中日韩统一表意文本

1978年，日本产业规格制订了基于ISO/IEC 2022的JIS C 6226，为全世界最早的汉字编码，包含6349汉字。1980年代，台湾（CCCII、CNS 11643）、中国大陆（GB 2312）、韩国（KS C 5601）开始订了各自的编码规范。这些规范彼此之间并无连系。若要在一份文档中同时使用，则要以转义字符的方式来交换。

1980年，日本的国立国会图书馆的高桥德太郎以书目学的观点指出，统一的东亚汉字编码系统有必要。同年，台湾制定了三字节的中文信息交换码，这是第一款期望可以一致处理中国、日本、韩国汉字的编码。之后，美国的国会图书馆采用了此标准，并另外命名为东亚编码字符（East Asia Coded Character，EACC，ANSI/NISO Z39.64）。

1984年，ISO的文本编码委员会（ISO/TC 97/SC2）决议制订出一套编码规格（ISO 10646），是以交换文本集的方式来统一处理世界的文本。并成立了工作小组（ISO/TC 97/SC 2/WG 2）。这编码一开始的构想是采用16比特，而对于日本及中国等国的汉字编码则原封不动地加入。但若如此，中国当时所制订的编码都无法加入，因而反对，并在1989年提出各国汉字统合集合（Han Character Collection，HCC）的构想。

1990年完成了ISO 10646的初版草案（DIS 10646）。汉字用32比特表示，并将各国的汉字编码原封不动加入。但中国认为，若各国各自为汉字编码，将不利于统一处理汉字，因而反对。为了日后能顺利讨论汉字编码及处理有关方针，并呼吁WG 2特别设置了中日韩联合研究小组（CJK-JRG，Joint Research Group，为表意文本小组的前身），以持续讨论。

另一方面，1987年，全录的Joe Becker和Lee Collins开发了统合处理全世界所有文本的统一码。1989年发表了统一码概要。基本为16比特。于是，中、日、韩的汉字统合了。基本方针以16比特处理所有文本。1990年完成了基于此方针的最终草案。1991年1月，大致同意此方案的企业成立了统一码联盟。中、日、韩类似的汉字使用约二万多字。为了未来扩充，保留了三万汉字以供其它用途。

1991年，各国希望能以一致的方式处理文本，否决了ISO/IEC 10646的初版草案。基于中国与统一码联盟的提议，ISO 10646和统一码成立了中日韩联合研究小组。中日韩联合研究小组将基于各国的汉字编码，独自订定规范、制作ISO 10646和统一码的统一汉字编码。年尾完成了Unified Repertoire and Ordering（URO）。1992年，URO加入ISO 10646的第二版，但发现一些缺失，之后修正。

1993年5月正式制订最初的「中日韩统一表意文本」位于U+4E00－U+9FFF，共20902字；不过汉字“〇”（U+3007）误当数字放入符号和标点区。一个月后制订了统一码1.1。

1999年，依据ISO/IEC 10646的第17修正案（Amendment 17）订定扩展区A，于U+3400－U+4DFF加入6582汉字。

2001年，依据ISO/IEC 10646-2添加扩充区B，于U+20000－U+2A6FF有42711汉字；但短时间内增加大量汉字，产生许多重复字形。

2005年，依据ISO/IEC 10646:2003的第一修正案（Amendment 1），基本多文种平面增加U+9FA6－U+9FBB，共22汉字。

2009年，统一码5.2扩展区C增加U+2A700－U+2B734，基本多文种平面增加U+9FC4－U+9FCB。

2010年，统一码6.0扩展区D增加U+2B740－U+2B81F。

2012年，统一码7.0基本多文种平面增加1汉字：U+9FCC。

2015年，统一码8.0扩展区E增加U+2B820－U+2CEAF，基本多文种平面增加U+9FCD－U+9FD5。

2017年，统一码10.0扩展区F增加U+2CEB0－U+2EBEF，基本多文种平面增加U+9FD6－U+9FEA。

2018年，统一码11.0基本多文种平面末尾增加5汉字：U+9FEB－U+9FEF。

2020年，统一码13.0增加4969汉字，其中4939字位于第三平面的扩展区G，码位为U+30000－U+3134A。同时，亦在基本区增加13字：U+9FF0－U+9FFC，在扩展A区增加10字：U+4DB6－U+4DBF，在扩展B区增加7字：U+2A6D7－U+2A6DD。

2021年，统一码14.0基本多文种平面末尾增加3汉字：U+9FFC－U+9FFF。同时，亦在扩展B区增加2字：U+2A6DE－U+2A6DF，在扩展C区增加4字：U+2B735－U+2B738。

2022年，统一码15.0增加4193汉字，其中4192字位于第三平面的扩展区H，码位为U+31350－U+323AF。同时，亦在扩展C区增加7字：U+2B739。

2023年，统一码15.1增加622汉字，位于第二平面的扩展区I，码位为U+2EBF0 - U+2EE5D。

另外，第三平面的U+38000至U+3AB9F预计放置篆书，相关提案已经提交。按路线图，该平面还会收录金文、简帛文、陶文、鸟虫书等[6]。

• 统一码协会
•  中华人民共和国
•  香港（政府信息技术总监办公室辖下中文界面咨询委员会）
•  澳门（信息系统中文编码工作小组，由行政公职局协调）
•  中华民国（台北市电脑商业同业公会）
•  日本
•  
•  大韩民国
•  越南
•  马来西亚（2008年11月第31次IRG会议加入）
•  英国[16]
• 大藏经文本数据库委员会（，SAT）

「次」字的台湾教育部字形、大陆规范汉字、韩国的汉字、越南的汉字、日本的汉字。

表意文本认同原则（Han Unification Rule，又称表意文本统合原则）与原字集分离原则（Source Separation Rule，又称来源字集分离原则、原规格分离原则），是两项对立原则，它们是统一码整理中日韩统一表意文本的基础。

东亚各国字形多有微妙的差异。如「房」字的第一笔，韩国传统汉字字形、台湾教育部标准字体作撇「」；香港教育参考字形、中国大陆规范作点「」；日本标准作横「」。又如「次」字的左旁，韩国采用传统字形，首笔为横，次笔为挑；台湾教育部作两横；大陆、日本、香港等则作「冫」（俗称两点水）。这种程度的差异，理想是整并为一字为佳。否则，要是凡异体字都收进不同码位里，统一码收录的汉字就会过于臃肿，用户搜索时也会因异体问题而找不到想要的结果。

然而，从之前各种受挫之文本整并计划的经验得知，集成字集与现行通用字集（Big5或国标码）等无法一一对应，是推行集成字集的最大阻碍。例如，日本的JIS编码同时收录了「」与「」字，原本JIS文档里这两字可以并存。如果采用集成字集后，它们会变成同一字，使用的时就会造成困扰。而且，如果将多个不同地区字形合并，会影响阅读者，令用户不习惯并非以往所见字形；更有可能引致阅读者因习惯而书写不属于自己地区的字形（或地区性的异体字）。

于是，表意文本认同原则与原字集分离原则就应运而生。

按表意文本认同原则，统一码「只对字（Character）而不对字形（Glyph）」编码，会把同一字的不同字形（即异体字）合并。好像上述「次」字，统一码会整并成一码。又例如不同地区而有不同写法的部首，如「（中国大陆规范、日本新字体）、（港台旧字形、韩国、日本旧字体）、（台湾教育部）」、「（中国大陆规范、台湾教育部）、（日本新字体）、（日本旧字体、韩国、港台旧字形）」、「（中国大陆、港台新字形）、（旧字形）」等，会合并编码。这些部首的写法差异就会交由字体处理。比如说，使用依中国大陆汉字标准《印刷通用汉字字形表》的字体（如中易宋体、微软雅黑体）便会出现「、」；使用台湾教育部标准字体（如微软正黑体或新版细明体，但非旧版细明体[注 3]）就会出现「、」等字形，大大解决了因地区而异之部首写法。

至于原字集分离原则是指，上述所列出之各种收字来源，若有任何字集同时收了两种以上文本字形，中日韩统一表意文本也会同时收录这些字。这样一来，现行各种原有字集与统一码汉字可一一对应。比如「房」字，各地字集都没有分别编码，就只编进一码位，部首第一笔的写法交由字体处理。然而，「」、「」、「」这三字，在一些地区标准里是分别编码的，统一码则以三码位分别收录它们。上述的「」与「」也一样安放到不同码位。

基于上述运作，统一码能大幅减少收录汉字字数，同时让地区编码过渡至统一码时，字集里的字符不会流失，但原字集分离原则破坏了统一码「只对字而不对字形」编码之原则，某些汉字获得两位或以上编码，亦遭受不少批评。

后来的一些重复汉字会使用“兼容区”提供暂存编码，可用归一化（）步骤移除。一般的汉字输入法，以及多数汉字字体，也不支持兼容区字符。

另外，原字集分离原则只适用于最初Unified Repertoire and Ordering（URO）的20902字，换言之，由「扩展区A」开始就不再适用。原因是个别地区提交了不少仅有十分轻微差异的字样，比如台湾《异体字字典》里的各种异体，要求统一码分别编码。然而，那些字样所建基的地区编码，并非该地区的通用编码，例如是中文标准交换码（台湾实际通行的编码是Big5码）。若统一码全面采纳，将会令统一码对异体字的处理更混乱。

今天，变体串行（Variation Sequence）以及Adobe常用的CID字体等技术已容许在一粒统一码编码收录和调用多于一款汉字字样，原字集分离原则在今天已成为过时技术的副产品。

统汉字数据库（英语：）是统一码联盟所维护的数据库文档，为统汉字的各汉字列出说明，内容有：

• 统一码与各国家、地区标准及各工业标准的对应。
• 依据重要字典（如康熙字典）的排序索引。
• 经过编码的异体字。
• 汉字在各种语言中的发音。
• 英文释义。

数据库以以下方式发布：

• 统一码联盟维护的网站版本[31]。
• 可供下载的txt文本文档（页面存档备份，存于）。
• 基于上述文档开发的第三方版本。
  • libUnihan项目开发了一套可供调用的c函数库，和一套SQLite格式的Unihan数据库[32]。前者以LGPL协议发布，后者以MIT协议发布。

ISO 10646原则只对字（Character），而非字形（Glyph）编码。同一字各地可使用自己的标准写法。以下使用HTML标示同一编码的字在不同地区的写法（但只是读者的浏览器所渲染的字体，与浏览器的设置与设备安装的字体有关，未必代表该地区的标准写法）。

例子

注：不是所有网页浏览器均可分辨全部HTML的语言代码（Language Code）并使用不同字形。如非某一地区的用户看到的字形和当地通用的字形一样，表示该用户的浏览器不能分辨此标签，或设置两者以同一种字形显示。

有些字只是同一字在不同地区的写法，理应统一，但因为原字集分离原则而只好分开编码。由于KS X 1001、Big5、IBM 32、JIS X 0213、ARIB STD-B24、KPS 10721、CNS 11643有太多字形非常接近，按统一码标准应该统一，但分开编码的字。这些字只有正统的会编入正式字集（包括扩展区），不正统的编入「兼容表意文本区」（Compatibility Ideographs）和位于「第二辅助平面」的「兼容表意文本补充区」（Compatibility Ideographs Supplement）中。

范例：-{

}- 自上表发表后，WG2亦调查过其他汉字[37]，认为另一批属于基本多文种平面的汉字，亦可考虑收编到ISO 10646 Annex S3。

• 统一码里中日韩表意文本和相关字符浅说（页面存档备份，存于）
• CJK-CODE（页面存档备份，存于）
• UTF-8 and Unicode FAQ for Unix/Linux（页面存档备份，存于）
• 中华民国教育部异体字字典附录－中日韩共用汉字表（页面存档备份，存于）
• 查「Unicode 编码」或「教育部异体字字典字号」（页面存档备份，存于）（CBETA中华电子佛典协会）

统一码

• 汉字统合历史（页面存档备份，存于）
• 统汉字搜索工具（页面存档备份，存于）
• 表意文本变体数据库（页面存档备份，存于）
• Unicode Roadmap to the TIP（页面存档备份，存于）
• 中日韩统一表意文本（页面存档备份，存于）（PDF，34.0MB）
• 中日韩兼容汉字（页面存档备份，存于）（PDF，762kB）
• 中日韩兼容汉字补充（页面存档备份，存于）（PDF，601kB）
• 扩展A区汉字（页面存档备份，存于）（PDF，6.58MB）
• 扩展B区汉字（页面存档备份，存于）（PDF，38.7MB）
• 扩展C区汉字（页面存档备份，存于）（PDF，3.16MB）
• 扩展D区汉字（页面存档备份，存于）（PDF，215kB）
• 扩展E区汉字（页面存档备份，存于）（PDF，3.44MB）
• 扩展F区汉字（页面存档备份，存于）（PDF，4.33MB）
• 扩展G区汉字（页面存档备份，存于）（PDF，2.13MB）

ISO表意文本工作组

• ISO表意文本工作组网站（页面存档备份，存于）
  • ISO/IEC 10646 Annex S汉字统一及编排步骤（页面存档备份，存于）
  • 扩展C区编码网站（页面存档备份，存于）
  • 急用汉字（UNC）多栏列表

• 表意文本、语素文本、汉字、汉字文化圈
• 辅助平面
• 字形
• ISO 10646 - Unicode - 国际表意文本内核（IICore）
• 异体字（Unicode）
• Wikipedia:Unicode扩展汉字