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： 有编码：这个字在 Unicode / GB 18030 里有编号吗？ 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？ 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 编码靠后：常用汉字都在 Unicode 的基本区；很多生僻字在后来增加的扩展区，位于「辅助平面」，有些老软件、老数据库处理不了，见《Unicode 里的汉字：基本区和扩展区》； 字体不全：多数字体只覆盖常用的几千到两万多字，扩展区的字很少有字体收录，见《一款中文字体要做多少字》； 还没编码：极少数字还没有进入标准，只能临时用私用区或图片，见《私用区（PUA）里的字为什么靠不住》。 下一步看哪里 想自己打出来：见《生僻字怎么输入》； 想让网页或系统正常显示：见《网页和系统里怎么显示生僻字》； 做业务系统、要存人名：见《人名、地名里的生僻字：系统怎么做》； 显示成方框的通用排查：见《繁体、日文、生僻字显示成方框怎么办》。 参考资料3GB 18030—2022 信息技术 中文编码字符集Character encodings for beginnersChinese and Japanese FAQ 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： 第 0 平面（基本多文种平面）：最常用的字符，包括常用汉字； 第 2、3 平面：几乎全是汉字扩展区； 第 15、16 平面：私用区，见《私用区（PUA）里的字为什么靠不住》。 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 在辅助平面：第 0 平面以外的字，在 UTF-8 里占 4 个字节，在 UTF-16（Windows、Java、JavaScript 内部常用）里要用两个单元（「代理对」）表示。只按 3 字节或 1 个单元处理的老程序会出错； 字体少：扩展 B 以后的字，多数常用字体都没有； 输入法少：很多输入法默认不出扩展区的字。 「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 Unicode 官方汉字数据库（Unihan）：输入字或码位查询； 在电脑上：Windows 的「字符映射表」、macOS 的「字符检视器」都能显示码位。 参考资料6Unicode 17.0.0Unicode 18.0.0Unicode 字符数据库：Blocks.txt 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。 2000 年首次发布，2005 年第一次修订； 现行版本是 GB 18030-2022，2022 年 7 月发布，2023 年 8 月 1 日实施； 共收录汉字 87,887 个，比上一版增收 1.7 万余个生僻汉字，收录了《通用规范汉字表》全部汉字，覆盖绝大部分人名、地名用生僻字。 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 级别 3 是「移动目标」：Unicode 继续增加扩展区，标准也可能继续跟进； 单款字体很难包揽：几万个汉字通常要靠多款字体配合，系统里用「备用字体」补字，见《网页和系统里怎么显示生僻字》； 软件要能处理 4 字节字符：见《人名、地名里的生僻字：系统怎么做》； 私用区不再需要：老版本要求的部分私用区映射，在 2022 版中已经改为标准码位，见《私用区（PUA）里的字为什么靠不住》。 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4新版〈信息技术 中文编码字符集〉强制性国家标准发布GB 18030—2022 信息技术 中文编码字符集GB 18030—2022 信息技术 中文编码字符集 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 字符集：收哪些字、每个字什么编号（如 Unicode、GB 18030）； 编码方式：把编号变成字节存起来的规则（如 UTF-8、UTF-16、GBK）。 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 「锟斤拷」：一段文字曾经被替换成了替代字符「�」，再用 GBK 显示出来；原文已经丢失，无法还原； 「浣犲ソ」这类怪字：UTF-8 的文字被当成 GBK 读了，用正确的编码重新打开就能恢复； CSV 用 Excel 打开乱码：文件是 UTF-8 编码，Excel 按系统默认编码打开。可以在 Excel 中用「数据 → 从文本/CSV」导入并选择 UTF-8，或保存为带 BOM 的 UTF-8。 怎么避免 统一用 UTF-8：网页、数据库、接口、文件都用 UTF-8； 网页声明编码： 写在 最前面； 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》； 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4Character encodings for beginnersDeclaring character encodings in HTMLEncoding Standard 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）： 笔画输入：先按 u，再按笔顺输入笔画： h 横、 s 竖、 p 撇、 n 捺（点）、 z 折。例如「木」输入 uhspn； 拆字输入：先按 u，再依次输入各部分的拼音。例如「林」拆成两个「木」，输入 umumu；也可以按部首拆，如「氻」拆成「氵」和「力」； 双拼用户用 Shift + U 进入这个模式。 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 Windows「字符映射表」：开始菜单搜索「字符映射表」，选择字体后可按 Unicode 码位查找、复制； macOS「字符检视器」：在任意输入框按 Control + Command + 空格，可以搜索、浏览汉字，查看码位。 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》）： Microsoft Word：输入码位（如 20B9F），紧接着按 Alt + X，就会变成对应的字； macOS：在「系统设置 → 键盘 → 输入法」里添加「Unicode 十六进制输入」，按住 Option 键输入码位； 网页 / 程序里：HTML 写 𠮟，CSS 写 \20B9F，JavaScript 写 "\u{20B9F}"。 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： 复制前确认是正式编码的字，而不是图片或私用区字符，见《私用区（PUA）里的字为什么靠不住》； 粘贴后显示方框，说明字已经进来了，只是当前字体没有，见《网页和系统里怎么显示生僻字》。 实在没有编码怎么办 极少数字还没有进入 Unicode。临时办法： 在正式文书中，按相关部门的要求处理； 一般场合，可以用「⿰氵力」这样的描述序列说明字形，见《异体字、变体选择符和汉字描述序列》。 参考资料4U 模式笔画输入插入基于拉丁语的 ASCII 或 Unicode 符号或字符在 Mac 上使用表情和符号 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」。 如果写法差别足够大，Unicode 会给它们不同的码位，可以直接输入； 如果差别很细微，Unicode 认为是同一个字，只给一个码位，具体写法交给字体。见《同一个字，为什么各地写法不同》。 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 这些组合需要在 Unicode 的「汉字变体数据库」（IVD）中登记； 已登记的集合包括 Adobe-Japan1、Hanyo-Denshi、Moji_Joho、MSARG、KRName、CAAPH 等，其中 Moji_Joho 集合最近一次在 2026 年 8 月增补； 多数集合服务于日本的人名和行政用字，也有服务于其他地区的集合；在中国大陆的日常中文场景中用得还不多。 使用 IVS 的前提 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； 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）； 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： ⿰氵力 表示左「氵」右「力」，即「氻」； ⿱艹田 表示上「艹」下「田」。 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4Ideographic Variation DatabaseUTS #37: Unicode Ideographic Variation DatabaseChinese and Japanese FAQ 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： 补字字体放在主字体后面：主字体有的字用主字体，没有的才用补字字体； 字体名以实际文件为准：上例中的遍黑体分成 P1、P2 两个文件，名称请以下载的文件和项目说明为准； 用 unicode-range 按需下载：把补字字体的 @font-face 限定在扩展区码位，页面里没有这些字时浏览器就不会下载： @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; } 风格尽量接近：正文是黑体就配黑体风格的补字字体，避免一个字突兀； 注意许可：补字字体也要允许网页嵌入，见《自托管网页字体的许可要点》。 字体栈的一般写法见《中文字体栈怎么写》。 文档和设计稿 Word、WPS 等会自动回退到系统字体；需要统一风格时，手动给生僻字指定一款有这个字的字体； 导出 PDF 时嵌入字体，接收方才能看到同样的字； 设计稿交给前端时，把用到的生僻字列出来，确认网页字体里有没有，见《从设计稿到上线：怎么和前端对接字体》。 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4font-family遍黑体 GitHub 仓库unicode-range 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 没有统一含义：同一个私用区码位，在甲单位的字体里是一个字，在乙单位的字体里是另一个字，在普通字体里什么都没有； 离开原系统就失效：发邮件、导出 PDF、迁移数据库、换手机，只要对方没有那款专用字体，就显示方框或别的字； 搜索、排序、转换都不认：搜索引擎、输入法、简繁转换都不知道这个码位是什么字； 标准已经补上：很多当年只能放进私用区的字，后来进入了 Unicode 的正式码位。据 Unicode 汉字专家 Ken Lunde 的介绍，GB 18030-2022 也取消了旧版标准中对私用区映射的要求。 遇到私用区的字怎么办 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； 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； 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3Private-Use Characters, Noncharacters & Sentinels FAQUnicode 字符数据库：Blocks.txtThe First Amendment 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： 扩展 A 的字（基本平面，但很多字体没有）； 扩展 B 及以后的字（4 字节）； 带变体选择符的字，见《异体字、变体选择符和汉字描述序列》； 输入、保存、搜索、导出 Excel、打印、短信、对接第三方，每个环节都要过。 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4MySQL 8.4 Reference Manual: The utf8mb4 Character SetUnicode character class escapeUAX #29: Unicode Text Segmentation 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 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》； 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）； 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》； 在什么环境下出现：操作系统、软件、浏览器； 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： 向所在地区的语言文字或标准化主管部门反映； 在此之前，系统内部用私用区过渡，见《私用区（PUA）里的字为什么靠不住》。 参考资料3UTC Script Encoding Working GroupContact FormIdeographic Research Group