--itaiji-json 用JSONファイル目録（更新版: 集韻異体字ペア追加）

July 11, 2026

廣韻, 集韻, 音韻学, 漢字データベース, Python, 宋本廣韻, HDIC, DHSJR, KRM, データ統合, 異体字, Unicode

`--itaiji-json` 用JSONファイル目録（更新版） #

gy_dhsjr_link.py の --itaiji-json オプションに指定するために作成した異体字ペアJSONの目録である。各ファイルは基本的に [{"c1": "字A", "c2": "字B"}, ...] 形式のペアリストである。

本稿は itaiji-json-inventory.md（2026-07-04版）に、集韻（jiyun）由来の jy_itaiji_pairs.json を追加した更新版である。旧版の内容はそのまま引き継いでいる。

一覧 #

ファイル名	件数	位置づけ	由来・内容	利用上の注意
`itaiji_gy_compare.json`	870	本運用寄り	`廣韻.csv` と `sbgy.xml` の見出し字差分から作成した異体字ペア。	宋本廣韻データ同士の字体差に基づくため、比較的使いやすい。
`itaiji_jisx0213.json`	1,320	本運用寄り	CJKVI `jisx0213-variants.txt` 由来の関連字ペア。	DHSJR の見出し字正規化方針と関係が深い。
`itaiji_cjkv_simplified-variants.json`	16,786	本運用寄り・要注意	CJKV 系の簡体字・異体字対応表由来。	件数が多く、`unmatched` は減るが `multi` 増加に注意。
`itaiji_jp-old.json`	1,093	補助	日本語新旧字体対応由来。	全体改善効果は小さいが、一部の新旧字体差の補助に使える。
`itaiji_krm_gy_attested.json`	1,618	本運用寄り	KRM 側で廣韻同字確認済みとみなした異体字ペア。	KRM 由来の異体字に有効。DHSJR 全体では `multi` 増加も確認する。
`itaiji_krm_unverified_20260626.json`	60	実験・要確認	KRM 未収録例から手作業で作成した未検証ペア。	検証済みではないため、利用時は差分確認が必要。
`itaiji_dhsjr_unverified.json`	20	実験・要確認	DHSJR 全体接続の未照合字を確認して追加した未検証ペア。	原則として `c1` に DHSJR 側の出現形、`c2` に `廣韻.csv` で引ける主字を置く。利用時は `unmatched` 減少だけでなく `multi` への移動も確認する。
`gy_kakko_itaiji.json`	238	実験・追加候補	廣韻照合過程で抽出した括弧付き字形などの追加異体字候補。	出典・採否を確認しながら使う。
`checked_unmatched_chars_in_cjkvi_variant.json`	4,002	確認結果・派生候補	`unmatched` 字を CJKVI variants 系データで確認した候補。	そのまま本運用に入れる前に、対応関係の妥当性を精査する。
`jy_itaiji_pairs.json`	17,494	本運用寄り・新規	集韻（`~/codex/jy/vol1`〜`vol10`、ctext.org保存HTML由来）の各小韻の `headword_run` に複数文字が連続する箇所（「或作」「亦作」「籒作」「隷作」等の異体字を示す語を伴う）を異体字集合とみなし、集合内の全組み合わせをペア化。`scripts/extract_itaiji_from_jiyun.py` で生成。	集韻内部の字体差に基づくため、廣韻の字体差（`itaiji_gy_compare.json`等）とは独立の系統。巻末書誌情報（「集韻卷N」等の巻末表示、校訂官氏名列記）やOCR編集注記（「●缺字：〇」）は note が空/「臣」の群・「缺字」を含む群として除外済み。`30-048-02_RMK.tsv` 単独接続で `unmatched` 5,545→4,604（-941）、`multi` 6,582→6,897（+315）を確認（他の itaiji JSON 併用なし・このJSON単独の効果）。

推奨運用 #

当面は各JSONを統合せず、由来別の正本として保持する。統合版が必要な場合は、手作業で編集せず、元JSONから生成する派生ファイルとして作成する。

比較的安全に使いやすい組み合わせは次のとおりである。

--itaiji-json itaiji_gy_compare.json,itaiji_jisx0213.json,itaiji_krm_gy_attested.json

より広く拾う場合は、CJKV 簡体字・異体字対応や未検証ペアも追加できるが、 unmatched 減少と同時に multi が増えるため、実行結果の dhsjr_gy_multi.tsv を必ず確認する。

--itaiji-json itaiji_gy_compare.json,itaiji_jisx0213.json,itaiji_cjkv_simplified-variants.json,itaiji_jp-old.json,itaiji_krm_gy_attested.json,itaiji_krm_unverified_20260626.json

DHSJR 全体の未照合字を追加確認した結果まで含める場合は、 itaiji_dhsjr_unverified.json も末尾に追加する。

--itaiji-json itaiji_jisx0213.json,itaiji_gy_compare.json,itaiji_cjkv_simplified-variants.json,itaiji_jp-old.json,itaiji_krm_unverified_20260626.json,gy_kakko_itaiji.json,checked_unmatched_chars_in_cjkvi_variant.json,itaiji_dhsjr_unverified.json

集韻由来の異体字も加える場合は jy_itaiji_pairs.json を末尾に追加する。単独でも unmatched の顕著な減少が確認できているため、他の JSON と独立に検証したい場合はこれ単体でも試す価値がある。

--itaiji-json itaiji_jisx0213.json,itaiji_gy_compare.json,itaiji_cjkv_simplified-variants.json,itaiji_jp-old.json,itaiji_krm_unverified_20260626.json,gy_kakko_itaiji.json,checked_unmatched_chars_in_cjkvi_variant.json,itaiji_dhsjr_unverified.json,jy_itaiji_pairs.json

整理方針 #

ファイル名変更やディレクトリ移動は、既存 docs の実行例を更新してから行う。
将来的には itaiji_maps/ などのディレクトリへ集約する。
統合JSONを作る場合も、由来別JSONを正本として残す。
checked_unmatched_chars_in_cjkvi_variant.json のような確認結果は、採用済みペアと候補を分けて管理する。
jy_itaiji_pairs.json のように生成スクリプト（scripts/extract_itaiji_from_jiyun.py）を伴うファイルは、元データ（jy/vol{N}/jiyun_juan{N}_groups.tsv）が更新された場合に再生成すること。手編集はしない。