一個中文字，兩個位元組：Big5 這本 1984 年的字典，為什麼還在讓你看到亂碼

在 Big5 這套 1984 年由資策會制定的編碼裡，每個中文字都得先領到兩個位元組的號碼，才上得了螢幕；亂碼多半是送收兩端拿不同的字典對照出來的，而它的退場也沒有明確的哪一天。

在手機上打一個「中」字，按送出。真正離開輸入框的其實是一組號碼：在 Big5 的字碼表裡，「中」的編號是 A4A4。對方的裝置收到號碼，拿去查表，螢幕上才浮出這個字。這本號碼簿不是哪家國際組織頒布的，是 1984 年在臺北，由資策會策劃出來，之後在中文電腦圈通行了近二十年。

先把話說清楚：Big5 是一套中文字的號碼簿

Big5（文獻裡常寫作 BIG-5）是一套中文字內碼，用兩個位元組代表一個中文字，1984 年由財團法人資訊工業策進會策劃制定，配合當時的五大中文套裝軟體專案，後來成為臺灣中文電腦的業界事實標準。國發會的「全字庫」網站與中研院的《認識中文字元碼》，對這段來歷都有明確記載。

它重要在哪裡？今天的你不會直接感覺到它，但它留下了兩種遺產。一種是好的：在還沒有國際統一標準的年代，它讓中文在電腦上有了一致的號碼，軟體、印表機、公文系統照著同一本簿子辦事，BBS 時代與早期中文 Windows 裡的文字都靠它撐著。另一種是麻煩：這本簿子後來衍生出多個版本，亂碼、缺字、機關之間公文轉不過去，源頭都可以追到它身上。想弄懂舊檔案為什麼會變成一片亂碼，得先回到這套編碼的設計。

一個字，兩個號碼：查表怎麼進行

電腦只認得數字，任何文字要進機器，都得先編號。英文字母、數字與常見符號，早年由 ASCII 打底，一個位元組就裝得下，256 種組合夠用。中文的麻煩在於數量：字上萬個，一個位元組根本不夠，Big5 的辦法是每個字發兩個位元組。

可以想成電影院的座位。第一個位元組指出「排」，第二個指出「號」，兩個號碼湊齊，才指得到唯一的位子，也就是唯一的字。WHATWG 的編碼標準把解碼規則寫得很直白：第一個位元組落在 0x81 到 0xFE 之間時，解碼器先把它記下來，等第二個位元組抵達，再算出索引去查字；配對不完整，或者查表查不到這個位置，程式就回報錯誤，不硬拗出一個字來。

這種查表動作，在裝置裡一天跑上千次，使用者完全無感。日常裡類似這種看不見的底層處理還有別種，小米系統元件的加密上傳就是另一個例子：功能照常運作，轉換與搬運的細節全收在底層。

五種軟體、十三家廠商：號碼簿的來歷

時間軸先拉回 1983 年。原始 Big5 收錄的字並非重新設計，而是取自這一年公布的舊版通用漢字標準交換碼，常用字 5,401 個，次常用字 7,652 個。換句話說，Big5 提供的是編號方式，字本身沿用既有的標準字表。

隔年，經濟部出資，資策會與國內 13 家廠商合作推動「五大軟體專案」，目標是做出五種中文套裝軟體，Big5 這套內碼就是為了配合專案而策劃的。「Big-5」裡的五，指五種軟體；13 家廠商是專案的參與者。這兩個數字常被壓縮成「五家公司」，與原始記載對不上。

真正的隱患在維護。Big5 沒有專責機構看管，倚天、宏碁、IBM、微軟後來各自往裡面加字，各家加的位置不一樣。於是同一份文件，在這臺電腦上看得到某個字，換一臺就成了問號。政府機關的自造字更棘手：字在本機造出來了，交換對象的字碼表裡沒有這個字，公文轉換就停在原地。

同一時期還有另一條標準路線。CNS 11643 於 1986 年公告為國家標準，第一、第二字面與 Big5 的字集相同；2003 年，經濟部標準檢驗局委託中文數位化技術推廣基金會，把原始版與主要業界版本整理成 Big5-2003，以附錄形式掛在 CNS 11643 相關標準資料中。時間順序值得記住：1984 年的 Big5 是業界用出來的事實標準，1986 年的 CNS 11643 才是國家標準，兩者的身分不能對調。

亂碼的時候，字其實沒有壞

亂碼的原理可以一句話講完：送出端和接收端拿了不同的字典。資料用 Big5 編碼送出，接收端卻用另一套編碼表解讀，位元組一個都沒少，對照出來的字卻全變了樣。多數時候檔案是完好的，只是被拿錯的號碼簿唸了出來。

螢幕顯示與來源對不上時，使用者第一個懷疑的常是軟體本身。蘋果天氣那次全國多城零下 32 度的烏龍預報，後來追查的是資料來源；Big5 的亂碼同理，先檢查對照環節，再考慮資料本身壞了沒。

第二種亂碼更隱蔽。兩邊都宣稱用 Big5，但其中一邊安裝了廠商加過字的版本，送來的字落在加字區，另一邊的字碼表裡沒有這個位置，結果就是看不到。前述機關自造字卡在公文交換的狀況，就是同一種情境的公部門版。

三種常見誤傳

關於 Big5，流傳最廣的錯誤說法有三種。

第一種，把「五大」講成五家公司。五大是五種套裝軟體，13 家廠商是出資與合作的成員，兩件事被壓進同一句話，數字就對不上了。

第二種，把 Big5 直接稱為臺灣的國家標準。依全字庫的定義，國家標準是 CNS 11643，Big5 是業界沿用成真的事實標準。Big5-2003 只是 2003 年整理出的版本，不能倒推成它從 1984 年起就有國家標準身分。

第三種，替 Big5 找一個「停用日期」。Unicode 出現之後的移轉是漸進的，檔案一批一批轉，系統一套一套換，沒有哪一天宣告全面失效。要查證這類說法，回到全字庫與《認識中文字元碼》的記載最穩。

Unicode 接手之後，Big5 還活在哪些角落

Unicode 走的是另一條路：給世界上的文字各一個唯一編號，中文、日文、韓文、表情符號都收在同一張大表上；UTF-8 則是把這些編號裝進位元組的常見方式，長度可以彈性變化。各地區不再需要各印一本號碼簿，兩端拿不同字典的風險跟著下降。

接手是漸進的。新網頁、新系統改用 Unicode，舊檔案與部分機關系統裡的 Big5 仍在原地。國發會全字庫至今提供字碼查詢與轉換服務，處理的正是新舊並存時期的銜接需求。

對一般使用者，這段歷史留下兩個實用的判斷。開舊檔出現亂碼，先別急著刪，資料多半還在，改用其他編碼重開一次，經常就能救回來。名字裡的罕見字在某些系統印成方框，那多半是字集涵蓋範圍的問題，換到支援較大字集的環境就能顯示。

號碼簿從 ASCII 換到 Big5，再換到 Unicode，每一次換代處理的都是同一件事：讓送出端與接收端拿同一本字典。知道這一點，下次再看到亂碼，已經知道要先查哪裡。

資料來源：本站編輯參考 APPI News〈Big5 是什麼？台灣發明的中文字編碼為何會亂碼〉（作者：APPI 編輯部）改寫而成，原文出處；原文文字內容採 CC BY 4.0 授權。