CJK Strokes

De CJK-unificerede ideogrammer repræsenterer et af Unicodes mest ambitiøse foretagender: at sammenlægge de overlappende tegnsæt fra kinesisk, japansk og koreansk til en enkelt, unificeret kodning. Med over 97.000 ideogrammer på tværs af basisblokken og dens udvidelser er dette langt den største samling i Unicode. Hvert tegn er en semantisk enhed — et koncept komprimeret til streger — hvilket muliggør skriftlig kommunikation af sprog talt af over 1,5 milliarder mennesker. De understøttende blokke for radikaler, streger og kompatibilitetsformer leverer infrastrukturen til inputmetoder, ordbøger og tekstbehandling.

Kinesiske tegn opstod for over 3.000 år siden som orakelbensindskrifter, indgraveret i skildpaddeskjolde og dyreknogler under Shang-dynastiet. Gennem årtusinder udviklede skriften sig gennem bronzeindskrifter, seglskrift, klerikal skrift og den regulære skrift, der bruges i dag. Da Japan og Korea adopterede kinesiske tegn (henholdsvis kanji og hanja), akkumuleredes regionale variationer. CJK-unificeringsprojektet, påbegyndt i slutningen af 1980'erne af forskere fra alle tre nationer, søgte at identificere, hvilke regionale varianter der reelt var det samme tegn. Denne kontroversielle proces, kendt som Han-unificering, producerede blokken CJK Unified Ideographs i Unicode 1.0. Efterfølgende udvidelser har tilføjet titusindvis af sjældne, historiske og regionale varianttegn for at sikre omfattende dækning.

Almindelige anvendelser

• Tekstvisning for kinesiske, japanske og koreanske sprog
• Backends til ordbogs- og referenceapplikationer
• Maskinoversættelse og naturlig sprogbehandling
• Kalligrafiapplikationer og skrifttypedesignværktøjer
• Digitalisering af historiske dokumenter og arkivsystemer

Tekniske noter: CJK-tekstbehandling byder på unikke udfordringer. Der er ingen mellemrum mellem ord på kinesisk og japansk, hvilket kræver sofistikerede segmenteringsalgoritmer. Blokken Ideographic Description Characters (U+2FF0–U+2FFF) muliggør algoritmisk beskrivelse af tegnsammensætning, hvilket er nyttigt, når et nødvendigt ideogram endnu ikke er kodet. Skrifttypefiler til fuld CJK-dækning måles i titalls megabyte. Blokken Kangxi Radicals (U+2F00–U+2FDF) koder de 214 traditionelle radikalformer, der bruges til ordbogsordning, adskilt fra de radikaler, der optræder som komponenter i ideogrammer.

Kulturel kontekst: Han-unificering forbliver en af de mest debatterede beslutninger i Unicodes historie. Kritikere argumenterer for, at sammenlægning af distinkte regionale traditioner udvisker vigtige kulturelle forskelle — et tegn, der har udviklet sig forskelligt i Kina, Japan og Korea, kan bære forskellige konnotationer i hver kultur. Tilhængere svarer, at unificering er en praktisk nødvendighed for interoperabel databehandling, og at skrifttypebaseret variation (via lokalitetsspecifikke skrifttyper) bevarer visuelle forskelle. IVD (Ideographic Variation Database) tilbyder en mekanisme til at vælge specifikke glyfvariantformer, når kulturel præcision er påkrævet.