先有语言能力，后有文字技术
儿童通常先在互动中掌握口语或手语，再通过专门教学学习读写。人类社群在没有文字时也能讲述历史、制定规则、创作诗歌和传递复杂知识。
语言是共同体使用的表达系统，文字是把语言的某些结构映射到可见或可触形式的技术。二者紧密相连，却不能等同。
这一区分能纠正一个危险误解：没有书写传统的语言不是“缺少语法”的残缺语言。它们拥有完整语言结构，只是知识保存和传播采用不同媒介。
文字表示什么
文字不会把声音、意义和语法全部无损复制。不同系统选择不同映射单位：有的主要表示音位，有的突出辅音，有的以音节为核心，有的把语素与音节信息结合。
正字法则规定具体语言怎样使用一套文字，包括拼写、分词、大小写、标点和变体选择。同一文字可以服务许多语言，一门语言也可以使用多套文字。
Unicode 因此强调它编码的是文字中的字符，而不是语言本身。拉丁文字可用于数千种语言，阿拉伯文字也服务阿拉伯语、波斯语、乌尔都语等不同语言。
字符、字形和书写系统
字符是抽象编码单位，字形是字符在具体字体和书写中的视觉实现。相同字符可以有多种字形，外形相似的符号也可能属于不同字符。
书写系统包含文字、正字法和使用惯例。字体设计、连写、组合附标和方向会影响呈现，却不应被误认为语言结构本身。
这个区分对数字系统尤其重要。程序若按屏幕上看见的“一个图形”切分文本，可能破坏组合字符、表情序列或复杂文字。
拼写为什么不跟着发音走
语言持续变化，正字法常因教育、文献连续性和跨方言沟通而保持稳定。于是拼写与现代发音逐渐产生距离。
这种距离不全是缺点。保守拼写可能保留词源和形态关系，让不同口音共享书面标准；代价是学习成本和不透明性。
拼写改革因此是多目标权衡。提高语音透明度可能削弱历史连续和跨变体兼容，也涉及谁的发音被选为标准。
文字会反过来影响语言观念
学会拼写后，人们容易把字母当成天然声音单位，把空格当成天然词边界。实际上，这些直觉部分来自文字训练。
文字还能推动标准化，固定词形，创造书面句法和新体裁。行政、宗教、教育和印刷机构会扩大某些变体的权威。
因此文字不只是语言的透明容器。它改变人们分类语言、记忆文本和组织制度的方式。
手语也可以被记录
手语不依赖口语文字才成为语言。它可以通过视频、专门转写系统、动作标注或借用周边口语文字进行记录。
线性书写要表示手形、位置、移动和非手部成分的同时性，会遇到特殊设计问题。任何一种转写都选择某些特征，无法自动等同实际手语事件。
保存手语资料还涉及社群同意、影像身份和访问控制，不能只把视频当开放文本处理。
文字、权力与可达性
被国家、学校和平台支持的文字更容易获得字体、键盘、教材和搜索工具。缺少数字支持会让语言使用者难以进入公共服务和互联网。
文字选择也可能与宗教、民族、殖民历史和现代化政策相连。更换文字能提高某些学习或技术便利，也可能切断旧文献和代际读写。
评价文字政策必须问：谁参与决策，谁承担转换成本，哪些知识会被保存或失去。
数字编码不是字体收藏
Unicode 为字符分配代码点和属性，使文本能跨系统交换。它追求字符层面的稳定，不规定唯一字体，也不直接保证每台设备都有合适字形。
一门语言能被 Unicode 支持，还需要字体、输入法、分词、排序、拼写检查和本地化数据。编码是基础设施起点，不是数字平等的终点。
Unicode 与文本编码解释代码点、编码形式和规范化；writing-system-types则从语言表示角度比较文字系统。
口述传统不是等待书写的空白
口述传统利用重复、韵律、表演、地点和共同体角色维持记忆。知识可能嵌入仪式、路线、歌唱与实践，而不以孤立文本存在。
转写能扩大保存与检索，却可能丢失声音、互动和情境，也可能把社群控制的知识移出原有边界。
记录项目应与使用者协商目标、访问、署名和回馈。技术上能记录，不等于伦理上可以无限传播。
怎样读一段陌生文字
先问它属于哪套文字，而不是猜语言；再问该语言如何使用这套文字，包括方向、组合和拼写规则。
然后区分字符的语言功能与视觉风格。相似形状可能不同源，不同形状也可能是同一字符的字体变体。
最后回到真实使用者：文字如何在教育、宗教、手机和公共标识中出现。文字系统不仅是符号表，也是社会实践。
识字不是把声音换成符号
初学者需要理解符号与语言单位的对应，同时建立快速识别、词汇、句法和篇章推理。能逐字念出不等于理解文本，理解口语故事也不自动带来熟练阅读。
不同正字法的透明度和形态信息不同，教学路径不能简单复制英语字母拼读。汉字学习涉及语素、音节和部件，元音附标文字则需要掌握组合位置和内在元音。
儿童已有口语或手语知识是读写基础，而不是等待文字填充的空白。母语读写能力还可支持后续语言学习。
盲文说明文字不必可见
盲文用凸点模式提供触觉书写。Unicode 编码盲文图形模式，但具体模式与某语言字母、缩写或音节的对应由其他规则决定。
这再次区分字符、文字和语言：同一凸点可以在不同盲文代码中承担不同功能。屏幕阅读器与可刷新盲文显示也需要语义结构，而不只是把页面截图转成点。
把文字定义为“看见的符号”会排除真实读写实践。更一般的定义应强调持久或可检索形式怎样表示语言。
OCR 与数字保存的偏差
光学字符识别对印刷清晰、训练数据丰富的文字表现较好，对手稿、旧字体、竖排和低资源文字误差更高。错误文本若直接进入搜索和语言模型，会放大档案偏差。
数字化项目应保留图像、转写层、置信度和人工修订记录。只发布“清洗后文本”会让使用者无法追溯模型改写了什么。
社群档案还需决定哪些材料公开、哪些限于成员或特定时节。开放访问不是唯一伦理价值。
文字可视化怎样避免单线进化
时间轴不应把所有文字画成从图画走向字母的单一路径。更准确的图会显示借用、分支、并用、复兴与断裂，并把不确定关系标出来。
地图也不能把国家涂成单一文字。一个地区可能同时使用多套文字，个人会按语言、宗教和媒介切换。
交互设计应允许从语言看文字，也允许从文字看多种语言，从结构上防止两者再次被混同。
可视化还应把“最早已知记录”与“语言起源”分开。考古发现只能给出目前保存并被识读的文字证据，不能证明相应语言从那一刻才存在。
对于尚未破译的符号系统，界面应标注其是否确定表示语言、有哪些竞争解释，而不能为了完整时间线强行赋予文字类型。
跨域连接
- 语言哲学：文字长期被当作口语的次级记录，德里达则反过来质疑这种「语音中心主义」。这场争论对语言学有实际影响：如果文字只是转写，语言学就该只研究口语；如果文字是独立的符号系统，那么书面语的规律就是语言事实而非人为规范。
- 神经可塑性：识字不是给大脑增加一项技能，而是重组既有回路——用于物体识别的皮层区域被部分征用为字形识别。这解释了两件事：为什么识字有敏感期效应，以及为什么不同文字（拼音 vs 汉字）的读者在脑成像上呈现可分辨的差异。
- 教育与文凭化：识字率是被统计出来的，而统计标准决定了谁被算作「文盲」。殖民地教育把「识拉丁字母」当作识字定义，让原本会读 Ajami 或本地文字的人在数据里变成文盲——这不是测量误差，而是测量工具携带的政治。
- 手语结构：手语可以被记录（Stokoe 记号法、HamNoSys、SignWriting），但至今没有一种被社群广泛采用为日常书写。这说明文字系统的成败不取决于设计优劣，而取决于社会基础设施——教育、出版、法律承认。
- 机器学习：OCR 与手写识别决定了哪些文献能进入可检索的数字世界。训练数据覆盖不到的文字与字体会被系统性地漏掉，于是数字化不是中立的保存，而是一次带偏向的再筛选。
参考文献
- Coulmas, Florian. Writing Systems: An Introduction to Their Linguistic Analysis. Cambridge University Press, 2003.
- Daniels, Peter T., and William Bright, eds. The World's Writing Systems. Oxford University Press, 1996.
- Unicode Consortium. Supported Scripts.
- Unicode Consortium. Unicode Standard, Chapter 6: Writing Systems and Punctuation.