特别罕用的字怎么输入? 兼谈Unicode codecharts.pdf文件中有些字符即使复制也得不到正确的内容?

为什么Unicode codechart文件中有些字符即使复制也得不到正确的内容?

Unicode 17.0标准的codechart.pdf文件(下载地址https://www.unicode.org/Public/17.0.0/charts/)，收集了标准所覆盖的所有字符。大部分输入法都做不到能够输出这标准中新增的全部字符。如果我想在别的文件中使用某些字符，最简单的办法，我想就是从这个文件中复制出来吧?
然而我意外的发现，这种做法不靠谱，有很多字符不能用这个办法正确复制出来，或者说，虽然PDF文件提供了给你复制的可能，但粘贴到目标程序中，有时你得不到正确的字符。
于是我做一点简单的研究。
先看演示，因为汉字字符在Unicode中数量最多，扩展集也很多。我把字符从PDF文件中复制出来(PDF文件用Foxit PDF Editor打开，操作系统为64位 Windows 11),然后粘贴到Word中，已经设置Word的字体为支持到unicode 17.0的文津宋体。
第1轮，试验基本平面(BMP)，复制 CJK统一表意符的首部与尾部，码点为0x4E01的丁，0x9FFF的鿿，都是OK的。
第2轮，试验CJK ExtA, 码点为 0x4300 㐀、 0x4BDF 䶿，也是OK。
第3轮 试验CJK ExtB，码点为0x20000，这里就出问题了，这个码点的字型有3个字符，前两个复制出来的得到的不是汉字，第3个粘贴到Word中得到的却是个昱字。

第4轮，试验CJK ExtC，码点2A700 𪜀 2B73D愸 都是正确的。
第5轮， CJK ExtD，2B740 𫝀 正确，2B81D 又出错了。

简单的测试这些就非常明确的显示了，从CodeCharts.pdf往外复制字符，并不靠谱，有时可以，有时得不到正确的字符。我甚至用十六进制编辑器看了下复制过来的字符，其字符的码点非常随意.比如0x2B820这个字符复制到Hex编辑器中，得到的编码竟然是0x0100，属于Latin字符扩展; 0x2B82A，字形为：⿰以下， 粘贴到了Word中变成了汉字 “偿“。都对不上了。

还有别的问题，比如说一个字符有几种不同的变体字形，按理说 他们复制出来，应该码值是一样的。但实际上往往都是不一样的。这里就不贴证据了。

我推测下，这种现象背后的原因，可能在这个PDF制作时引用的字体，其内部没有规范的给新的字形以正确的unicode编码，而是指定了一个别的编码，比如他们自己使用的顺序号或什么的。生成PDF时，根据这个编码从相应的字体中提取了字形信息放到了PDF中。这样当PDF文件在我们的屏幕上在显示字形时，由于其内部提供了字形信息(也就是所谓的嵌入了字体)，它的字形是正确的。但复制到剪贴板上时，PDF编辑器复制的当然不是字形，而是这个字符在嵌入字体中的编码，这个编码与Windows上遵循的Unicode标准的编码不一致，显示就出问题了，表现为复制出来的不是在PDF中看到的那个文件。

这样带来了一个问题，如果我想要在新文件中使用这个字符，那该怎么办?

有几种办法，

最简单的方法，用支持新字符的输入法，比如黄狗五笔Unicode输入法，目前可以打出支持到 unicode 17的汉字。你安装一下即可。
第2种方法，用Word来转换。先查Codechart.pdf 找到这个字的unicode码，这个文件中，汉字除了有Unicode编码，还提供了它的部首与笔画信息，如图示例，这个字的unicode码是十六进制的32501，部首是“厂“， 27.54表示：厂字索引顺序是27，除部首外的笔画是54画。有了这些信息在rsindex.pdf中查字就很快了。

有了这个unicode编码(如32501)，然后在Word中输入这个数字，再按Alt+X，就将码点转化为相应的字符了(当然，还要设置合适的字体能够显示它，不然也只看到一个⬜或?。

等效的操作是，可以在Word点工具栏上的按钮，插入--符号--其它符号 打开对话框，选择大字符集的字体，根据它的uniccode码，拉动滚动条或按上下箭头，快速找到的相应的字符再点插入即可。这种办法，只要字体里面有，它就可以显示出来，因此，处理罕用字首先就要准备相应的字体文件。目前可用的有字云字体(Jigmo), 全宋体，文津宋体等。新宋体也有更新的字体文件可以支持到cjk ExtJ.

第3种办法，也很简单，但仅适用于汉字。查unicode 标准的RSindex.pdf; 它像汉字字典一样，可以根据偏旁笔画来找，查找字符之后，从这个文件里复制出来。这个文件做得很规范，我测试了一些字符，连最新的CJK extJ的汉字 也能正确复制出来。

第4种方法，我写了一个小工具，可以根据输入的Unicode码将字符发送到编辑器内(相当于一个Unicode的码点输入法)，前提是你拿到了字符的码点。工具见之前的博客《支持最新unicode 17.0标准，可以输入10万汉字的五笔86输》网址。