馬征

一、信息系統(tǒng)字符集情況介紹

（一）字符集概述

字符是各種文字和符號的總稱，包括各國文字、標點符號、圖形符號、數(shù)字等。字符集（Character set）是多個字符的集合，字符集種類較多，每個字符集包含的字符個數(shù)不同，目前漢字字符集主要有：《信息交換用漢字編碼字符集 基本集》（GB2312-1980），《漢字內碼擴展規(guī)范》（GBK），《信息技術 信息交換用漢字編碼字符集 基本集的擴充》（GB18030-2000），《信息技術 中文編碼字符集》（GB18030-2005），《信息技術 通用多八位編碼字符集（UCS）》（GB13000-2010）。國外軟件系統(tǒng)考慮跨語言、跨平臺處理需求，常用的字符集為Unicode，在操作系統(tǒng)、應用程序中廣泛應用。從執(zhí)行效力看，Unicode與GBK為行業(yè)性規(guī)范，GB2312-1980、GB13000-2010為國家推薦性標準，GB18030-2000和GB18030-2005為國家強制性標準。GB18030-2005現(xiàn)已代替GB18030-2000，其與GB18030-2000相同部分為強制性。從兼容、支持角度看，GB18030-2005能夠與GB2312-1980完全兼容，與GBK基本兼容，支持Unicode 4.0的全部統(tǒng)一漢字。GB13000-2010等同于國際標準化組織（ISO）發(fā)布的通用多八位編碼字符集（ISO/IEC 10646：2003）和多語言軟件制造商聯(lián)盟發(fā)布的統(tǒng)一碼（Unicode 4.0）。詳細信息見表1。

（二）銀行字符集采用情況

以某省城市商業(yè)銀行和農聯(lián)社的487個信息系統(tǒng)為樣本，統(tǒng)計其所涉操作系統(tǒng)、數(shù)據(jù)庫、對外接口及應用（包括中間件、報文傳輸、源代碼）字符集情況。從統(tǒng)計結果看，操作系統(tǒng)、數(shù)據(jù)庫、對外接口及應用采用的字符集主要是Unicode、GBK，少數(shù)為GB2312、GB18030，且支持GB18030的全部為Linux平臺，行業(yè)性規(guī)范成為應用主流，國家標準反而應用較少，詳細情況見表2。造成這一現(xiàn)象的主要原因是：國際上，Unicode由大的軟件制造商組成的聯(lián)盟制定，具有跨語言、跨平臺優(yōu)勢，使其成為應用主流。國內來講，作為基礎軟件的Windows操作系統(tǒng)自帶字符集還是GBK，對于GB18030-2005，Windows雖然提供了擴展支持包，卻沒有實現(xiàn)全面的支持。加之GB18030-2005的宣傳、推廣不足，多年下來，形成了GBK的市場應用存量與慣性，一定程度上限制了對GB18030-2005的應用。

二、生僻字原因分析

金融行業(yè)生僻字是信息系統(tǒng)在存儲、傳輸、顯示等過程中無法正常處理的字符，按照產(chǎn)生原因可劃分為三種情況：一是采用不同字符集的系統(tǒng)交互導致部分字符無法處理。比如當采用GB18030字符集的應用與采用GBK字符集的應用交互時，由于GBK字符只有21003個，在這范圍之外的字符就會無法處理。二是部分字符“一字多碼”導致無法處理?！耙蛔侄啻a”的出現(xiàn)主要是因為Unicode的編碼空間內存在用戶自定義區(qū)（PUA），允許自定義編碼來處理一些生僻字，這些生僻字后期又被Unicode正式收錄，造成一個漢字既有PUA編碼又有Unicode正式碼的“一字多碼”問題。例如“?”字，其在Unicode自定義區(qū)編碼為“E863”，而其正式編碼為“4DAE”。由于GB18030-2005與Unicode編碼的一一對應關系，“一字多碼”問題同樣存在于GB18030-2005編碼空間。這部分字大約有3000多個，包括GBK在1995年制定時收錄的52個漢字和公安部人口信息系統(tǒng)中收錄的方正自定義字中的大部分。三是終端設備字庫和常用輸入法不支持生僻字。一方面，很多終端設備字庫和輸入法支持的規(guī)范、標準內的字符不全，有的僅支持GBK的21003個字，有的雖然支持GB18030的4字節(jié)字符，但不全面，導致終端無法輸入、顯示和打印。另一方面，公安部人口信息系統(tǒng)中存在大約4700個生僻字，屬于方正公司自定義字，需要購買方正字庫獲得，否則這4700個生僻字終端無法輸入、顯示和打印。

三、生僻字應對方法

（一）技術層面處理方法

一是按照“存量升級、增量符合”“先輔助后核心”的原則升級改造。原先使用GBK、GB2312字符集的存量系統(tǒng)升級為GB18030-2005字符集，擴大支持的字符集范圍;原先使用UTF-8、UTF-16編碼方式但僅支持Unicode基本多語言平面（BMP）的存量系統(tǒng)，升級為支持Unicode全部平面。新增信息系統(tǒng)則強制支持GB18030-2005字符集。二是針對特殊情況個案處理。對于采用GBK字符集的DB2數(shù)據(jù)庫，目前升級字符集難度較大，需要DB2廠商的開發(fā)支持，金融機構可采用傳輸、存儲時不進行GBK轉碼，直接按照GB18030編碼格式進行二進制存儲作為過渡解決方案。對于“一字多碼”問題，則是在存儲環(huán)節(jié)統(tǒng)一轉化為其Unicode正式碼或其Unicode正式碼對應的GB18030編碼，從而實現(xiàn)字符編碼的統(tǒng)一。三是升級終端字庫和輸入法，擴大終端支持的字符數(shù)量，解決終端生僻字的輸入、顯示和打印問題。

（二）業(yè)務層面處理方法

業(yè)務層面的生僻字處理主要有兩個環(huán)節(jié)：一是客戶信息錄入環(huán)節(jié)。在征得客戶同意后，商業(yè)銀行業(yè)務人員通常采用拆字、拼音、繁體字代替等方法變通處理。例如通過拆字方法將客戶姓名“王陹”錄入為“王（耳升日）”;使用拼音將“張?”錄入為“張YAN”，并在備注欄輸入“張（上龍下天）”;使用繁體字將“讠永”錄入為“詠”。二是客戶信息校驗環(huán)節(jié)。各商業(yè)銀行生僻字處理方法、規(guī)則不一，導致跨行轉賬、綁卡等業(yè)務環(huán)節(jié)客戶信息自動校驗無法通過，商業(yè)銀行業(yè)務人員通常采取人工干預方式處理。例如跨行來賬業(yè)務因生僻字問題出現(xiàn)戶名不符時，通過電話聯(lián)系客戶或向付款行發(fā)出查詢，確認相同后再進行入賬處理;或者要求客戶臨柜進行業(yè)務辦理，增加社?？?、機動車駕駛證、戶口簿等作為輔助核驗手段。

四、生僻字應對建議

（一）加快金融業(yè)生僻字處理指南的制定

標準化、規(guī)范化的生僻字業(yè)務處理流程有助于克服各銀行處理標準不一導致的識別、處理問題，也是當前條件下金融業(yè)應對生僻字問題、提升金融服務體驗最直接、有效的方法。建議進一步加快金融業(yè)生僻字處理指南的制定，統(tǒng)一規(guī)定拆字、拼音、繁體字代替等方法的具體使用情形。整理全行業(yè)遇到的生僻字，建立生僻字替代查找?guī)?，方便一線業(yè)務人員使用，從而發(fā)揮金融行業(yè)標準的標桿和促進作用，不斷提升金融服務水平與效率。

（二）循序推進金融行業(yè)字符集升級

金融行業(yè)信息系統(tǒng)眾多，對所有信息系統(tǒng)進行字符集升級，涉及核心系統(tǒng)、柜面系統(tǒng)、支付平臺、網(wǎng)銀互聯(lián)平臺、網(wǎng)銀及手機銀行等系統(tǒng)，需對數(shù)以萬計的代碼源文件進行改動，其中的開發(fā)和測試投入成本較大，也面臨一定的時間與風險考驗，因此，推動金融行業(yè)信息系統(tǒng)字符集升級將是一個長期過程，必須堅持循序漸進原則，區(qū)分“存量系統(tǒng)”與“新增系統(tǒng)”“輔助系統(tǒng)”與“核心系統(tǒng)”，綜合考量各項影響因素，合理制定推進計劃，逐步完成字符集升級改造。

（三）加大國家強制標準宣傳實施力度

面向開發(fā)商、行業(yè)用戶開展針對性宣傳，增強標準貫徹意識，落實標準為民利企的發(fā)展理念。對不符合GB18030-2005強制要求的基礎軟件產(chǎn)品，如操作系統(tǒng)、數(shù)據(jù)庫等，應禁止核發(fā)銷售許可;對已經(jīng)納入標準、擁有正式編碼的字符，不得使用自定義編碼，杜絕“一字多碼”現(xiàn)象;對尚未納入正式編碼且在公民身份信息系統(tǒng)中已經(jīng)廣泛使用的自定義字符，由標準管理部門統(tǒng)一管理，公開自定義字符、編碼對應關系，建立專門字庫，供各方免費獲取使用。

（四）強化部門協(xié)同一體推進

生僻字問題涉及多個部門和環(huán)節(jié)：在管理層面，生僻字問題涉及稅務、電信、社保、金融、公安、工信等諸多部門;在技術層面，生僻字問題涉及操作系統(tǒng)、數(shù)據(jù)庫、對外接口、中間件、源文件等諸多環(huán)節(jié)。單個部門、單個環(huán)節(jié)努力無法根本解決問題。建議由標準主管部門牽頭組織，各行業(yè)部門根據(jù)業(yè)務場景配合協(xié)同，由點到面、由縱向到橫向一體推進，才能從根本上解決生僻字問題。

（責任編輯? ? 劉? ?陽;校對? ?WY，LY）