已编码的汉字一共有多少个？
先看看 Unicode 中对汉字的编码 [1]：
首先是基本位面 (BMP) 中的：
- CJK Unified Ideographs: U+4E00 .. U+9FA5 = 20902 个字符
- CJK Unified Ideographs Extension A: U+3400 .. U+4D85 = 6582 个字符
- CJK Unified Ideographs (4.1): U+9FA6 .. U+9FBB = 22 个字符
- CJK Compatibility Ideographs: U+F900 .. U+FA2D = 302 个字符
- CJK Compatibility Ideographs: U+FA30 .. U+FA6A = 59 个字符
- CJK Compatibility Ideographs: U+FA70 .. U+FAD9 = 106 个字符
以上总计 27973 个字符
下面是位面 2 的：
- CJK Unified Ideographs Extension B:
U+20000 .. U+2A6D6 = 42711 个字符
- CJK Compatibility Supplement:
U+2F800 .. U+2FA1D = 542 个字符
以上总计 71226 个字符，这些是所有已经包括在 Unicode 中的汉字。
- Punct & Radicals: 2E80..U+33FF = 1407 个字符，这些是部首与标点。
以上总计 72633 个字符
也就是说，我们总共能够访问的字符以 7 万左右为上限。
选择字体的原则
正文字体，顾名思义，是给文章主要的内容使用的字体，反过来说，它不是标题字体或者美术字体。所以，正文字体的选择自有其原则，我在下面选取的原则是：
- 美观，包括屏幕显示的美观与打印效果的美观。
- 包含足够的字符，这个好理解。
- 符合授权。先不考虑字体是否通过正常的途径得到，至少使用这个字体的过程必须符合字体的授权。
再详细说说怎么叫美观，相对另外两点，这是一个比较主观的概念，可毕竟也有些共识，或者换句话说，字体至少要清晰、可读性强，能够长时间阅读而不疲劳，这也是我判断的标准。
字体的选择
我选择的字体主要包括这几类：全文使用的字体，强调用的字体、代替斜体 (或意大利体) 在拉丁字体中的类似地位的字体，和表示一段特殊文本 (比如原文引用、代码) 的字体。这基本上涵盖了正文需要使用的全部字体种类。在 TeX 中，以 CCT 文档类 [2] 为例，常见的设定是，全文使用宋体，强调使用黑体，代替斜体的是楷体，表示代码的是仿宋体，所以我也主要测试这四种字体。
选择的字体是我的机器上已经安装的字体，分别来自 Windows XP、Office 2003、Adobe Reader 和方正 GBK 字库。
技术细节
在操作系统、浏览器下的字体显示过于依赖点阵字体，所以这里是不考虑的，那什么算作屏幕显示呢？我测试的是 TeX 文档，使用 dvipdfmx 生成的 pdf，使用 Adobe Reader 7 观看，并打开 CoolType 的效果，所有的测试都是基于同一个 TeX 文档的，你可以在这里下载 (需要 Unicode TFM 文件配合，可以使用 cyperbit 字体的 TFM 或者用 ttf2tfm 工具生成)。打印效果… 应该都不错，但测试起来不大方便，待我有空装上激光打印机先…
怎么判断一个字体包含字符的数量？下面处理的字体有两种，TrueType 和 OpenType (CID)，都可以使用 Microsoft 提供的一个工具 查看其包含字形的数量，当然这里包含的字形不仅仅是汉字，也包括拉丁字符等。至于具体某个代码点有没有字，就不是我一个人能够测试得过来的了。
授权信息主要根据上面这个工具得到的 Embedding 数据和 License 数据。事实上下面遇到的 Embedding 就只有两种：Installable 和 Editable，也是最宽松的两种，Editable 的意思是你可以使用这些字体做 pdf，分发生成的 pdf，并允许别人对这些 pdf 作再加工，但你不能直接分发这些字体，也就是最常见的情况；Installable 的意思是允许收到嵌入该字体的电子文档者也能从电子文档中获取并安装该字体 (.. 这种情况很少见)。
结果
| 字体名称 |
字形数 |
嵌入授权 |
来源 |
| 方正博雅宋_GBK |
10667 |
Editable |
方正字库 [3] |
| 方正兰亭宋_GBK |
22026 |
Editable |
同上 |
| 方正书宋_GBK |
22024 |
Editable |
同上 |
| 宋体 (simsun) |
22141 |
Installable |
Windows XP |
| 华文中宋 |
25185 |
Editable |
M$ Office |
| AdobeSongStd |
29064 |
Editable |
Adobe Reader |
| 宋体-方正超大字符集 |
65531 |
Editable |
M$ Office |
| AdobeMingStd |
18965 |
Editable |
Adobe Reader |
| 楷体_GB2312 |
7580 |
Installable |
Windows XP |
| 方正楷体_GBK |
22024 |
Editable |
方正字库 |
| 标楷体 |
22134 |
Installable |
Windows Vista CTP |
| 黑体 (simhei) |
22021 |
Installable |
Windows XP |
| 方正黑体_GBK |
22024 |
Editable |
方正字库 |
| 华文细黑 |
25185 |
Editable |
M$ Office |
| 仿宋_GB2312 |
7580 |
Installable |
Windows XP |
| 方正仿宋_GBK |
22024 |
Editable |
方正字库 |
| 华文仿宋 |
25185 |
Editable |
M$ Office |
| 隶书 (simli) |
21992 |
Installable |
Windows XP |
| 方正隶书_GBK |
22024 |
Editable |
方正字库 |
最后
最后… 当然是截图时间了，不过并非上边每个字体都有截图哦。
结论呢？
哦，好像真的是漏了结论，那便写点我自己的看法吧。
宋体中，博雅宋似乎过扁，中宋、标宋过黑，报宋和宋体 (simsun)、AdobeSongStd 都太淡，方正超大字符集收字最全，但在目前我还没搞定怎么让它访问到 CJK ExtB 那些代码点……，在不加粗的情况下，书宋与兰亭宋为最佳。
明体我没有发言权 🙂
黑体测试得也不多，主要考虑的还是字形的覆盖，所以不少人喜欢的 KozGoPro 字体没有测试，Mac 下用的丽黑也没有测试，华康等繁体的黑体也没有测试。目前的情况看，黑体的效果都不错。(不过用 FrameMaker 生成的 pdf 中，这几种黑体效果都不好，均有杂色，比较奇怪)
楷体中，标楷体的写法不大符合大陆的习惯，还是以方正楷体比较舒服，收录的字也完善。
隶书和仿宋可以任择。
参考文献
- Unicode Consortium. UNICODE HAN DATABASE.
- 张林波. CCT 的 LaTeX2ε 中文文档类.
- FounderType. 方正字库.
