On Wed, 18 Apr 2012 22:05:22 +0200, Kang-Hao (Kenny) Lu
<[email protected]> wrote:
(12/04/19 1:01), Philip Jägenstedt wrote:
• 298 pages with mixed/broken encodings
• 190 pages that would yield U+FFFD with HKSCS, but instead produces
bogus Chinese characters using UAO, some of them user-visible:
提供一點考古方向：有些的編碼看起來是 big5-2003[1]、、、、、囧
• http://domestic.mytour.com.tw/list.asp?id=721 (迳)
6. http://domestic.mytour.com.tw/list.asp?id=721
bytes: 84B3
hkscs: 不捨結束此行精采假期、踏上歸途<U+FFFD �>視情況休息<br>18:30~
uao: 不捨結束此行精采假期、踏上歸途<U+8FF3 迳>視情況休息<br>18:30~
84B3 在 big5-2003 是 U+F0E0（PUA），在 Windows 上看起來是 U+2192（→
RIGHTWARDS ARROW），但是兩個字形（glyph）並不一樣。
有可能，不過<U+3001 IDEOGRAPHIC COMMA 、>或者<U+FF0C FULLWIDTH COMMA
，>好像更好。
其他 PUA 到正常字符的對應有些在[2]可以找到，有些只好、、、用 Unicode 搜
尋[3]找一個合適的字符出來了（囧）。
• http://edu.uuu.com.tw/events/090619_ocpsummer_blueshop.htm (轩)
這個「轩」明明是亂碼，什麼也不如U+FFFD。
http://hi-taiwan.ecserver.com.tw/eip/front/bin/ptdetail.phtml?Part=teams0088
(启)
7.
http://hi-taiwan.ecserver.com.tw/eip/front/bin/ptdetail.phtml?Part=teams0088
bytes: 8451
hkscs: 光銘電 話：27314903 <U+FFFD �> 27755852 聯 絡 人
uao: 光銘電 話：27314903 <U+542F 启> 27755852 聯 絡 人
U+F0A0（PUA）→ U+25AA（▪ BLACK SMALL SQUARE）
某種標點符號更合適吧？
• http://oa.mingdao.edu.tw/~foo/www9/fenyes/h41.htm (财)
• http://service.cph.com.tw/act/ps921203/proudect01-12.htm (财轩)
「财」83DC → U+F06C（PUA）→ U+25CF（● BLACK CIRCLE）
「轩」83DE → U+F06E（PUA）→ U+25A0（■ BLACK SQUARE）
其他「财」、「轩」應該都是這樣，但是我沒仔細確認。
在service.cph.com.tw這麼映射可以，可是第一個更像亂碼。
• http://w3.csmu.edu.tw/~jjyang/ (汹刍脉)
「汹」836E → U+F020（PUA）（看起來像是全形空白）
「刍」83D1 解出來應該是某種 beta，但是這不合 big5-2003 給出的東西
（U+FO61 看起來是 ♋）
「脉」83D2 同樣
明顯是亂碼，最好還是U+FFFD。
• http://www.be-wells.com.tw/ascendancy/ascendancy_SE.php?page=5
(时)
「时」83BA → U+F04A（PUA）→ U+263A（☺ WHITE SMILING FACE）
更有可能是亂碼吧？
場合合理，但是我也不是那麼肯定、、、
• http://www.brain.com.tw/lecture/sale/sale_04.htm (阵)
「阵」83E5 → U+F075（PUA）→ U+25C6（◆ BLACK DIAMOND）
我很懷疑，全形空白不是更好嗎？
• http://www.chimei.com.tw/en/news-detail.asp?news_id=12 (毕)
「毕」8465 解出來應該是某種乘號，但是 big5-2003 給出的東西（U+F0B4）像是
一個三角形裡面有的問號。
應該是亂碼……
• http://www.flag.com.tw/book/5105.asp?bokno=FT476 (钉)
「钉」83E0 → U+F070（PUA）在 Windows 上看起來是 U+25FD（◽ WHITE MEDIUM
SMALL SQUARE）
應該是全形空白或者某種項目符號吧？
• http://www.goprint.com.tw/draw.asp (妇)
「妇」83FC → U+F08C（PUA）→ U+2776（❶ DINGBAT NEGATIVE CIRCLED DIGIT
ONE）
不太合適，大概是亂碼。
• http://www.iiiedu.org.tw/ites/PDPM.htm (贯)
「贯」84AB → U+F0D8（PUA）→ U+27A2（➢ THREE-D TOP-LIGHTED RIGHTWARDS
ARROWHEAD）
看上下文估計原來應該是普通的空白。
• http://www.kham.com.tw/ad.asp?P1=0000008355 (财)
已解：●
在句末不太合適啊……
• http://www.misterdonut.com.tw/info/news.asp?id=267 (讫)
• http://www.misterdonut.com.tw/info/news.asp?id=308 (讫)
big5-2003 給出的東西（U+F06A）看起來有點怪、、、不過也不是說在這個場合不
適用，反正只是一個項目標記，[2]是說可以用 U+0026（& Ampersand）取代，步
過看起來不太像、、、
哦，全形空白或項目標記。
• http://www.muonline.com.tw/Guide/GameSystem/07_pvp.asp (轩)
沒確認，估計就是已解的 ■
我看應該是亂碼。
• http://www.nacs.gov.tw/01_about
/00_about_page.asp?ID=JNNORPIQJNMMK (枭)
「枭」8458 → U+F0A7（PUA）→ U+27A2（▪ BLACK SMALL SQUARE）
可能，全形空白或項目標記。
• http://www.nca.org.tw/chhtml/newsdetail.asp?NewsID=933&;
NewsGroup=4 (围轩)
「围」84CF → U+F0FC（PUA）→ U+2713（✓ CHECK MARK）
這些都像全形空白或者亂碼。
• http://www.neweb.com.tw/neweb-G_080808.htm (阵)
「阵」83E5 → U+F07B（PUA）→ U+2740（❀ WHITE FLORETTE）
沒法確認，有可能是吧。
• http://www.nordic.com.tw/client/festival/food02_3.htm (财)
• http://www.nordic.com.tw/client/festival/food02_5.htm (财)
• http://www.ogilvy.com.tw/Works/CaseContent.asp?serial=71 (迳)
沒確認這些，不過上面都有了。
nordic.com.tw的「财」應該是亂碼，而ogilvy.com.tw的「迳」應該是某種標點符號。
• http://www.pccu.edu.tw/intl/page/english/english.htm (丗)
「丗」8140 → U+EEB8（PUA） 這個區域的看起來都像是全形空白、、、
• http://www.pycnogenol.com.tw/info.htm (钓)
在頁面最後應該是亂碼……
「钓」84B5 → U+F0E0（PUA），在 Windows 上看起來是 U+2193（↓ DOWNWARDS
ARROW），在這個場合可能是指下載的意思？步太確定、、、
• http://www.songyan.com.tw/distribution.html (迳)
沒確認，估計就是已解的 →
合適！
• http://www.srbook.com.tw/show_book.htm?wno=9868017645 (间)
「间」857D 解出來應該是句號，但是 big5-2003 給出的東西（U+F169）的這個區
域的看起來都像是全形空白、、、
最合適還是「。」
• http://www.transglobe.com.tw/product/product-insurance-DSC.shtml
(贯)
• http://www.ukeas.com.tw/postgrad/university/exeter.htm (财)
• http://www.wintan.com.tw/service_06_08.htm (迳)
• https://freenet.smartnet.com.tw/product-item.php?sn=9322 (财轩)
沒確認這些，不過上面都有了。
我覺得只有「财」和「轩」合適……
Using Big5-UAO for Taiwanese sites would give mixed results. Correctly
encoded Big5-UAO is very rare, so the tested mapping (Firefox)
introduces almost as many user-visible misencodings as it fixes and
masks many others.
我不知道該說什麼才好了，感覺為 Big5-UAO 把 big5-2003 的東西加回去一些可
以解決很大部份，另外，上面這些字都不是日文漢字，所以也不影響我對 Big5-
UAO 的要求 :p，有人知道這部份的編碼對應是在可以動手術的範圍還是不行？
按照上面的，用Big5-2003並不是很完美的。MozTW的映射好像不是完全可靠，所以我不知道該根據什麼去定義Big5-UAO。
問題的範圍畢竟是0.043%的臺灣網頁的幾個字符。現代的瀏覽器只有Firefox能顯示，而且他們的映射還造成別的問題……
在這種情況下，我覺得嘗試跟受影響的網站聯繫還是有希望。反正這是唯一的辦法能夠讓香港和國際的用戶也看得到。
還有別的選擇嗎？
--
Philip Jägenstedt
Core Developer
Opera Software
