生僻字与字符编码

生僻字为什么打不出、显示不了：Unicode 汉字区、GB 18030、乱码成因、输入方法、异体字和变体选择符、私用区，以及发现缺字怎么反馈。

生僻字为什么打不出、显示不了

适合谁看：名字、地名里有生僻字，在系统里打不出、显示成方框或问号，想弄清原因的人。

一个字要「走通」三关

一个字从输入到显示，要过三关：

  1. 有编码：这个字在 Unicode / GB 18030 里有编号吗？
  2. 能输入、能存：输入法能打出来吗？软件、数据库能把它完整存下来吗？
  3. 有字形：当前用的字体里有这个字的字形吗？

任何一关不通，都会出问题。

看症状判断卡在哪一关

症状 最可能的原因 卡在哪
显示成空心方框「□」或带编号的小方块 字体里没有这个字 第 3 关
显示成「?」或「�」 存储或传输时编码出错，字已经丢了 第 2 关
显示成乱七八糟的其他字（乱码） 编码对不上，例如 GBK 当成 UTF-8 读 第 2 关
输入法打不出 输入法词库里没有，或这个字还没有编码 第 1 或第 2 关
同一段文字里这个字的字体明显不一样 主字体缺字，系统自动换了备用字体 第 3 关（已经补救）

方框和问号的区别很重要：方框说明字还在，只是没字形，换个字体就能显示；问号说明字已经丢了，换字体也救不回来。

为什么生僻字特别容易出问题

下一步看哪里

参考资料

Unicode 里的汉字：基本区和扩展区

适合谁看：想知道一个字的「编码」是什么、为什么有的字在「扩展 B 区」、扩展区的字为什么难处理的人。

码位：每个字的编号

Unicode 给每个字符一个编号，叫码位，写作 U+ 加十六进制数，例如「中」是 U+4E2D。

Unicode 把码位分成 17 个「平面」，每个平面 65,536 个位置：

汉字分布在哪些区块

下表按 Unicode 17.0（2025 年）的数据统计：

区块 码位范围 汉字数 所在平面
中日韩统一表意文字（基本区） 4E00–9FFF 20,992 0
扩展 A 3400–4DBF 6,592 0
扩展 B 20000–2A6DF 42,720 2
扩展 C 2A700–2B73F 4,160 2
扩展 D 2B740–2B81F 222 2
扩展 E 2B820–2CEAF 5,774 2
扩展 F 2CEB0–2EBEF 7,473 2
扩展 I 2EBF0–2EE5F 622 2
扩展 G 30000–3134F 4,939 3
扩展 H 31350–323AF 4,192 3
扩展 J 323B0–3347F 4,298 3
兼容区中的 12 个统一汉字 F900–FAFF 12 0

合计 101,996 个统一汉字。2026 年发布的 Unicode 18.0 又在扩展 D 补了 1 个。

扩展区为什么难处理

「统一」是什么意思

中国大陆、台湾、香港、日本、韩国、越南的汉字，如果只是写法细节不同，会合并成一个码位，由字体决定显示哪种写法，见《同一个字，为什么各地写法不同》。真正不同的字（如简繁）才分开编码。

怎么查一个字的编码

参考资料

GB 18030：中文编码的国家标准

适合谁看：做软件、做政务和公共服务系统，需要了解 GB 18030 是什么、要满足哪个级别的人。

它是什么

GB 18030《信息技术 中文编码字符集》是中国的强制性国家标准，规定了汉字和多种少数民族文字的编码。它和 Unicode 一一对应，可以理解为「中国版的 Unicode 编码方式」，同时兼容老的 GB 2312 和 GBK。

三个实现级别

标准第 9 章规定了三个实现级别：

级别 范围 谁要满足
级别 1 单字节、双字节编码部分，以及 CJK 统一汉字（基本区）和扩充 A 所有适用的产品
级别 2 级别 1，加上《通用规范汉字表》中不在级别 1 里的编码汉字 系统软件和支撑软件（操作系统、数据库、中间件等）
级别 3 级别 2，加上本标准规定的全部汉字和康熙部首 用于政务服务和公共服务的产品

标准注明的政务服务和公共服务行业包括铁路、道路、水上、航空运输，邮政，金融，保险，卫生，国家机构，社会保障等。

第 1 号修改单

2024 年 9 月 29 日发布的第 1 号修改单，把 Unicode 后来新增的扩展 G、H、I 区等汉字加入级别 3，合计新增 9793 个汉字；级别 1 和级别 2 的范围没有变化。

对字体和软件意味着什么

是否需要做产品认证、具体合规要求，请以标准原文和认证机构的规定为准。

参考资料

乱码从哪来：GBK、Big5 和 UTF-8

适合谁看：打开文件、网页、表格时遇到乱码，想知道原因和解决办法的人。

字符集和编码方式

同一个「中」字，用 UTF-8 存是 3 个字节，用 GBK 存是 2 个字节。读的时候用错规则，就会得到乱码。

常见的中文编码

编码 范围 说明
GB 2312 6763 个汉字 早期简体中文编码
GBK 两万多个汉字 GB 2312 的扩展，Windows 简体中文系统长期默认使用
GB 18030 全部 Unicode 字符 国家标准，兼容 GBK，见《GB 18030：中文编码的国家标准》
Big5 繁体常用字 台湾、香港早期常用
UTF-8 全部 Unicode 字符 网页和现代软件的事实标准

典型乱码现象

怎么避免

  1. 统一用 UTF-8：网页、数据库、接口、文件都用 UTF-8；
  2. 网页声明编码：<meta charset="utf-8"> 写在 <head> 最前面；
  3. 数据库用完整的 UTF-8：例如 MySQL 要用 utf8mb4，见《人名、地名里的生僻字：系统怎么做》；
  4. 和老系统交换数据时：明确约定编码，需要中文国标编码时用 GB 18030 而不是 GBK，GBK 存不下扩展区的生僻字。

乱码和方框不是一回事

乱码是编码问题，换字体没用；方框是字体缺字，换字体就好。区别见《生僻字为什么打不出、显示不了》。

参考资料

生僻字怎么输入

适合谁看：不会读、打不出某个生僻字，或者需要在电脑和手机上输入人名、地名用字的人。

方法一：输入法的笔画和拆字输入

不知道读音时，很多拼音输入法提供「笔画」和「拆字」输入。以搜狗输入法的「U 模式」为例（以官方帮助为准）：

其他输入法通常也有类似功能，名称和按键可能不同，查看各自的帮助。手机输入法有的需要先开启「生僻字」相关选项。

方法二：系统自带的字符工具

前提是你选的字体里有这个字。

方法三：知道码位，直接输入

如果查到了这个字的 Unicode 码位（查法见《Unicode 里的汉字：基本区和扩展区》）：

方法四：复制粘贴

从权威字典网站或官方数据库复制，再粘贴。注意：

实在没有编码怎么办

极少数字还没有进入 Unicode。临时办法：

参考资料

异体字、变体选择符和汉字描述序列

适合谁看：遇到「同一个字但写法不一样，又必须按某种写法显示」的需求，比如户籍、古籍、日本人名的人。

异体字

读音和意思相同、写法不同的字叫异体字，例如「峰」和「峯」。

第二种情况下，如果业务必须显示特定写法（例如人名证件要和登记的字形一致），就要用到「变体选择符」。

汉字变体序列（IVS）

做法是在字后面紧跟一个看不见的「变体选择符」（码位 U+E0100 到 U+E01EF），告诉字体「请显示这个字的第几种写法」：

基础字 + 变体选择符 = 一个指定的字形

使用 IVS 的前提

  1. 字体支持：字体里要有对应的变体字形和映射；不支持的字体会忽略选择符，显示默认字形；
  2. 软件支持：排版软件、浏览器要能正确处理（主流浏览器和操作系统一般都支持）；
  3. 数据要保留：复制、存储、截断字符串时不能把选择符丢掉；按「字符数」限制长度时，选择符也会占位置。

汉字描述序列（IDS）

有些字没有编码，或者想向别人说明一个字的结构，可以用「汉字描述字符」描述，例如：

常用的描述字符：⿰ 左右、⿱ 上下、⿲ 左中右、⿳ 上中下、⿴ 全包围、⿵ 上三包围等。Unicode 15.1 又增加了几个描述字符。

注意：描述序列只是说明，不会自动变成那个字，显示出来就是几个符号排在一起。适合用来记录、沟通、提交缺字反馈，见《发现缺字怎么反馈》。

参考资料

网页和系统里怎么显示生僻字

适合谁看：网站、App 或文档里有生僻字显示成方框，想让它正常显示的开发者和设计师。

先确认是「缺字形」而不是「丢了字」

显示成方框，说明字还在，只是字体里没有；显示成问号，说明存储或传输时已经丢了，要先修编码。判断方法见《生僻字为什么打不出、显示不了》。

系统怎么补字

操作系统和浏览器都有「字体回退」机制：主字体里没有某个字时，会自动去其他已安装的字体里找。Windows 和 macOS 都自带一些覆盖扩展区的字体，所以同一个生僻字，在电脑上常常能显示，只是字体风格和周围不一样；在字体较少的设备（部分手机、嵌入式设备）上就可能是方框。

网页：在字体栈后面加一款「补字字体」

body {
  font-family:
    "主字体",              /* 你的正文字体 */
    "Plangothic P1",       /* 补字字体：覆盖扩展区 */
    "Plangothic P2",
    sans-serif;
}

要点：

@font-face {
  font-family: "补字字体";
  src: url("/fonts/fallback-extb.woff2") format("woff2");
  unicode-range: U+20000-2A6DF, U+2A700-2EE5F, U+30000-3347F;
}

字体栈的一般写法见《中文字体栈怎么写》。

文档和设计稿

用文风网页字体时

文风提供的网页字体以各款字体本身收录的字为准，没有收录的字会由你在字体栈里写的后备字体显示。所以生僻字多的页面，同样建议在字体栈后面加补字字体。网页字体的接法见《用文风网页字体：一页看懂正确接法》。

参考资料

私用区（PUA）里的字为什么靠不住

适合谁看：手里有「自定义字」「补字」文件或老系统数据，发现换个电脑、换个字体字就变了或没了的人。

什么是私用区

Unicode 留出了一些码位，不分配给任何字符，供个人或机构自己约定使用，叫「私用区」：

范围 位置数
U+E000–U+F8FF 6,400（基本平面）
U+F0000–U+FFFFD 65,534（第 15 平面）
U+100000–U+10FFFD 65,534（第 16 平面）

过去，一些字还没有进入标准，各单位就把它们放进私用区，再配一款自己的字体来显示。

问题在哪

遇到私用区的字怎么办

  1. 先查有没有正式码位：在 Unihan 数据库中按部首、笔画或字形查找，或看本单位是否有对照表；
  2. 有正式码位的，迁移数据：把私用区码位批量替换成正式码位，并保留对照表；
  3. 确实没有的：在系统内部继续用私用区过渡，但要建立登记表，同时考虑向标准化机构提交新字申请；对外交换数据时附上说明，或用汉字描述序列标注，见《异体字、变体选择符和汉字描述序列》。

设计字体时的注意

字体设计者有时会在私用区放图标、标志或备用字形。这在字体内部使用没有问题，但不要指望用户在正文里输入这些码位；需要按特定写法显示的字，优先用标准的变体机制（OpenType 功能或变体选择符）。

参考资料

人名、地名里的生僻字：系统怎么做

适合谁看：开发会员、订单、政务、金融等要录入人名和地址的系统，不想让生僻字用户「改名」的开发者。

常见的坑

环节 常见问题 正确做法
数据库 MySQL 用 utf8（即 utf8mb3），存不下 4 字节字符，扩展区的字被截断或报错 库、表、字段、连接全部用 utf8mb4
输入校验 用 [\u4e00-\u9fa5] 判断「是不是汉字」，把扩展区的字当成非法字符 用 Unicode 属性判断，如 JavaScript 的 /\p{Script=Han}/u
长度限制 按 UTF-16 单元计算长度，一个扩展区汉字算 2 个字符，名字被判「太长」 按码位或「字素」计算长度
截断显示 截断时把代理对、变体选择符切开，出现乱码 按码位或字素截断
旧接口 和外部系统用 GBK 交换数据，扩展区的字变问号 用 UTF-8；必须用国标编码时用 GB 18030
显示 字体没有这个字，显示方框 字体栈加补字字体，见《网页和系统里怎么显示生僻字》
打印、证件 打印机或 PDF 没有嵌入字体 生成 PDF 时嵌入有这个字的字体

代码示例

JavaScript 判断是否全是汉字（包括扩展区）：

const isHan = (s) => /^\p{Script=Han}+$/u.test(s);
isHan("𠮷"); // true（U+20BB7，扩展 B）

按码位计算长度：

[..."𠮷野"].length; // 2，而 "𠮷野".length 是 3

MySQL 建表：

CREATE TABLE person (
  name VARCHAR(64) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci
);

连接时也要指定 utf8mb4，否则数据在传输中就会出错。

测试清单

上线前，至少用下面几类字测一遍：

合规要求

用于政务服务和公共服务的产品，GB 18030-2022 要求满足实现级别 3，见《GB 18030：中文编码的国家标准》。

参考资料

发现缺字怎么反馈

适合谁看：发现某款字体缺了需要的字、字形有错，或者遇到还没有编码的字，想反馈给相关方的人。

先分清是哪一类问题

问题 找谁
某款字体没有这个字，但这个字有 Unicode 码位 字体的作者或厂商
某款字体里这个字写错了、不符合规范 字体的作者或厂商
字有码位，但输入法打不出 输入法厂商
这个字根本没有 Unicode 码位 标准化渠道（见下文）
Unicode 官方资料（如码表、Unihan 数据）里有错 Unicode 联盟的错误报告页面

反馈时写清楚这几样

  1. 哪个字：贴出字本身，并写上 Unicode 码位（如 U+20BB7）；没有码位的，附上清晰图片和汉字描述序列（如 ⿰氵力），写法见《异体字、变体选择符和汉字描述序列》；
  2. 用在哪里：人名、地名、古籍、专业术语等，附上出处（如证件、地名录、文献页码）；
  3. 哪款字体、哪个版本：版本号的查法见《看懂字体信息：名称、版本、字重和许可》；
  4. 在什么环境下出现：操作系统、软件、浏览器；
  5. 截图：显示问题的截图。

给开源字体反馈

开源字体通常在代码托管平台上有「问题」（Issues）页面，按项目说明提交。提交前先搜索有没有人报告过同一个字。

给文风反馈

如果你在文风字体或文风网页字体中发现缺字、字形错误或许可信息有误，请发邮件到 license@wenfeng.org，按上面的要点写清楚。目前请用邮件反馈。

说明：文风收录的字体由各自的作者或厂商制作，缺字能否补上取决于原作者。

没有编码的字

新字进入 Unicode，一般要经过各国家和地区标准化机构汇总后，提交到表意文字工作组（IRG）审查，周期以年计。个人可以：

参考资料