CJK Compatibility Ideographs

Les idéogrammes unifiés CJK représentent l'une des entreprises les plus ambitieuses d'Unicode : fusionner les ensembles de caractères qui se chevauchent du chinois, du japonais et du coréen dans un encodage unique et unifié. Avec plus de 97 000 idéogrammes dans le bloc de base et ses extensions, c'est de loin la plus grande collection d'Unicode. Chaque caractère est une unité sémantique — un concept compressé en traits — permettant la communication écrite de langues parlées par plus de 1,5 milliard de personnes. Les blocs de support pour les radicaux, les traits et les formes de compatibilité fournissent l'infrastructure pour les méthodes de saisie, les dictionnaires et le traitement du texte.

Les caractères chinois sont originaires d'il y a plus de 3 000 ans comme inscriptions sur os oraculaires gravées sur des carapaces de tortues et des os d'animaux pendant la dynastie Shang. Au fil des millénaires, l'écriture a évolué à travers les inscriptions sur bronze, l'écriture sceau, l'écriture cléricale et l'écriture régulière utilisée aujourd'hui. Lorsque le Japon et la Corée ont adopté les caractères chinois (kanji et hanja respectivement), des variations régionales se sont accumulées. Le projet d'unification CJK, commencé à la fin des années 1980 par des chercheurs des trois nations, cherchait à identifier quelles variations régionales étaient réellement le même caractère. Ce processus controversé, connu sous le nom d'unification Han, a produit le bloc des idéogrammes unifiés CJK dans Unicode 1.0. Des extensions ultérieures ont ajouté des dizaines de milliers de caractères rares, historiques et de variantes régionales pour garantir une couverture complète.

Usages courants

• Affichage du texte pour les langues chinoise, japonaise et coréenne
• Backends d'applications de dictionnaires et de références
• Traduction automatique et traitement du langage naturel
• Applications de calligraphie et outils de conception de polices
• Numérisation de documents historiques et systèmes d'archivage

Notes techniques: Le traitement du texte CJK présente des défis uniques. Il n'y a pas d'espaces entre les mots en chinois et en japonais, ce qui nécessite des algorithmes de segmentation sophistiqués. Le bloc des caractères de description idéographique (U+2FF0–U+2FFF) permet une description algorithmique de la composition des caractères, utile lorsqu'un idéogramme nécessaire n'a pas encore été encodé. Les fichiers de polices pour une couverture CJK complète se mesurent en dizaines de mégaoctets. Le bloc des radicaux Kangxi (U+2F00–U+2FDF) encode les 214 formes de radicaux traditionnelles utilisées pour l'ordre des dictionnaires, distinctes des radicaux qui apparaissent comme composants dans les idéogrammes.

Contexte culturel: L'unification Han reste l'une des décisions les plus débattues de l'histoire d'Unicode. Les critiques soutiennent que la fusion de traditions régionales distinctes efface d'importantes différences culturelles — un caractère qui a évolué différemment en Chine, au Japon et en Corée peut porter des connotations différentes dans chaque culture. Les partisans rétorquent que l'unification est une nécessité pratique pour l'informatique interopérable et que la variation basée sur les polices (via des polices spécifiques aux locales) préserve les distinctions visuelles. L'IVD (Base de données de variation idéographique) fournit un mécanisme pour sélectionner des variantes de glyphes spécifiques lorsque la précision culturelle est requise.