古籍汉字字频统计：历史数字化与机会

汉字数字化已经持续了半个世纪，从最初的各国各厂商使用不同的编码，到现在的统一码，经历了多次变化。

2002年，书同文公司发起了一个名为《古代汉字字频统计》的项目，这可以说是一个中间阶段的典型。这本书是该项目的成果，总结了30136个汉字的字频数据，覆盖了99.99%的汉字，约有22000个字的字频在23以上。

但是，由于当时的技术条件的限制，有些汉字使用了PUA编码，后来又被扩展B-G陆续收录，还有一些汉字使用了GBK的PUA编码。还有一些汉字有独立的异体字编码，用于识别和统计异体字的使用频度。

关于全部的分析结果，请参考知乎上的相关文章。