CJK Unified Ideographs Extension D

Gli ideogrammi unificati CJK rappresentano una delle imprese più ambiziose di Unicode: fondere i set di caratteri sovrapposti di cinese, giapponese e coreano in un'unica codifica unificata. Con oltre 97.000 ideogrammi nel blocco base e nelle sue estensioni, questa è di gran lunga la più grande raccolta in Unicode. Ogni carattere è un'unità semantica — un concetto compresso in tratti — che consente la comunicazione scritta di lingue parlate da oltre 1,5 miliardi di persone. I blocchi di supporto per radicali, tratti e forme di compatibilità forniscono l'infrastruttura per metodi di input, dizionari ed elaborazione del testo.

I caratteri cinesi hanno avuto origine oltre 3.000 anni fa come iscrizioni su ossa oracolari incise su gusci di tartaruga e ossa di animali durante la dinastia Shang. Nel corso dei millenni, la scrittura si è evoluta attraverso le iscrizioni su bronzo, la scrittura sigillare, la scrittura clericale e la scrittura regolare utilizzata oggi. Quando il Giappone e la Corea adottarono i caratteri cinesi (rispettivamente kanji e hanja), si accumularono variazioni regionali. Il progetto di unificazione CJK, iniziato alla fine degli anni '80 da studiosi di tutte e tre le nazioni, cercò di identificare quali varianti regionali fossero realmente lo stesso carattere. Questo processo controverso, noto come unificazione Han, produsse il blocco dei Ideogrammi Unificati CJK in Unicode 1.0. Successive estensioni hanno aggiunto decine di migliaia di caratteri rari, storici e varianti regionali per garantire una copertura completa.

Usi comuni

• Visualizzazione del testo per le lingue cinese, giapponese e coreana
• Backend di applicazioni per dizionari e riferimenti
• Traduzione automatica e elaborazione del linguaggio naturale
• Applicazioni di calligrafia e strumenti di progettazione di font
• Digitalizzazione di documenti storici e sistemi di archiviazione

Note tecniche: L'elaborazione del testo CJK presenta sfide uniche. Non ci sono spazi tra le parole in cinese e giapponese, richiedendo sofisticati algoritmi di segmentazione. Il blocco dei Caratteri di Descrizione Ideografica (U+2FF0–U+2FFF) consente la descrizione algoritmica della composizione dei caratteri, utile quando un ideogramma necessario non è ancora stato codificato. I file di font per una copertura CJK completa misurano decine di megabyte. Il blocco dei Radicali Kangxi (U+2F00–U+2FDF) codifica le 214 forme radicali tradizionali utilizzate per l'ordinamento nei dizionari, distinte dai radicali che appaiono come componenti all'interno degli ideogrammi.

Contesto culturale: L'unificazione Han rimane una delle decisioni più dibattute nella storia di Unicode. I critici sostengono che fondere tradizioni regionali distinte cancella importanti differenze culturali — un carattere che si è evoluto diversamente in Cina, Giappone e Corea può portare connotazioni diverse in ciascuna cultura. I sostenitori controbattono che l'unificazione è una necessità pratica per l'informatica interoperabile e che la variazione basata sui font (tramite tipografie specifiche per località) preserva le distinzioni visive. L'IVD (Database di Variazione Ideografica) fornisce un meccanismo per selezionare varianti glifiche specifiche quando è richiesta precisione culturale.