為什麼輸入法會把「台灣」和「臺灣」當成兩個詞？

Question

Weirdo · Accepted Answer

兩個不同的字。「台」是 U+53F0，「臺」是 U+81FA；注音都讀ㄊㄞˊ，詞庫卻按字串各存一筆，候選就會拆成「台灣」和「臺灣」。

眼睛看「台」跟「臺」像異體，電腦不當它們是同一個字。Unicode 給「台」 U+53F0、「臺」 U+81FA；全字庫 CNS 11643 分別是 1-463A 與 1-6A57。倉頡碼也不同：台是 IR（戈口），臺是 GRBG（土口月土）。Unihan 把它們標成 semantic variant，並把「台」列為「臺」的簡化字——關係有記錄，碼點仍是兩個。

教育部《異體字字典》把「臺」收為正字（A03391）；「台」另有正字身分（A00496），音ㄊㄞˊ 時又收為「臺」的異體（A03391-012）。《重編國語辭典修訂本》詞目用「臺灣」，查「台灣」是零則。這是用字標準，不是把兩個碼點合併。

輸入法詞庫按碼點序列存詞，不是按「這個地名的意思」。注音都讀ㄊㄞˊ，候選就會同時出「台」與「臺」；詞級也一樣，「台灣」跟「臺灣」是兩筆。開源 Rime 方案「拍台文」的說明直接寫：打 tai uan 會出「臺灣 / 台灣」。倉頡則是兩組字根，打 IR 只會得台，打 GRBG 才得臺。

搜尋、比對、資料庫也一樣：字串不相等，就當兩個詞。不是輸入法搞錯政治，是編碼沒把異體合併。

為什麼輸入法會把「台灣」和「臺灣」當成兩個詞？

兩個碼點，不是同一個字

詞庫存的是字串，不是意思