中文字符编码区域

上一节举了一个相对简单的例子，主要是解决多看中中西文混搭的显示问题，本节着重讲一下中文古籍生僻字的嵌入。
这里先介绍一下中文字符编码的一些常识。所有的字符都有一个unicode码表，电脑实际上处理的是这个unicode码，然后再从字库里调取对应的字形显示出来，unicode码的数量决定了ttf文件的容量。这里仅介绍中文字符。

GBK

GBK编码，是在GB2312-80标准基础上的扩展规范，使用了双字节编码方案。
目前多看的自带中文字体都是GBK的，支持的范围（u开头表示unicode）：

• u3001—u3129：日文假名；
• u4E00—u9FA5：中文GBK区域的汉字；
• uE7E8—uE7F3：指示中文部首结构的字符；
• uE815—uFA29；中文GBK区域补充汉字，多数是偏旁部首。

GB18010

有两个版本：GB18030-2000和GB18030-2005。GB18030-2000是GBK的取代版本，它的主要特点是在GBK基础上增加了CJK统一汉字扩充A的汉字。GB18030-2005的主要特点是在GB18030-2000基础上增加了CJK统一汉字扩充B的汉字。目前多数超大字符集都是2000的格式，也就是支持GBK+扩充A区。
来看看扩充A区的范围：

• u3400—u4DB5：扩充A区汉字；
• u4DC0—u4DFF：八卦图案；
• u2E80—2FDF：部首扩展。
  扩充A区主要是在“一”字（u4e00，GBK汉字从它开始）之前码位的汉字，码位不够，扩充B区乃至之后就从GBK码位的后面开始了（中间有空白是因为国家撤销了不少用的极少的字）。
• u20000—2A6D6：扩充B区；
• u2A700—2B734：扩充C区；
• u2B740—2B81D：扩充D区；
• u2B820—u2CEA1：扩充E区；
• u2F800—u2FA1D：扩充F区。
  目前国家确定的unicode码表为上述范围，大多数的超大字符集最多支持到扩充B区，而大多数艺术字体只有GBK（甚至有不少缺字）。

字库最大的几个字体

大部分的字体都只支持到扩充B区，只有少数几个支持到扩充F区甚至之后，罗列如下：

• 花园明朝体：收录GBK到扩充F区的所有汉字，不过这个字体是日本做的，所以笔顺可能不太符合国人的习惯；
• 方正宋体超大字符集：只支持到扩充B区，但它应该是国内超大字符集的鼻祖。
• 方正楷体超大字符集：有两个ttf，第一个GBK+A，第二个B区，外带uF0000—uF0019，以及u100000—u10270F的自造字。
• 开心宋体：国学大师网站使用的单字体，应该是用方正宋体为基础修改的版本，除了支持到F区，还增加了uF0000—uF0048共49个自造字，注意这些自造字与方正楷体是不一样的，只不过它们都占用了相同的码位而已；
• 中华书局宋体：古联公司做的字体，也是基于方正宋体修改的版本，分为三个ttf，第一个GBK+A，第二个八卦+B—F，第三个从uF0000—uFD01D，里面有自造字和不少纂体和甲骨文。

中文外挂字库的配置

以杨宽著作集为例，由于涉及上古的一些文献，所以有大量扩充区，甚至不在F区的生僻字。当然大多数生僻字可能可以靠超大字符集来显示，不过对于一本电子书来说，正文完全使用一个超大字符集来显示并不划算。我们看看方正现有的一些超大字符集的体积：

• 兰亭黑18030系列：每个ttf12M；
• 宋一：25M；
• 楷体：19M；
• 细等线：11M。
  当一本书的图文只有100M以内的量级时，外挂字库要占用25%甚至以上的体积，实在是非常不理智的一件事。当然我们可以进行字体子集化，但是子集化处理这样大的字库，也是非常花时间的一件事，更不用说sigil嵌入了一个超大字体后，修改和排版都会慢得惊人了。
  所以我们有必要采取更有效率的办法。首先我们确定这本书只使用书宋和楷体两种字体（一种字体也可以，用颜色和大小来区分引文也比较省事），然后用一个比较小的ttf文件作为基础，根据所需的生僻字逐渐增加，这样最终的ttf文件也不会变得太大。
  我选定了多看自带的书宋和新楷两个ttf进行子集化，重新命名为rsong和rkai，根据上一贴讲的方式定义嵌入的字体：

@font-face {
    font-family:"rkai";
    src:
    local("楷体扩展"),
    url(../Fonts/rkai.ttf);
}

@font-face {
    font-family:"rsong";
    src:
    local("宋体扩展"),
    url(../Fonts/rsong.ttf);
}

然后将两个扩展字库分别放在正文标签和引文标签字体族的最后，就完成了扩展字库的配置。
但需要注意的是，方正超大字符集的宋体和楷体字重都比较小，笔画比较细，而多看自带的书宋和新楷都相对粗一些，设备上看起来更舒服，所以，在直接挪用字形之后必须进行相应的加工。