Chữ Quốc ngữ và hành trình gian nan để hiển thị trọn vẹn trên máy tính
· Typing Safari
Chữ Quốc ngữ — hệ chữ Latinh ghi tiếng Việt — được định hình rõ nét qua cuốn Dictionarium Annamiticum Lusitanum et Latinum do giáo sĩ dòng Tên Alexandre de Rhodes xuất bản tại Rome năm 1651, dựa trên công trình của những giáo sĩ đi trước như Gaspar do Amaral và António Barbosa. Để ghi 6 thanh điệu trên 12 chữ nguyên âm, một chữ cái có thể mang cùng lúc hai dấu (như ậ, ể, ữ, ở). Sự chính xác ấy lại trở thành bài toán khó suốt nhiều năm đầu của kỷ nguyên máy tính.
Cuộc khủng hoảng bảng mã 8-bit
Bảng mã ASCII chỉ có 128 vị trí (7-bit), trong khi tiếng Việt cần thêm 134 chữ cái (tính cả chữ hoa và chữ thường) ngoài 52 chữ cái đã có trong ASCII. Khi mở rộng lên 8-bit (256 vị trí), các nhóm khác nhau đã chọn những cách khác nhau để nhét vừa tiếng Việt:
- VISCII (1992): do nhóm Viet-Std (Vietnamese Standardization Working Group) ở Thung lũng Silicon, California thiết kế, giữ trọn các chữ có dấu trong một bảng mã 8-bit bằng cách thay sáu mã điều khiển C0 ít dùng (STX, ENQ, ACK, DC4, EM, RS) bằng sáu chữ hoa có dấu ít gặp nhất.
- TCVN 5712 (VSCII, còn gọi là ABC): tiêu chuẩn quốc gia Việt Nam ban hành năm 1993, gồm ba biến thể VN1, VN2 và VN3 (TCVN3), dùng rộng rãi ở miền Bắc với các font như
.VnTime,.VnArial. - VNI: bảng mã của công ty VNI Software (Westminster, California), dùng tối đa hai byte cho một nguyên âm có dấu — byte thứ hai mang dấu — và phổ biến ở miền Nam, gắn với các font như
VNI-Times.
Hệ quả của sự phân mảnh này là tình trạng "lỗi font" kinh điển: một văn bản soạn bằng .VnTime mở trên máy không có font và bảng mã tương ứng sẽ biến thành những chuỗi ký tự vô nghĩa.
Bước ngoặt Unicode và câu chuyện NFC với NFD
Unicode đã có chỗ cho các chữ tiếng Việt từ rất sớm: khối Latin Extended Additional, được hoàn thiện trong Unicode 1.1 năm 1993, chứa các chữ tiếng Việt dựng sẵn từ U+1EA0 đến U+1EF9; những chữ còn lại nằm trong các khối Latin-1 Supplement và Latin Extended-A/B. Phải đến khi hệ điều hành, font và bộ gõ hỗ trợ Unicode rộng rãi, tình trạng loạn bảng mã mới dần chấm dứt.
Tuy nhiên vẫn còn một "cái bẫy" kỹ thuật: Unicode dựng sẵn (NFC) và Unicode tổ hợp (NFD). Trong NFC, chữ ệ là một ký tự đơn (U+1EC7). Trong NFD, nó được tách thành ba phần: e + dấu nặng tổ hợp (U+0323) + dấu mũ tổ hợp (U+0302) — dấu nặng đứng trước theo thứ tự chuẩn của Unicode. Hệ thống tệp HFS Plus của Apple lưu tên tệp ở dạng phân tách hoàn toàn như vậy. Nếu phần mềm không chuẩn hóa hai chuỗi về cùng một dạng trước khi so sánh hay tìm kiếm, hai chữ ệ trông giống hệt nhau trên màn hình vẫn bị máy tính coi là khác nhau.
Nhờ Unicode và các bộ gõ hiện đại, người Việt ngày nay có thể gõ, tìm kiếm và chia sẻ văn bản mà không còn lo vỡ font. Typing Safari dạy gõ mười ngón tiếng Việt trên chính bàn phím của bạn tại bài học gõ phím, và có bài kiểm tra tốc độ gõ miễn phí, không cần tài khoản.
Câu hỏi thường gặp
Vì sao ngày xưa mở file Word tiếng Việt hay bị lỗi font chữ?
Do trước khi Unicode trở thành chuẩn chung, Việt Nam có nhiều bảng mã không tương thích như TCVN3 (ABC), VNI và VISCII. Nếu máy người nhận thiếu font đúng với bảng mã của người gửi, các chữ có dấu sẽ hiển thị thành ký tự lạ.
Unicode dựng sẵn (NFC) và Unicode tổ hợp (NFD) khác nhau thế nào?
Unicode dựng sẵn (NFC) lưu mỗi chữ có dấu thành một mã duy nhất (ví dụ ệ là U+1EC7), còn Unicode tổ hợp (NFD) ghép chữ cái gốc với các dấu rời (ví dụ e + dấu nặng U+0323 + dấu mũ U+0302). Phần mềm có thể dùng dạng nào cũng được, miễn là mọi chuỗi được so sánh đều ở cùng một dạng.
Tiếng Việt cần thêm bao nhiêu ký tự ngoài ASCII?
12 chữ nguyên âm (a, ă, â, e, ê, i, o, ô, ơ, u, ư, y) kết hợp 6 thanh điệu (tính cả thanh ngang) cho 72 dạng chữ thường. Bỏ đi 6 chữ đã có sẵn trong ASCII (a, e, i, o, u, y) còn 66; nhân đôi cho chữ hoa là 132, cộng thêm đ/Đ là 134 ký tự.