CJK Symbols and Punctuation

CJK統合漢字は、Unicodeの最も野心的な事業の一つを表しています。中国語、日本語、韓国語の重複する文字セットを単一の統合エンコーディングに統合することです。基本ブロックとその拡張全体で97,000を超える漢字があり、これはUnicodeで断然最大のコレクションです。各文字は意味の単位であり、概念が筆画に圧縮されたものであり、15億人以上が話す言語の書面によるコミュニケーションを可能にします。部首、筆画、互換形式のための補助ブロックは、入力メソッド、辞書、テキスト処理のためのインフラストラクチャを提供します。

漢字は3,000年以上前に、殷の時代に亀の甲羅や動物の骨に刻まれた甲骨文字として起源を持ちます。数千年にわたり、文字は金文、篆書、隷書、そして今日使われている楷書へと進化しました。日本と韓国が漢字（それぞれ漢字とハンジャ）を採用したとき、地域ごとの変種が蓄積されました。1980年代後半に3か国の学者によって始められたCJK統合プロジェクトは、どの地域変種が本当に同じ文字であるかを特定しようとしました。この論争の的となったプロセスは漢字統合として知られ、Unicode 1.0でCJK統合漢字ブロックを生み出しました。その後の拡張では、包括的なカバレッジを確保するために、数万の稀な、歴史的な、および地域変種の文字が追加されました。

よくある用途

• 中国語、日本語、韓国語のテキスト表示
• 辞書および参考アプリケーションのバックエンド
• 機械翻訳と自然言語処理
• 書道アプリケーションとフォントデザインツール
• 歴史的文書のデジタル化とアーカイブシステム

技術メモ: CJKテキスト処理は独自の課題を提示します。中国語と日本語には単語間にスペースがなく、高度なセグメンテーションアルゴリズムが必要です。表意文字記述文字ブロック（U+2FF0–U+2FFF）は、文字構成のアルゴリズムによる記述を可能にし、必要な漢字がまだエンコードされていない場合に役立ちます。完全なCJKカバレッジのフォントファイルは数十メガバイト単位で測定されます。康熙部首ブロック（U+2F00–U+2FDF）は、辞書の順序付けに使用される214の伝統的な部首形式をエンコードしており、漢字内の構成要素として現れる部首とは区別されます。

文化的背景: 漢字統合は、Unicodeの歴史の中で最も議論を呼んだ決定の一つであり続けています。批判者たちは、異なる地域の伝統を統合することは重要な文化的差異を消し去ると主張しています。中国、日本、韓国で異なる進化を遂げた文字は、それぞれの文化で異なる含意を持つ可能性があるからです。支持者たちは、統合は相互運用可能なコンピューティングにとって実用的な必要性であり、フォントベースのバリエーション（ロケール固有の書体による）が視覚的な差異を保存すると反論しています。IVD（表意文字異体字データベース）は、文化的な正確さが求められる場合に特定のグリフ異体字を選択するためのメカニズムを提供します。