鍵盤”，通過拆解字形實現(xiàn)三種生僻字輸入方式，包括筆畫輸入、拼音輸入，以及“拼音+筆畫”的混合輸入。
同時，騰訊搜狗輸入法還與字庫廠商合作，將已編碼的文字設計成字體包，供用戶下載使用。用戶就可以用搜狗輸入法打出生僻字，并在更多平臺上顯示了。
據(jù)騰訊方面透露，“nià”姓村民再過兩年，就可以打出自己的姓來了。這主要因為“編碼還需要兩年左右才能公布，這是一個過程。”
One More Thing
上世紀60年代，隨著商用電腦的普及，人們開始用計算機處理文字，但當時的技術還不能有效處理英文以外的文字。直到1974年，我國“748”工程啟動，一批學者、專家前赴后繼，開啟漢字信息化攻關，漢字進入信息化處理的時代。
1980年，全球第一個漢字編碼標準GB 2312《信息交換用漢字編碼字符集 基本集》發(fā)布，讓計算機處理漢字成為現(xiàn)實。此后，中文信息處理領域累計發(fā)布一百余項國家標準，一些生僻字和少數(shù)民族的文字也得以進入數(shù)字時代。
2022年7月，國家市場監(jiān)管總局批準發(fā)布《信息技術 中文編碼字符集》（GB 18030-2022 國標），新版標準共收錄漢字88115個，比上一版增加錄入了1.7萬余個生僻漢字，不僅收錄《通用規(guī)范漢字表》全部漢字，還可覆蓋我國絕大部分人名、地名用生僻字以及文獻、科技等專業(yè)領域的用字。新版標準將于2023年8月1日正式實施。
總體而言，解決生僻字難題，是難度高、周期長的體系化改造，涉及相關方眾多。騰訊等企業(yè)愿意秉持“科技向善”，助力解決這一難題得到很多網(wǎng)友點贊。正如一位網(wǎng)友說的，這是一件很有意義的“小事”，希望能一直做下去。
