Unicode相容字符
當講解和談論統一碼和UCS時，經常提到「相容字符」這個字眼。相容字符是指統一碼聯盟主張不要使用的圖像式字元，正如統一碼聯盟所說：
若不是為了與其他標準間相容和能夠雙向對應轉換，就不會在統一碼中編碼的字符。
然而，其定義實在遠比這話語有更深層和複雜的意味。每個字符都有一個分解或相容性分解的屬性，可是大部分字符這個屬性都是沒有指定內含值，惟統一碼聯盟替超過五千個字符指定了相容性分解項目內的值。這個值能將相容字符對映到一個或多個的其他字符，並藉由設定一個字符的分解屬性，表達了此字符為統一碼中的相容字符。指定某字符為相容字符的理由各異，下面有更詳細的說明。「分解」這個用語有時會令人感到困惑，因為有些字符「分解」後還是單個字符的形態，這時該字符的分解值就是另一個相等或近似相等的字符。
相容字符種類和關鍵字
在統一碼的 5,402 個相容分解屬性中，可將這些相容字符分成 17 群，並賦予其關鍵字。具有相容分解但卻沒有關鍵字的字符稱作標準可分解字符，這些字符並非相容字符。相容可分解字符的關鍵字包括： <initial>、<medial>、<final>、<isolated>、<wide>, <narrow>、<small>、<square>、<vertical>、<circle>、<noBreak>、<fraction>、<sub>、<super>和 <compat>。 這些關鍵字提供了一些訊息：包含相容字符和它的相容分解字符序列。 相容字符可分為以下三類：
- 對於一些軟體或字型，可能沒有支援完整的統一碼文字編排能力。因此，統一碼提供了一些預組含附加符號字母的字符。
- 字符可能是從其它字集而來的，或是用於豐富文件而非純文字的字符。
- 一些其它字符是視覺上相似但語意上不同。因為這些語意上不同的字符有可能會使用相似的字形，文書處理軟體應該向使用者指示出其可能的混淆。
當比較和校正（排序）文句時，不同的形式和字符不同版本可能會有不同的處理結果。例如，軟體使用者可能會困惑，在尋找一頁中的大寫字母“I”，但軟體卻無法找到在視覺上相似的羅馬數字“Ⅰ”。
相容對應的種類
字形代換和分解
對於遵循統一碼標準的文字處理和顯示軟體來說，有些相容字符是不重要的。這些包含：
- 預作變音字母.
如 Å（U+00C5），統一碼傾向視為兩個分開的字符，一個拉丁字母 A （“Latin letter A”）結合一個“Combining Ring Above”（U+030A）。
- 連音符
- 預作羅馬數
譬如，羅馬數十二（“Ⅻ”：U+216B）可以分解成一個羅馬數十（“Ⅹ”：U+2169）和兩個羅馬數一。
- 預作分數
- 依本文而變的字形
豐富文本用的相容字符
語意上相異字符
規範化
統一碼要求軟體在進行比較或校正文句時，需要先經過相容分解，這個過程稱作規範化。這是做一些相似運算時所必須的動作，如當一個使用者進行“不區分大小寫”或“不區分附加符號的字母”的搜尋時。典型的規範化是指不會改變底層儲存的資訊（無失真）。然後，有些軟體可能會造成永久的改變，如在文件內容中刪除標準的或非標準的相容字符（失真）。
參考
外部鏈接
- 漢字的標準化 － 中國哲學書電子化計劃 － 說明如何處理統一碼相容字符所帶來的困難。