打开一台电脑的字符表，往冷僻处翻，会碰到一批极其古怪的汉字：妛、挧、暃、椦、槞、蟐、袮、閠、駲、墸、壥、彁。它们能正常显示，也能被复制粘贴，却没有公认的读音，更说不清是什么意思。日语里给这批字起了个名字——幽霊文字，中文可以直译为幽灵文字。它们的来历，是计算机字符编码史上最著名的悬案之一。近日一篇考据文章在 Hacker News 上被重新翻出讨论，把这段经过又摆回了台面。

标准发布之后，才发现有些字没人认识

1978 年，日本经济产业省确立了后来被称为 JIS X 0208 的编码标准。这套标准至今仍是各种日文编码的重要参照。标准公布后，有人发现其中若干新增字符找不到明显出处：没人能说出它们的含义，也没人知道该怎么读，更查不到它们究竟从何而来。

按照规则，JIS 标准里的每个字符都应该留有来源记录。问题在于，「来源」这两个字的含金量并不高——即便记录存在，通常也只写明取自哪份文献，不会精确到页。

1997 年，一项专门的调查启动，目标就是查清这些字到底从哪儿来。调查者面对的第一道难关是文献体量。幽灵文字较常见的来源之一是《国土行政区画总览》，一份覆盖日本全国地名的资料。它听起来像一本厚点的地图册，实际上最新版是七卷本，每卷约九百页，而且没有页码线索。要在这样一套书里定位某一个字的出处，难度可想而知。

一条多出来的笔画，其实是两张纸的接缝

调查最终基本查清了这些字的来历，答案比想象中更朴素：相当一部分字是编目过程中的失误造出来的。

以「妛」为例。日本某处地名中用到一个「山」在「女」上方的字，符合收入 JIS 标准的条件。当时的排印条件无法把它作为一个整体印出来，工作人员的办法是把「山」和「女」分别印出来，剪下、拼贴到一张纸上，再复印一份。到了读取复印件的环节，两张纸拼接处留下的那道细线被当成了一笔，就这么写进了字形。而原本那个真正存在的字（𡚴），要到很久以后才被补进 JIS 与 Unicode，直到今天在不少网页上仍无法正常显示。

这批字里，最后只剩一个既查不到明确来源、也找不到任何历史用例，就是「彁」。目前最可能的解释是它源自「彊」字的误认，但具体是在哪一环出的错，调查没能给出答案。

错误一旦进了标准，就成了既成事实

JIS 系列标准被普遍采用之后，这些字随之全部进入 Unicode。而 Unicode 在中日韩统一汉字（CJK 统一汉字）的整合过程中，也产生了属于自己的另一批幽灵汉字。

原作者的总结相当克制：1978 年，一连串小小的失误凭空造出了几个字；错误没被及时发现，时间一长便板上钉钉；如今这些幽灵至少在理论上已是全球每一台计算机的一部分，潜伏在字符表的角落里，照这个势头，恐怕会一直陪着人类。

这件事的意义不止于猎奇。字符集不是凭空设计出来的整齐产物，而是历史层层沉积的结果，其中既有考据严谨的部分，也封存着当年技术条件与工作流程留下的痕迹——剪刀、胶水和复印机，同样是编码史的一部分。对今天做输入法、字体和文本处理的人来说，这也是一个提醒：字符集里的每一个码位背后都可能藏着一段说不清的来历，删不掉，也改不了。

来源：dampfkraft.com《A Spectre is Haunting Unicode》，经 Hacker News 讨论