外字注記辞書編纂プロジェクトの紹介

目次

外字注記辞書編纂プロジェクトの夜明け

　上記でも述べられているように入力や校正作業で困ることの一つに、入力された文字と底本の文字の違いをどう判断するかということがあります。

• 無視してもいい(パソコンの表示どおり)・・・包摂
• 底本の字がパソコンで入力可能な文字なのにパソコンの誤変換・・・入力ミス
• 外字注記すべき

目次に戻る

外字注記辞書編纂プロジェクトの作業方針

• 「青空文庫・漢字外字注記コレクション【第四版】」の後継でまだ公開にまでいたっていなかった「青空文庫・漢字外字注記コレクション【第五版】」に「青空文庫・外字注記コレクション【第五αwiki版】」にのみある外字を追加し点検していく
• ユニコードの数値文字参照を利用して画像作成の手間を軽減する
• 包摂基準などの確認
• 外字注記作成方針の確認
• 字体説明部分の確認
• JIS第三水準・第四水準・補助漢字などを追加していく
• 「第3水準、第4水準の漢字（JIS X 0213）」は、面区点番号をそえ、外字注記中の字体表現は規格票の例示字体をなぞる形で行う。
• 青空文庫入力作業で出現した「JIS X 0213」にない漢字を「ユニコード・コンソーシアム」が提供している「Unihanデータベース」の部首分類に従い追加する。また、外字注記部分にUnicodeを16進で追加する。ただし、外字注記中の字体表現は、底本に出現した形で行う。追加にあたって「Unihanデータベース」の例示字体と異なるときの手順の詳細は「第八版　改訂内容」に示す。
• 修正・追加したものを随時アクセスできるようにする
• Windows XP以外のOSでの動作確認

目次に戻る

外字注記辞書編纂プロジェクトでつかうソフト

Adobe Readerが必要です。Adobe Readerをまだインストールされてない方はからお使いのオペレーティングシステムに対応したAdobe Readerをダウンロードしてください。

外字注記辞書の使い方

• 次の方法で底本の漢字の情報を調べます。
  
  • CHISE IDS 漢字検索で捜す
  1. 漢字の部品を入力（複数可）
  2. 該当漢字の「(link map) 」クリックして「jis-x0208」のコードの漢字が底本と同じならば入力可能文字。
  3. 「jis-x0208」のコード以外しか表示されていないときは「外字注記辞書」でさがす
  • 微妙な字体差と包摂規準（できるだけ「外字注記辞書」にものせるようにしています）
    1. 底本で使われている漢字と入力したものとで、細部の形が微妙に異なっていることがあります。「果たしてこの字を使ってよいのか？」と、迷う場合もあるでしょう。その際、「よいか悪いか」の判断は、用いている漢字コードが「字体の揺れ幅」について定めた、「包摂規準」(１〜185番）にのっとって下します。青空文庫はJIS X 0208を使っていますから、その規準に従って、判断します。（加えて、JIS X0213で新たに定義された186〜199番にも従います。）
    2. 包摂規準とは、「この差ではコードを区別しない」という約束事の集まりです。ルールのすべては、JIS漢字コードの規格書（『7ビット及び8ビットの2バイト情報交換用符号化漢字集合』日本規格協会）の、「漢字の字体の包摂規準」（11〜23ページ）に定められています。（「JISX 0208と0213規格票の包摂関連項目」の「JIS X 0208」の項、参照。）
    3. ここに定められた包摂規準に従えば、本来、右に示す29文字のAとBのパターンは区別されなければいけません。ところが過去の規格改訂時に犯した誤りとつじつまを合わせるために、例外として「同じコードで入力する」とされています。これらに関しては、底本と表示文字にＡとＢの違いがあったとしても、その差は無視してください。
    4. JIS X 0208の包摂規準では、しんにょうの点が一つか二つか、草冠の横画が切れているか否かでコードは区別されません。画面やプリントアウトの表示と底本にこの差があったとしても、違いは無視してください。
    5. 細かな字体差を無視して入力しても良いのか、それとも外字として注記すべきか判断を迫られたときは、JIS X 0208の「漢字の字体の包摂規準」を参照してください。そして「外字注記辞書」でさがしてみてください。

    「工作員作業マニュアル」の「「【微妙な字体差と包摂規準】」 」からの抜粋

• 黒字の所をコピーして貼付けてください。
  • 「外字注記辞書」で「※［＃「・・・」、第・水準・・・］」となっていたら※から］の間をすべて入力
  • 「外字注記辞書」で「→［包摂適用　■］」となっていたら、「■」で入れる
  • 「外字注記辞書」で「→［統合適用　■］」となっていたら、「■」で入れる
  • 「外字注記辞書」で「→［デザイン差　■］」となっていたら、「■」で入れる
  • 「外字注記辞書」で「→［78互換包摂　■］」となっていたら「■」で入れる
• 「外字注記辞書」に無い場合は「外字に関する注記」を参考に字体を表現してみてその旨を入力ファイルを送付するときにメールにメモしてくださると幸甚です。
• 点検部屋担当者は校正前点検でメモされた漢字が新出外字かどうか、また新出外字ならその字体表現が適切か検討し該当ファイルの訂正および「外字に関する注記」に追加する

目次に戻る

公開テキスト版(ウェブ上)での外字表示

林 芙美子の「放浪記（初出）」から表示例をあげてみる

• テキスト版の外字注記中、JIS X 0213にあるもの
  テキスト版の外字注記
  

  　遠雷のような汐鳴りの音と、窓を打つ※［＃「金＋肅」、第3水準1-93-39］々たる雨の音に、私がぼんやり目を覚ましたのは、十時頃だろうか、コロロホルムの酢の様な匂いが、まだ部屋中流れているようで、私はそっと窓を開けた。

  ウェブ上での表示
  

  　遠雷のような汐鳴りの音と、窓を打つ々たる雨の音に、私がぼんやり目を覚ましたのは、十時頃だろうか、コロロホルムの酢の様な匂いが、まだ部屋中流れているようで、私はそっと窓を開けた。
  

• テキスト版の外字注記中、JIS X 0213にないもの
  テキスト版の外字注記
  

  　二日も飯を食えないジンジンする体を、三畳の部屋に横たえている事は、まるで古風なラッパのように埃っぽく悲しくなる。生※［＃「さんずい＋垂」、U+6DB6、235-7］が煙になって、みんな胃のふ［＃「胃のふ」に傍点］へ逆もどりだ。

  ウェブ上での表示
  

  　二日も飯を食えないジンジンする体を、三畳の部屋に横たえている事は、まるで古風なラッパのように埃っぽく悲しくなる。生※［＃「さんずい＋垂」、U+6DB6、235-7］が煙になって、みんな胃のふへ逆もどりだ。
  

  ］

面区点番号の付与は、マニュアルで要求されていない。そのために多くのファイルが、面区点番号を欠いている。だが、xhtmlファイルの自動生成を進めるためには、「第3水準1-93-39」にあたるところを書き込んでおくことが、必須となる。これにより外字画像をリンクさせている 入力ファイルを「テキスト版」に仕上げるためにからの抜粋

目次に戻る

入力時に使える文字

• JIS X0201:1997(半角で表示されるラテン文字、数字、記号)
  

    SJIS   +0 +1 +2 +3 +4 +5 +6 +7 +8 +9 +A +B +C +D +E +F
     20       !  "  #  $  %  &  '  (  )  *  +  ,  -  .  /
     30    0  1  2  3  4  5  6  7  8  9  :  ;  <  =  >  ?
     40    @  A  B  C  D  E  F  G  H  I  J  K  L  M  N  O
     50    P  Q  R  S  T  U  V  W  X  Y  Z  [  \  ]  ^  _
     60    `  a  b  c  d  e  f  g  h  i  j  k  l  m  n  o
     70    p  q  r  s  t  u  v  w  x  y  z  {  |  }  ~   
  

• JIS X0208:1997（JIS非漢字、JIS第1水準漢字およびJIS第2水準漢字）
  
  • JIS非漢字(全角記号)

    シフトJIS   +0 +1 +2 +3 +4 +5 +6 +7 +8 +9 +A +B +C +D +E +F
    　8140      　　、。 ， ． ・ ： ； ？ ！ ゛ ゜ ´ ｀ ¨ ＾
    　8150      ￣ ＿ ヽ ヾ ゝ ゞ 〃 仝 々 〆 〇 ー ― ‐ ／ ＼
    　8160      〜 ‖ ｜ … ‥ ‘ ’ “ ” （ ） 〔 〕 ［ ］ ｛
    　8170      ｝ 〈 〉 《 》 「 」 『 』 【 】 ＋ − ± ×
    　8180      ÷ ＝ ≠ ＜ ＞ ≦ ≧ ∞ ∴ ♂ ♀ ° ′ ″ ℃ ￥
    　8190      ＄ ¢ £ ％ ＃ ＆ ＊ ＠ § ☆ ★ ○ ● ◎ ◇ ◆
    　81A0      □ ■ △ ▲ ▽ ▼ ※ 〒 → ← ↑ ↓ 〓 
    　81B0      　　　　　　　　　　　　∈ ∋ ⊆ ⊇ ⊂ ⊃ ∪ ∩
    　81C0　　　　　　　　　　　　　　　∧ ∨ ¬ ⇒ ⇔ ∀ ∃
    　81D0      　　　　　　　　　　　　　　　∠ ⊥ ⌒ ∂ ∇ ≡
    　81E0　　　≒ ≪ ≫ √ ∽ ∝ ∵ ∫ ∬ 
    　81F0      Å ‰ ♯ ♭ ♪ † ‡ ¶ ◯
    　82E0　　　　　　　　　　　　　　　　　　　　　　　　ゐ ゑ
    　8390      ヰ ヱ ヲ ン ヴ ヵ ヶ 　                      Α
    　83A0      Β Γ Δ Ε Ζ Η Θ Ι Κ Λ Μ Ν Ξ Ο Π Ρ
    　83B0      Σ Τ Υ Φ Χ Ψ Ω 　　　　　　　　　　　　α
    　83C0      β γ δ ε ζ η θ ι κ λ μ ν ξ ο π ρ
    　83D0      σ τ υ φ χ ψ ω
    　83E0      А Б В Г Д Е Ё Ж З И Й К Л М Н О
    　8440      П Р С Т У Ф Х Ц Ч Ш Щ Ъ Ы Ь Э Ю
    　8450      Я
    　8470　　　а б в г д е ё ж з и й к л м н
    　8480      о п р с т у ф х ц ч ш щ ъ ы ь э
    　8490      ю я 　　　　　　　　　　　　　　　　　　　 ─
    　84A0　　　│ ┌ ┐ ┘ └ ├ ┬ ┤ ┴ ┼ ━ ┃ ┏ ┓ ┛ ┗
    　84B0      ┣ ┳ ┫ ┻ ╋ ┠ ┯ ┨ ┷ ┿ ┝ ┰ ┥ ┸ ╂
    

  • JIS非漢字(全角ひらがな、カタカナ、ラテン文字、数字)
  • JIS第1水準漢字
  • JIS第2水準漢字

入力時に使えない文字

• JIS X0201:1997(半角で表示される、JIS X 0201のカタカナ)
• Windowsの機種依存文字・・・このページを参照
• Macintoshの機種依存文字・・・このページを参照

外字に関する注記

【書式】

問題の字が使われているところに※［＃「◎」、▲］の書式で注記

• 第３第４水準にある漢字の注記
  ◎の所には次項「【字体説明部分には何を示すのか】」を参考に字体の説明を入力
  ▲の所に面区点番号を「第3水準1-84-77」の形で示します。
  面区点番号は、半角記号の「-」の前後を挟んで、半角のアラビア数字で表記します。
  《例》※［＃「てへん＋劣」、第3水準1-84-77］
• 第３第４水準にない漢字の注記
  ◎の所には次項「【字体説明部分には何を示すのか】」を参考に字体の説明を入力
  ▲の所にユニコードと問題の字が使われている底本上の箇所を「ページ数-行数」の形で示し、35-7のように書いてください。
  「ページ数-行数」は、半角記号の「-」の前後を挟んで、半角のアラビア数字で表記します。
  《例》※［＃「口＋世」、U+546D、35-7］

＃マニュアルの確定方針を変更し、原則として、「「読み」の記載は行わない。第3第4水準にあるものは、「ページ数-行数」の記載を行わない。」ことを提案しています。

テキスト版の注記をどう書くかの外字に関する注記からの抜粋

目次に戻る

【字体説明部分には何を示すのか】

1. JIS X 0213にあるものに関しては、底本の文字の形ではなく、該当する規格票の面区点位置の字体を示す。（これによって、くさかんむりの複数パターン問題が回避できる。）
2. JIS X 0213にないものに関しては、底本の文字の形を示す。

目次に戻る

【字体説明表現決定の流れ】

1. JIS X 0208の範囲内で可能であるなら、部分字体は名称ではなく、形で示す。

   例）

   • 「亠」とし、「なべぶた」とはしない。
   • 「儿」とし、「ひとあし」とはしない。
   • 「冫」とし、「にすい」とはしない。
   • 「匚」とし、「はこがまえ」とはしない。
   • 「匸」とし、「かくしがまえ」とはしない。
   • 「厂」とし、「がんだれ」とはしない。
   • 「口」とし、「くちへん」とはしない。
   • 「囗」とし、「くにがまえ」とはしない。
   • 「廴」とし、「えんにょう」とはしない。
   • 「彳」とし、「ぎょうにんべん」とはしない。
   • 「豸」とし、「むじなへん」とはしない。

2. 形で部分字体を示したもののうち、「かしら」「かんむり」には、「かしら」「かんむり」を添える。

   例）

   • 「人がしら」とし、「人」とはしない。
   • 「入がしら」とし、「入」とはしない。
   • 「八がしら」とし、「八」とはしない。
   • 「爪かんむり」とし、「爪」とはしない。
   • 「竹かんむり」とし、「竹」とはしない。
   • 「雨かんむり」とし、「雨」とはしない。

3. 形で部分字体を示したもののうち、以下に掲げたもの限っては、字体の微妙な差異による誤解を防ぐために、「へん」「にょう」などを添える。

   例）

   • 「足へん」とし、「足」とはしない。（へんとして用いられる場合。）
   • 「土へん」とし、「土」とはしない。（へんとして用いられる場合。）
   • 「走にょう」とし、「走」とはしない。（にょうとして用いられる場合。）
   • 「鬼にょう」とし、「鬼」とはしない。（にょうとして用いられる場合。）
   • 「麦にょう」「麥にょう」とし、「麦」「麥」とはしない。（にょうとして用いられる場合。）
   • 「風にょう」とし、「風」とはしない。（にょうとして用いられる場合。）
   • 「瓜のにょうの形」とし、「瓜」とはしない。（にょうとして用いられる場合。）

   ※検討課題。
   「火／火へん」「立／立へん」「王／王へん」「金／金へん」「牛／牛へん」「馬／馬へん」などに関しては、「へん」なしとする

4. 以下に掲げたものに限っては、部分字体を名称のみで示す。

   例）

   • 「ぼう」
   • 「にんべん」
   • 「りっとう」
   • 「りっしんべん」
   • 「てへん」
   • 「さんずい」
   • 「れんが」
   • 「けものへん」
   • 「やまいだれ」
   • 「ぐうのあし」
   • 「くさかんむり」
   • 「ころもへん」
   • 「一点しんにょう／二点しんにょう」
   • 「おおざと」
   • 「こざと」

   ※検討課題
   「つりばり」は不採用でいきたい。形を想像できない人が多いと思われるので。
   「しんにょう」は、次項9.に関連して、「一点しんにょう」「二点しんにょう」と書き分ける。

5. 1）〜4）で表現できないときは、「Ａのつくり」、「Ａのへん」などと書く。

   例）

   • 「俊のつくり」
   • 「捷のつくり」
   • 「礼のつくり」（つりばりは不採用としたいので。）
   • 「操のつくり」
   • 「蚌のつくり」

6. 1）〜4）と字体説明用の記号（＋、−、／、＜）を用いても書けるが、5）を用いた方が規格票を忠実に表現できる場合は、5）を用いる。

   例）

   • 「馬＋（米／（夕＋ヰ））」の代わりに、「「馬＋鄰のへん」と書く。

7. 1）〜6）で表現できないときは、「「Ａ」の「Ｂ」に代えて「Ｃ」」といった形を用いる。

   例）

   • 「或」の「丿」に代えて「彡」
   • 「恵」の「心」に代えて「日」

8. 1）〜4）と字体説明用の記号（＋、−、／、＜）を用いても書けるが、7）を用いた方が分かりやすいと思われるなら、7）を用いると良い。

   例）

   • 「（臣＋又）／金」の代わりに、「「堅」の「土」に代えて「金」」のほうがわかりやすい。

9. 字体差は、包摂規準に該当するものであっても区別して表現する。
   • しんにょうは、一点か二点かを明記することになる。（※これまでは、あまり行われていない要素。）
   • 食へんは、ほとんどの場合5）もしくは7）のパターンで説明せざるを得なくなると思われる。
   • 网がしらは、ほとんどの場合5）もしくは7）のパターンで説明せざるを得なくなると思われる。

   例）

   • 「しんにょう＋章」ではなく、「二点しんにょう＋章」と書く。
   • 「食＋亶」ではなく、「飮のへん＋亶」と書く。
   • 「网がしら／（厂＋（炎＋りっとう））」ではなく、「罘」の「不」に代えて「厂＋（炎＋りっとう）」、と書く。
   • 「木＋習」ではなく、「木＋褶のつくり」と書く。
   • 「さんずい＋畔」ではなく、「さんずい＋田＋絆のつくり」と書く。
   • 「王＋連」ではなく、「王＋二点しんにょうの連」と書く。
   • 「缶＋尊」ではなく、「缶＋墫のつくり」と書く。
   • 「金＋尚」ではなく、「金＋淌のつくり」と書く。
   • 「正＋青」ではなく、「政のへん＋睛のつくり」と書く。
   • 「言＋慧」ではなく、「言＋（彗／心）」と書く。
   • 「羽／廾」ではなく、「栩のつくり／廾」と書く。

10. 字体説明に利用できる漢字が存在しない場合に限って、「正字」「旧字」といった表現を用いても良い。

    例）

    • 「魚＋戸の旧字」
    • 「木＋勝の旧字」
    • 「「姉」の正字」
    • 「「柿」の正字」
    • 「「怱」の正字」

11. 他にまったく書きようのないものに限っては、説明的な表現を用いても良い。

    例）

    • 「Ｙに似た字」

Windows機種依存文字の外字注記作成方針から方針に当たるところを抜粋した。

目次に戻る

【漢字構成記述記号】

＃以下はマニュアルに記載済みの、確定した作業方針です。（ただし「−」、「＜」はマニュアルに未記載。）

1. 字体の組み立てを、鍵括弧（「　」）で挟んで説明してください。
2. 左右に並んでいる部分は、「＋」でつないでください。
   《例》「林」を表現する際には、「木＋木」と書きます。
3. 「たれ」や「にょう」との組み合わせにも「＋」を用いてください。
   《例》「病」を表現する際には、「やまいだれ＋丙」と書きます。

記入例


---

　「※［＃「目＋争」」、U+7741、ページ数-行数］」
　「※［＃「登＋おおざと」、第3水準1-92-80］」
　「※［＃「厂＋萬」、第3水準1-14-84］」
　「※［＃「二点しんにょう＋官」、第3水準1-92-56］」


---

4. 上下の関係にあるものは、「／」でつないでください。
   《例》「音」を表現する際には、「立／日」と書きます。

記入例


---

　「※［＃「くさかんむり／宛」、第3水準1-90-92］」
　「※［＃「白／十」、第3水準1-88-64］」


---

5. ある字体から別の部分字体をのぞく場合は、「−」を用いてください。
   《例》「辛」を表現する際には、「梓−木」と書きます。
   

記入例


---

　「※［＃「菌−くさかんむり」、第4水準2-4-56］」


---

6. 上下、左右の関係にあるものを組み合わせて示す際は、「（　）」を補って、位置関係をはっきりさせてください。
   《例》「森」を表現する際には、「木／（木＋木）」と書きます。
   

記入例


---

　「※［＃「水／（水＋水）」、第3水準1-86-86］」


---

7. かまえに入っている形は、「＜」で示してください。
   《例》「間」を表現する際には、「門＜日」と書きます。
   

記入例


---

　「※［＃「勹＜夕」、第3水準1-14-76］」
　「※［＃「門＜虫」、第3水準1-93-49］」


---

8. 「＋」や「／」や「＜」で表しにくい場合には、つぎのように説明してもかまいません。
   《例》「「阜」の「十」に代えて「虫」」

＃以下はマニュアルに記載のない、作業方針の提案です。

1. 外字には、やのつくりのように、説明の困難なものがあります。
   どうしても、字の組み立てを表現できないときには、「●の正字」といった表現を例外的に用いるしかないでしょう。
   

   記入例
   

   ---

   「※［＃「木＋（「第−竹」の「コ」に代えて「丿」）、「柿」の正字」、第3水準1-85-57］」
   「※［＃「女＋（「第−竹」の「コ」に代えて「丿」）、「姉」の正字」、U+59CA、ページ数-行数］」
   

   ---

テキスト版の注記をどう書くかの外字に関する注記からの抜粋

目次に戻る

アクサンテギュ、アキュートアクセント（´）、アクサングラーブ、グレーブアクセント（｀）、アクサンシルコンフレックス、サーカムフレックスアクセント（＾）、ウムラウト、ダイエレシス（¨）などの、アクセント符号の付いたラテン・アルファベットは、使える文字の中にはありません。
工作員マニュアルは、の「■入力の実際」の「（３）外国語」の「【アクセント符号付きのラテン文字】」で、これらに関しては、次のように注記するよう求めていますが、マニュアルに記載したこの注記形式は、今後は用いません。

フランスには raffine［＃eはアクサンテギュ（´）付き］ という語がある。

これに代えて、アクセント符号付きのラテン・アルファベットは、「アクセント分解」と呼ばれる手法を用いて表記します。＃マニュアルの作業方針を変更するよう提案しています。

詳しいいきさつは「青空文庫テキストへの「アクセント分解」の適用」にあります。

---

1. 今まで青空文庫に出現したアクセント符号付きのラテン・アルファベットは、外字注記辞書に載せていますので外字注記辞書の使い方を参照して下さい。
   
   
2. 「外字注記辞書」に無い場合は、考案者である山本有二さんの「アクセント付き文字の変換表」を参考に字体を表現してみてその旨を入力ファイルを送付するときにメールにメモしてください。
   
   
3. 「raffine」という語の「e」にアクサンテギュ（´）が付いている場合は、「変換表」で e の小文字をあたります。
   
   
4. 「233」の「アキュートアクセント付きE小文字」の欄に、表記法「e'」が示してあります。
   
   
5. これを用いて、問題の語は「raffine'」と書きます。

---

アクセント分解を用いる際の約束事

• アクセント分解を用いる際には、対象となる範囲を「〔　〕」を用いて特定します。

  《例》 繁雑な日本の 〔e'tiquette〕 も、

  かな、漢字、記号（句読点と括弧をのぞく）とアルファベットの境は、マニュアルによって半角あけるよう定められています。
  アクセント分解の範囲を特定するための「〔　〕」は、アルファベットの一部と位置づけます。よって、かな、漢字、記号（句読点と括弧をのぞく）との境は、上の例のように半角あけてください。
• 句読点とアルファベットの境は、半角あけません。よって、次の例では、句読点の後にはあきを入れず、ひらがなの「の」とのあいだは半角あけます。
  

  《例》 いささか、〔e'tranger〕 の感があった。

• 「〔」が行頭に来るときには、半角あきは入れません。
  

  《例》	〔Son coeur est un luth suspendu; Sito^t qu'on le touche il re'sonne.〕 「彼が心は懸《か》かれる琵琶《びわ》にして、 触るればたちまち鳴りひびく」

• 文を構成する単語にアクセント分解を用いる際は、当該の単語ではなく、文全体を「〔　〕」でくくってください。
  

  《例》 〔La pense'e doit remplir toute l'existence.〕

• 複数の文からなる、段落の一部にアクセント分解が使われている場合は、段落全体を「〔　〕」でくくってください。
• アクセント分解は、対象となる言語の基礎的知識を備えた「人」に対して、「読みやすさ」を提供するための工夫です。青空文庫ではこれを、外字を画像化して置き換える際の「コード」としても利用します。「言語に対する知識」をもたない機械に処理を委ねると、特定のケースで問題が生じるときがあります。外字の画像置き換えが正しく行われないと予想される場合には、範囲を特定するための「〔　〕」を、以下のように、対象となる文字だけに限定して用いてください。

  《例》	jusqu'〔a`〕 presqu'〔i^le〕 presqu'〔i^〕le 'Je me suis 〔blesse'e〕', dit-elle. 'bless〔e'〕e'

テキスト版の注記をどう書くかの外字に関する注記からの抜粋

目次に戻る