社會組科技須知 - 電腦與字

台灣的教育制度會從國中開始把學生分成“社會組”（”文組“）跟“自然組”（”理組“）。目的好像是讓學生較早開始專心走其中一個方向，可以在這個專長達到較高的水準，因為不用花時間學其它方面的事。不過，這個做法也有缺點：每一組缺另外一組專長的基本知識。雖然有人會說這當然是這種措施的結果，某一方面根本就是目的。但是我在我的工作天天接觸社會組的人，發現他們其實缺很多對我來說算是常知的基礎。而且，這些缺乏會導致很多不便。社會組的人在“科技”方面很容易被騙，而且也不太有辦法用2007年的時候普遍的周邊科技。所以我想在這個“社會組科技須知”系列簡單地解釋一些“科技”基礎。重點是幫助語言相關的人多了解他們周邊的“科技玩具”，主要是因為我希望我的學生不只“會語言”，而有辦法應用。這次的題目：電腦與字。

今年（至少在我的世界）2007年。所以，如果我要寫文件，我會用電腦。（OK，我快二十年前已經這樣做，主要是因為我寫的字太難看。）筆譯也會用電腦，不只為了寫目標語言的文件，原來的文件根本已經是電子檔。不過，台灣的大學跟學院怎麼教筆譯？上課時發一張紙，叫學生在另一張紙上寫他們翻譯版本 - 可用手寫。

如果那些學生畢業之後想幫一家公司翻一些網路上要用的文件，他們可能很快就遇到一個很痛苦的問題：亂碼。他們花不少時間翻文件，存檔，送出去，但是公司完全沒有辦法使用。為什麼？

小時候，我們上課的時候可能要送一個小小的信給教室裡的另一個同學。如果被老師發現，老師會把我們的信拿走，而且會看它。為了偽裝內容，我們用一個簡單的表格，一邊列字母表所有的文字，另一邊再列一樣的字，但是亂改順序，像這樣：

A B C D E F G H I J K L M
Q W E R T Y U I O P A S D

N O P Q R S T U V W X Y Z
F G H J K L Z X C V B N M

（我承認這個順序不太亂，但是大部分的老師們還是不會“破”這個加密方法。）兩邊的學生必須有同樣的表格，而且千萬不可以讓老師發現它。用這個表格，原來一句"see you after school"會變成"ltt ngx qyztk leiggs"，但是收信的學生因為有同樣的表格會知道真的意思。在用拼音文字的國家，學生可以這樣做，在台灣需要的表格可能較大。（不過，這裡有一種東西叫注音符號……）

為什麼要說這個故事？因為電腦用一樣的做法，它只有兩個地方不一樣：電腦用的表格不是秘密，而是公開的標準。而且，電腦的表格只有一邊會有文字，另一邊都是數字。電腦本身只能處理數字，而且原則上只能處理位元。不過，因為there are only 10 kinds of people in the world: those who understand binary, and those who don't，我們在這裡還是用對人比較容易了解的數字。

早期的可以顯示文字的電腦用一個叫"ASCII"的表格。如果我們在那種電腦上寫"World"，記憶體裡面電腦會記錄"87 111 114 108 100"。So far, so good. 不過，這個ASCII表格好像沒有包含德文的"Ö"，法文的"ç"或丹麥文的"Ø"。那些國家的人被叫要用ASCII表，沒有辦法用到自己的語言需要的一些額外的字，當然有一點點不高興。所以，他們建立自己的表格：他們保留原來ASCII裡面已經有的文字，然後把一些他們覺得不那麼重要的符號換成自己需要的文字。

不過…… 如果我們看這個新的表格，我們會發現上面舉例的三個文字其實都有同樣的數值：92。當時，人還沒有想到網際網路或全球化，每一個國家做它自己的事。如果當時要列印，一定要確認在印表機上有沒有設好“編碼”。如果有設成丹麥文，但是要印德文的文章，德文的"äöü"就變成"æøå" - 不好玩。所以，後來有一些大一點的表格，但是這些表格還是最多只能包含200多字，不可能包含世界所有的拼音文字。所以，如果一台電腦要有辦法用多一些語言的字，它必須“知道”多一些表格，也必須有辦法切換那些表格。用錯表格，就會有一些亂碼。

不過，這樣沒有辦法在同一個的文件用屬於不同“表格”的語言。而且，像中文或日文的漢字要怎麼辦？好像不只有200個字…… 沒錯，這些表格會大一點，數值也要大一點。不過，基本的問題還是一樣：如果電腦用錯表格（編碼），就會有亂碼。其實，我們現在會有辦法在同一個文件用所有的語言，而不需要”切換“，因為有一個真大的表格（盡量）包含這個行球上所使用的字。（不過，這裡也有幾種表格，用不同的編碼方式，最流行的是UTF-8。）

所以，如果我們要存一個文字當，我們可能要注意我們要用什麼編碼，特別是軟體本土化（L10n）的時候。但是還有一個地方編碼錯誤造成很大的麻煩：網路上的HTML文件。原則上，每一個HTML文件（所以，每一頁，而且每一個frame也要）必須包含編碼資訊。十幾年前定的HTML規格要求這些設定。

如果按照HTML規格做，不管什麼語言，什麼作業系統或什麼瀏覽器，一定要正確地顯示出來。不過，”我會Frontpage“族從來沒有學HTML，而Frontpage的原始設定不會輸出標準的HTML。一些”目前只會support Microsoft“的廠商可能也要參考規格一下…… 所以，如果網頁上有亂碼出現，平常不是訪客電腦的問題，是提供那些內容的人在某一個地方做錯，所以訪客的電腦不知道現在到底要應用哪一個表格顯示字。

此外，這個網站用UTF-8，所以在一個文件使用多幾種語言也沒關系……