異体字（Unicode）

異体字は、文字の代替グリフであり、異体シーケンスのメカニズムを通じてUnicodeでエンコードされます。異体シーケンスは、基本文字とそれに続く異体セレクター文字で構成される Unicode のシーケンスです。

異体字は通常、基本文字と外観や意味が非常に似ています。このメカニズムは、異体字が利用できない場合に基本文字を表示してもテキストの意味は変わらず、多くの読者には気付かれない可能性がある異体字を対象としています。

Unicode では、次の 2 種類のバリエーションシーケンスが定義されています。

StandardizedVariants.txtで定義された標準化された変異配列^[1]
表意文字変異データベース（IVD）^[2]^{[3]で定義された}表意文字変異シーケンス

バリエーションセレクター文字は、いくつかの Unicode ブロックに存在します。

バリエーションセレクター（16文字、VS1～VS16の略）
バリエーションセレクターサプリメント（240文字、略称VS17～VS256）
モンゴル語（4文字、略称FVS1～FVS4）

アラビア語やラテン語の筆記体文字では、グリフの置換がコンテキストに基づいて発生する可能性があるため、バリエーションセレクターは必要ありません。グリフは、文字が単語の最初の文字、最後の文字、中間の文字、または独立した文字であるかどうかに応じて接続される場合があります。これらのタイプのグリフ置換は、他の作成者の入力を必要とせずに、文字のコンテキストによって簡単に処理されます。作成者は、結合子や非結合子などの特殊用途の文字を使用して、通常は表示されないグリフの代替形式を強制することもできます。合字も同様の例で、リッチテキスト属性として合字をオンまたはオフにするだけでグリフを置換できます。

その他のグリフの置換については、著者の意図をテキストにエンコードする必要があり、文脈から判断できない場合があります。これは、歴史的に、または姓の表意文字として、同じ文字に異なるグリフが使用されている、外字と呼ばれる文字/グリフの場合です。これは、グリフと文字を区別する際のグレーゾーンの 1 つです。姓が、その由来となる表意文字とわずかに異なる場合、それは単純なグリフの異形なのでしょうか、それとも文字の異形なのでしょうか。

文字の置換は、 OpenTypeレイアウトタグなど、Unicode以外でも発生することがあります。 ^[4]

標準化された変異配列を持つブロック

Unicodeバージョン16.0では、絵文字/テキスト表現に特化した標準化されたバリエーションシーケンスが、基本文字に対して20ブロックで定義されています。^[1]

その他の標準化された変異配列は、次の14のブロックの基本文字で形成されます。^[1]

表意文字のバリエーションシーケンスを持つブロック

2022年9月13日現在^{[アップデート]}、基本文字の表意文字の異体字は9つのブロックで定義されている：^[2]^[3]

参照

参考文献

^ abc 「UCD: 標準化されたバリエーションシーケンス」。Unicode コンソーシアム。
^ ab 「Ideographic Variation Database」。Unicode コンソーシアム。
^ ab 「UTS #37、Unicode 表意文字バリエーションデータベース」。Unicode コンソーシアム。
^ 「言語システムタグ」。Microsoft。2022年9月30日。

[UniStdVarTxt-1] 「UCD: 標準化されたバリエーションシーケンス」。Unicode コンソーシアム。

[IVD-2] 「Ideographic Variation Database」。Unicode コンソーシアム。

[UTS37-3] 「UTS #37、Unicode 表意文字バリエーションデータベース」。Unicode コンソーシアム。

[4] 「言語システムタグ」。Microsoft。2022年9月30日。