语言单词和字母差异

本节介绍各种语言之间的重要差异。

单词分隔符

在英文中，单词通常用空格字符分隔。但是，在中文、日文和泰文等语言中，单词之间通常没有分隔符。

排序顺序

特定字符的排序顺序并非在所有语言中都相同。例如，在德国，字符 “ö” 与普通的 “o” 一起排序，而在瑞典则单独进行排序，该字符在瑞典是字母表中的最后一个字母。在某些语言中，字符具有确定字符序列优先级的权值。例如，泰文词典通过权值不同的字符序列来定义排序。

字符集

字符集可能在字母表字符数和特殊字符数方面不同。英文字母表只包含 26 个字符，而某些语言却包含更多字符。例如，日文可以包含 20,000 多个字符，而中文包含的字符可能比这一数据还要多。

西欧字母表

大多数西欧国家/地区的字母表类似于英文国家/地区使用的由 26 个字符组成的标准字母表。这些字母表通常还包含一些附加基本字符、一些带标记（或带重音）的字符和一些连字符。

日文文本

日文文本由三种不同的书写体混合而成：

• 源自中文的日文汉字

• 平假名和片假名、两个语音书写体（或字音表）

尽管平假名中的每个字符在片假名中都有一个等效字符，但平假名是最常用的书写体，具有类似草书而不是块状的字母形式。日文汉字字符用于拼写词根。片假名最常用于表示“外来”词，即从日文以外的其他语言中引入的词。

日文汉字包含成千上万个字符，但其中常用字符数正在逐年持续减少。现在经常使用的字符只有 3500 个，而普通日本作家的日文汉字字符的词汇量大约为 2000 个。然而，按照日本工业标准 (Japan Industry Standard, JIS) 的要求，计算机系统必须支持 7000 个以上的字符。此外，还有大约 170 个平假名和片假名字符。平均来讲，日文文本中有 55% 是平假名，35% 是日文汉字，10% 是片假名。日文文本中也包含阿拉伯数字和罗马字母。

尽管可以完全避免使用日文汉字，但大多数日文读者发现不带任何日文汉字的文本很难理解。

韩文文本

韩文文本可使用称为朝鲜语文字的语音书写系统进行拼写。朝鲜语文字包含 11,000 个以上的字符，这些字符由称为“字母”的辅音和元音组成。韩文计算机系统中通常使用的字符大约有 3000 个，这些字符来自整个朝鲜语文字字符词汇。韩文还使用称为朝鲜语汉字的象形字，这些象形字基于中国发明的字符集。韩文文本需要 6000 多个朝鲜语汉字字符。当朝鲜语文字表意不太明确时，常使用朝鲜语汉字来避免混淆。朝鲜语文字字符由组合在一起的辅音和元音构成。两者组合在一起可构成一个音节，即朝鲜语文字字符。朝鲜语文字字符通常排列在一个方框中，以便形成的字符组与朝鲜语汉字字符占用相同的空间。韩文文本中还包含阿拉伯数字、罗马字母和特殊符号字符。

泰文文本

泰文字符可以定义为显示屏上包含四个显示单元的列位置。每个列位置最多可包含三个字符。显示单元的组成基于泰文字符的分类。某些泰文字符可由其他字符的分类组成。如果这两个字符组合在一起，则它们就位于同一单元中。否则，它们将分别位于不同的单元中。

中文文本

中文通常全部由称为汉字的象形书写体中的字符组成。

• 在中华人民共和国，GB2312 (zh_CN.EUC 语言环境）中约包含 7000 个常用的汉字字符，GBK 字符集（zh_CN.GBK 语言环境）中包含 20,000 个以上的字符，GB18030-2000 字符集（zh_CN.GB18030 语言环境）中约包含 30,000 个字符，包括 Unicode 6.0 中定义的所有 CJK 统一表意扩展 A 字符。

• 在中国台湾，最常用的字符集是 CNS11643-1992（zh_TW.EUC 语言环境）和 Big5（zh_TW.BIG5 语言环境）。它们共同使用大约 13,000 个汉字字符。

• 在中国香港特别行政区，Big5 字符集中添加了 4702 个字符，从而形成 Big5-HKSCS 字符集（zh_HK.BIG5HK 语言环境）。

如果字符不是根字符，则它通常由两个或多个部分组成，而两个部分最为常见。在两部分字符中，一部分通常表示意义，另一部分表示发音。有时两部分都表示意义。偏旁部首是最重要的元素，并且字符传统上是按偏旁部首进行排列的，偏旁部首的数量有几百个。一个发音可用多个不同的字符表示，这些字符是不可交替使用的。一个字符可以有多个发音。

在给定上下文中使用某些字符比使用其他字符更为适合。适当的字符通过使用声调从语音上加以区分。与此相反，日文口语和韩文口语则没有声调。

多个语音系统表示中文。在中华人民共和国，最常用的是拼音（使用罗马字符），它在西方经常用于表示地点，如 Beijing。威托玛式系统是一种比较陈旧的语音系统，曾经用于表示地名（如 Peking）。在中国台湾，经常使用的则是注音（或注音符号），它是一种具有独特字母形式的语音字母表。

希伯来文文本

希伯来文文本用于拼写希伯来文和意第绪文书写体。希伯来文使用双向书写体。希伯来文字母是从右向左进行读写的，而数字则是从左向右读取的。嵌入到希伯来文文本中的所有英文文本也是从左向右读取的。

希伯来文使用 27 个字符的字母表，并使用标准拉丁文（或英文）字母表中的标点符号和数字。希伯来文文本还包含元音和发音标记。这些标记可以通过基本字符内部的点 (dagesh)、字符下的元音标记或字符左上角的重音等形式出现。这些标记通常只用于礼拜式文本中，而很少在日常生活中见到。希伯来文中没有大写字母。

印地文文本

印地文文本用称为天城书的书写体书写。印地文是一种语音语言，并通过一系列音节进行拼写。每个音节都由三种类型的字母片段（天城书字符）构成：辅音字母、独立元音和依赖元音符号。音节本身由辅音和元音核心组成，同时还包含一个可选的前缀辅音。与英文（从基准线开始）不同，天城书字符从写在字符顶部的水平线（称为头笔）悬垂向下书写。这些字符可根据它们的上下文进行组合或更改。同希伯来文一样，印地文文本不区分大小写字母。

键盘差异

美国键盘上的所有字符并非都在其他键盘中出现。同样，其他键盘经常包含许多在美国键盘上看不到的字符。

由于输入由 Oracle Solaris 操作系统 处理，因此可使用任何键盘输入任何语言环境中的字符。

纸张大小的差异

在每个国家/地区中，经常使用几种纸张大小。通常情况下，其中的某个大小要比其他的大小更通用。大多数国家/地区都遵循 ISO 标准 216：“书写纸和某些种类的打印材质-缩减大小-A 和 B 大小系列。”

国际化应用程序不应对可以使用的页大小进行假设。Oracle Solaris 系统不支持对输出页大小进行跟踪。由应用程序负责跟踪输出页大小。下表显示了通用的国际页大小。

表 1-6 通用国际页大小