CJK Compatibility

Die CJK-Einheitlichen Ideogramme repräsentieren eines der ambitioniertesten Vorhaben von Unicode: die Zusammenführung der überlappenden Zeichensätze von Chinesisch, Japanisch und Koreanisch in eine einzige, vereinheitlichte Kodierung. Mit über 97.000 Ideogrammen im Basisblock und seinen Erweiterungen ist dies bei weitem die größte Sammlung in Unicode. Jedes Zeichen ist eine semantische Einheit – ein Konzept, das in Striche komprimiert ist – und ermöglicht die schriftliche Kommunikation von Sprachen, die von über 1,5 Milliarden Menschen gesprochen werden. Die unterstützenden Blöcke für Radikale, Striche und Kompatibilitätsformen bieten die Infrastruktur für Eingabemethoden, Wörterbücher und Textverarbeitung.

Chinesische Schriftzeichen entstanden vor über 3.000 Jahren als Orakelknocheninschriften, die während der Shang-Dynastie in Schildkrötenpanzer und Tierknochen geritzt wurden. Über Jahrtausende entwickelte sich die Schrift über Bronzeinschriften, Siegelschrift, Kanzleischrift und die heute verwendete Regelschrift. Als Japan und Korea chinesische Schriftzeichen übernahmen (Kanji bzw. Hanja), sammelten sich regionale Variationen an. Das CJK-Vereinigungsprojekt, das in den späten 1980er Jahren von Gelehrten aller drei Nationen begonnen wurde, zielte darauf ab, zu identifizieren, welche regionalen Varianten tatsächlich dasselbe Zeichen waren. Dieser umstrittene Prozess, bekannt als Han-Vereinigung, produzierte den Block der CJK-Einheitlichen Ideogramme in Unicode 1.0. Nachfolgende Erweiterungen haben Zehntausende seltener, historischer und regionaler Variantenzeichen hinzugefügt, um eine umfassende Abdeckung zu gewährleisten.

Häufige Verwendung

• Textanzeige für chinesische, japanische und koreanische Sprachen
• Backends für Wörterbuch- und Referenzanwendungen
• Maschinelle Übersetzung und Verarbeitung natürlicher Sprache
• Kalligraphie-Anwendungen und Schriftdesign-Werkzeuge
• Digitalisierung historischer Dokumente und Archivsysteme

Technische Hinweise: Die Verarbeitung von CJK-Text stellt besondere Herausforderungen dar. Im Chinesischen und Japanischen gibt es keine Leerzeichen zwischen Wörtern, was anspruchsvolle Segmentierungsalgorithmen erfordert. Der Block „Ideographic Description Characters“ (U+2FF0–U+2FFF) ermöglicht die algorithmische Beschreibung der Zeichenzusammensetzung, was nützlich ist, wenn ein benötigtes Ideogramm noch nicht kodiert wurde. Schriftdateien für eine vollständige CJK-Abdeckung werden in zig Megabyte gemessen. Der Block „Kangxi-Radikale“ (U+2F00–U+2FDF) kodiert die 214 traditionellen Radikalformen, die für die Wörterbuchsortierung verwendet werden, und unterscheidet sich von den Radikalen, die als Komponenten innerhalb von Ideogrammen erscheinen.

Kultureller Kontext: Die Han-Vereinheitlichung bleibt eine der am heftigsten diskutierten Entscheidungen in der Geschichte von Unicode. Kritiker argumentieren, dass die Zusammenführung unterschiedlicher regionaler Traditionen wichtige kulturelle Unterschiede auslöscht – ein Zeichen, das sich in China, Japan und Korea unterschiedlich entwickelt hat, kann in jeder Kultur unterschiedliche Konnotationen tragen. Befürworter entgegnen, dass die Vereinheitlichung eine praktische Notwendigkeit für interoperables Computing ist und dass schriftbasierte Variation (über lokalisierte Schriftarten) visuelle Unterschiede bewahrt. Die IVD (Ideographic Variation Database) bietet einen Mechanismus zur Auswahl spezifischer Glyphenvarianten, wenn kulturelle Präzision erforderlich ist.