ハクソク

世界を動かす技術を、日本語で。

ユニコードを脅かす幽霊

2026年8月15日原文(dampfkraft.com)

概要

  • 1978年、日本のJIS X 0208規格で 幽霊文字 が発生
  • 出典不明の文字が含まれ、意味や読みが不明
  • 1997年、出典調査で多くは 誤記や作業ミス と判明
  • 一部文字は Unicode にも登録、現代も存在
  • 幽霊文字は今後も デジタル世界に残存 の可能性

JIS X 0208と幽霊文字の発生

  • 1978年、 Ministry of Economy, Trade and Industry がJIS X 0208を制定
  • 日本語エンコーディングの 基準 として機能
  • 公開後、 意味・読み不明 な文字が発見され、由来不明の文字群が問題化
  • これらの文字は後に 幽霊文字（幽霊文字） と呼ばれるようになった

幽霊文字の出典調査

  • 1997年、 出典調査 が開始
  • JIS規格の文字は全て 出典記録 が必要だったが、記録は曖昧で詳細不明の場合が多かった
  • 主要な出典の一つが「 国土行政区画総覧」という全国地名の大規模リスト
    • 最新版は 7巻構成、各900ページ に及ぶ膨大な資料
    • ページ番号なしで文字を探す作業の困難さ

幽霊文字誕生の経緯

  • 調査の結果、多くの幽霊文字は カタログ作業中の誤り から生まれたことが判明
    • 例： 妛 は「山の上に女」を誤って一文字と認識したもの
      • 元々は「山」と「女」を紙で貼り合わせた際、継ぎ目が 新たな画 と誤認され発生
      • 本来の文字（𡚴）はJISやUnicodeには 後年追加
  • 核となる幽霊文字リスト： 妛 挧 暃 椦 槞 蟐 袮 閠 駲 墸 壥 彁

彁の謎と幽霊文字のその後

  • 一文字（ 彁）のみは 出典・歴史的用例不明
    • おそらく 彊 の誤読が原因と推察
  • JIS標準採用後、これら幽霊文字は Unicode にも取り込まれる
    • UnicodeのCJK統合時にも 独自の幽霊文字 が発生

幽霊文字の意義と現代への影響

  • 1978年の 小さなミス が新たな文字を生み出した事実
  • 発見が遅れたことで 規格として固定化
  • 現在も デジタル環境下の文字コード表 の片隅で生存
  • 今後も 人類と共に残り続ける可能性

関連リンク・参考資料

  • 幽霊文字 ‐ 通信用語の基礎知識 ：1997年調査の引用を含む最も詳細なオンライン情報
  • 大正十二年の幽霊文字 - ことばマガジン（朝日新聞デジタル） ：印刷のかすれによる彁の誤用例
  • Nico Nico Douga Wiki ：各幽霊文字を妖怪名として解釈
  • 天书（A Book from the Sky） by Xu Bing ：架空の漢字だけで構成された書籍

Hackerたちの意見

著者のポール・マッキャン（polm）は、僕のお気に入りのプログラマーの一人だよ！彼はここ10年で日本のNLP分野で素晴らしい仕事をしていて、僕の言語学習プロジェクトにすごく助けられた。Python用のmecab（日本語トークナイザー）のラッパーを維持しているし、英語話者向けに書かれた日本語NLPの本もあるし、かつてはSpacyにも関わっていたんだ。[0] https://github.com/polm/fugashi [1] https://www.japanesenlp.com/ [2] https://spacy.io/

うん、康煕字典の広範囲にわたる部分は、この記事で説明されているような「幽霊」文字なんだよね… CJK文字の特異な性質や、Unicodeに実装された哲学（どうやら日本人はUnicodeのアリストテレス的本質主義の傾向が好きじゃなかったみたい）によって、UnicodeはBMPを超えることを余儀なくされたんじゃないかな。

└

どうやら日本人はUnicodeのアリストテレス的本質主義の傾向が好きじゃなかったみたい それって、漢字統一のことを言ってるの？つまり、日本と中国で書き方が違う概念的に同等な文字が、たった一つのUnicodeコードポイントしか与えられず、ほとんどのコンピュータでは中国式に表示されるってこと？

└

漢字統一は、CJKを16ビット、つまりBMPに収めることに関するものだったんだろうね。確かに失敗だった。

└

CJK文字の特異な性質や、Unicodeに実装された哲学（どうやら日本人はUnicodeのアリストテレス的本質主義の傾向が好きじゃなかったみたい）によって、UnicodeはBMPを超えることを余儀なくされたんじゃないかな。 漢字統一にはUnicodeよりも前の歴史があって、Unicodeの作業はそれに非常に従っていたんだ。最も注目すべきは、80年代初頭に台湾で開発されたCCCIIで、いろんな場所で標準化されたんだ。これが議論を呼んでいないわけではないし（呼んでるよ！）、問題を引き起こしていないわけでもないけど（引き起こしてる！）、ただUnicodeが特別なことをやっているだけだと言うのは不公平だよ。

└

Unicodeの変更の統一的な方向性にはどんな理由があるの？

「彁」の起源は、新聞記事のスキャンが不十分だった結果だという証拠があると思うよ。「彁 新聞」で調べてみて、日本の情報源を見つけてみて。

└

幽霊文字は、多くの漢字の共同的な意味的および音韻的性質を明らかにするね。彁は実在しないことは知ってるけど、それでも日本語では「か」と発音することを主張してるし、（普通話では「gē」または「gé」）。意味もほのめかしてる：弓の武器、音、兄；でも、君の推測も僕の推測と同じくらいだよ！

└

記事には「彁がデジタル化された大正新聞で彊の印刷が薄くなったために誤って使われた例」と書いてあるけど、そうなるとそのシンボルはその前から存在してたってことだよね。

面白いね。でも、実際の文字が欠けているよりも、無駄な無効文字があった方がいいと思う。

彊を「名前が付けられない完全に未知の概念」を意味するのに使えるんじゃないかなって思った。例えば、「クトゥルフが眠りから目覚めたら、最初に何をすると思う？たぶん、彊するだろうね。」

└

それ、キーボードにはないな…「言葉にできない」って言ってもいい？

Hacker Newsで議論の続きを見る