UnicodeのIVS（Ideographic Variation Sequence）は、漢字を表すUnicodeの直後に Variation Selectorと呼ばれるコードを付加し、漢字の「異体字」を表現する方法だ。IVSによって、従来よりも多くの字体が利用可能になる反面、データの「名寄せ」が困難になる恐れもある。文字コードに詳しい京都大学人文科学研究所附属東アジア人文情報学研究センターの安岡孝一准教授が、IVSの利点と懸念すべきポイントを解説する。（日経コンピュータ）

　筆者がITproに「漢字1文字が最大8バイト、Unicodeの「IVS」とは?」を寄稿してから約1年が経って、IVSに新たな動きがあった。常用漢字表の改正(2010年11月30日)に前後して、4195字のIVSが追加されると同時に、IVS技術促進協議会が発足したのだ。IVSの拡大によって、これまでフォント切り換えでしか対応できなかった異体字処理が、文字コードのレベルで処理できるようになった。

　IVSとは、漢字を表すUnicodeの直後に、Variation Selectorと呼ばれるコードを付加し、漢字の異体字を表現する方法である。例えば「邊」であれば、U+908Aの直後にU+E0100〜U+E0110のVariation Selectorを付加することで、以下の17種類の異体字を表現できる。

908A E0100 Adobe-Japan1 CID+6929

908A E0101 Adobe-Japan1 CID+14235

908A E0102 Adobe-Japan1 CID+14236

908A E0103 Adobe-Japan1 CID+14237

908A E0104 Adobe-Japan1 CID+14238

908A E0105 Adobe-Japan1 CID+14239

908A E0106 Adobe-Japan1 CID+14240

908A E0107 Adobe-Japan1 CID+20234

908A E0108 Hanyo-Denshi JA7820

908A E0109 Hanyo-Denshi JTBD45

908A E010A Hanyo-Denshi JTBD62

908A E010B Hanyo-Denshi JTBD61

908A E010C Hanyo-Denshi JTBD60

908A E010D Hanyo-Denshi JTBD5F

908A E010E Hanyo-Denshi JTBD5E

908A E010F Hanyo-Denshi KS445320S

908A E0110 Hanyo-Denshi JTBD6A

　IVSを用いれば、これら17種類の「邊」を、UTF-16あるいはUTF-8といった文字コードレベルで使い分けることができるのだ。

	UTF-16	UTF-8
	908A DB40 DD00	E9 82 8A F3 A0 84 80
	908A DB40 DD01	E9 82 8A F3 A0 84 81
	908A DB40 DD02	E9 82 8A F3 A0 84 82
	908A DB40 DD03	E9 82 8A F3 A0 84 83
	908A DB40 DD04	E9 82 8A F3 A0 84 84
	908A DB40 DD05	E9 82 8A F3 A0 84 85
	908A DB40 DD06	E9 82 8A F3 A0 84 86
	908A DB40 DD07	E9 82 8A F3 A0 84 87
	908A DB40 DD08	E9 82 8A F3 A0 84 88
	908A DB40 DD09	E9 82 8A F3 A0 84 89
	908A DB40 DD0A	E9 82 8A F3 A0 84 8A
	908A DB40 DD0B	E9 82 8A F3 A0 84 8B
	908A DB40 DD0C	E9 82 8A F3 A0 84 8C
	908A DB40 DD0D	E9 82 8A F3 A0 84 8D
	908A DB40 DD0E	E9 82 8A F3 A0 84 8E
	908A DB40 DD0F	E9 82 8A F3 A0 84 8F
	908A DB40 DD10	E9 82 8A F3 A0 84 90

　Windows 7もMac OS XのSnow Leopardも、すでにOSレベルでIVSに対応している。IVSに対応したアプリケーションは、現時点ではFirefox 4やWindows 7のメモ帳などに限られているものの、今後ますます増えていくだろう。また、新しいIVSに対応したフォントは、IPA（情報処理推進機構）やGlyphWikiにおいて現在鋭意開発中であり、本年4月頃にはほぼ出揃うものと予想される。異体字の表示・出力に関しては、新しいIVSによって薔薇色の未来がひろがっていると言えるだろう。

　しかもIVSは、住民基本台帳統一文字（住民基本台帳ネットワークにおいて用いられている文字で、漢字は19432字収録）と戸籍統一文字（戸籍の電算化において用いられる文字で、漢字は55270字収録）を全て網羅するまで、今後も拡充され続ける予定であり、ますます多くの異体字が使えるようになっていくのは間違いない。

　例えば「渡邊」さんをIVSで処理した場合、全ての「邊」を同一視して「名寄せ」してしまったのでは、わざわざIVSを使った意味がない。かと言って、17種類すべてが異なる「邊」をそれぞれ区別するのも、現実的ではない。一般の利用者は「U+908A U+E0107」と「U+908A U+E010B」の違い（10画目をハネるかハネないか）などほとんど意識しておらず、同じ「渡邊」さんに対して、「U+908A U+E0107」を使ったデータと、「U+908A U+E010B」を使ったデータの両方が存在してしまう恐れがある。そのようなデータを「名寄せ」する場合には、どの文字を「同じ」をみなすか、かなり複雑な判断を必要とすることになる。「あいまい」検索などにおいても、どこまでの「あいまい」さを許すのかという点が、IVS技術によって、現在よりさらに複雑になりそうだ。