整理生物俗名詞庫時，發現資料來源塞了很多前人自造的字，放在 Private Use Areas，很多程式遇到這類字元就爛掉，所以不得不把它們濾除。
因為在 Unicode 以及衍生的一系列編碼，這樣的私用造字是合規範的，所以原本以為用 iconv 或 Ruby 的 encode 把 UTF-8 先轉 UTF-16、再轉回 UTF-8 這樣「過」一次水可以搞定，結果這些字還是好端端地在那邊。
如果用 Big5 這個字收錄太少的編碼來濾，又會濾掉太多無辜的字元，所以轉個彎，想到用 EUC-TW 來濾，就可以取得折衷。
最後再用 diff 查看過濾前後的差異，找到真正是私用造字的所在，予以編修，這樣比起用工人智慧直接掃讀整份文件要好辨識得多，錯漏的地方也就少了。
