合成文字

合成文字（または、合成文字または分解可能文字）は、1 つ以上の他の文字のシーケンスとして定義することもできるUnicodeエンティティです。合成文字は通常、 é（ラテン小文字のeと鋭アクセント）などの分音記号付きの文字を表します。技術的には、é (U+00E9) は、基本文字e (U+0065) と結合鋭アクセント (U+0301) の同等の文字列に分解できる文字です。同様に、合字は、その構成文字または書記素の合成文字です。

合成済み文字は、さまざまな文字セットの多くの特殊文字を表す従来のソリューションです。Unicode では、合成済み文字は主に、同等の分解文字が正しくレンダリングされない可能性がある、不完全な Unicode サポートを持つコンピュータシステムを支援するために含まれています。

合成済み文字と分解済み文字の比較

次の例では、一般的なスウェーデンの姓 Åström が 2 つの代替方法で書かれています。最初の方法は、事前に合成されたÅ (U+00C5) とö (U+00F6) を使用し、2 つ目は、分解された基本文字A (U+0041) とその上に結合環(U+030A) およびo (U+006F) と結合分音記号(U+0308) を使用する方法です。

Å str ö m (U+00C5U+0073 U+0074 U+0072U+00F6U+006D)
オーストローム(U+0041 U+030A U+0073 U+0074 U+0072 U+006F U+0308 U+006D)

色の違いを除けば、2 つのソリューションは同等であり、同じようにレンダリングされるはずです。ただし、実際には、一部の Unicode 実装では、分解された文字の処理に問題があります。最悪の場合、結合発音区別符号はすべてのフォントに含まれているわけではないため、無視されるか、基本文字の後に認識されない文字としてレンダリングされる可能性があります。一部のアプリケーションでは、これらの問題を克服するために、分解された文字を同等の合成済み文字に置き換えるだけで済む場合があります。

ただし、不完全なフォントでは、事前に作成された文字にも問題が生じる可能性があります。特に、次の例 (再構築された「犬」のインド・ヨーロッパ祖語の単語を表示) のように、より珍しい文字の場合は問題になります。

ḱṷṓ n (U+1E31 U+1E77 U+1E53U+006E)
ḱṷṓn (U+006B U+0301 U+0075 U+032D U+006F U+0304 U+0301 U+006E)

状況によっては、発音区別符号付きの合成済みの緑のk、u、oが認識されない文字としてレンダリングされたり、発音区別符号のない最終文字nとは印刷上の外観が大きく異なることがあります。2 行目では、結合発音区別符号が認識されなかったとしても、基本文字は少なくとも正しくレンダリングされるはずです。

OpenType には、文字の組み合わせを含む合成または分解であるグリフを定義するための ccmp 「機能タグ」があります。

漢字

理論上は、漢字統一や類似の方式でエンコードされたほとんどの中国語文字は、中国語の文字記述言語を使用して、その構成要素である部首と表音要素に縮小 (分解) できるため、合成文字として扱うことができます。このようなアプローチにより、文字セットの文字数を数万から数千にまで削減できます。一方、分解された文字セットは、検索および編集ソフトウェアに課題をもたらし、文書ごとにエンコードするバイト数が増えます。特に課題となるのは、分解文字セットと合成文字間の複数対複数の投影です。つまり、1 つの合成文字が複数の異なる分解文字セットに分解される可能性があり、1 つの分解文字セットが複数の異なる合成文字に縮小される可能性があります。文字内の要素間の相対位置、要素に適用される変形および変換 (狭める、広げる、引き伸ばす、回転するなど) の形式、および各要素の数に関して、厳密な要件や制約はありません。

参照

出典

Unicode 標準、バージョン 5.2: 適合性 (分解についてはセクション 3.7 を参照)。Unicode コンソーシアム、2009 年 12 月。
MSDN: 文字セットの定義。2010 年 4 月 8 日。
Unicode 正規化形式 (Unicode® 標準付録 #15): http://unicode.org/reports/tr15/

外部リンク

Free Idg Serif は、 FreeSerifフォントの派生フォントで、あらかじめ構成された文字の宣言が追加されています。