CJK Unified Ideographs Extension D

CJK統合漢字は、Unicodeの最も野心的な取り組み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された符号化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以上の漢字があり、これはUnicodeの中で断然最大のコレクションです。各文字は意味の単位 — 概念を筆画に圧縮したもの — であり、15億人以上が話す言語の書記コミュニケーションを可能にします。部首、筆画、互換形式をサポートするブロックは、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3000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始まりました。数千年を経て、書体は金文、篆書、隷書、そして今日使用され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グル文字として）を採用した際、地域ごとの変種が蓄積されました。1980年代後半に三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。漢字統合として知られるこの論争の多いプロセスにより、Unicode 1.0にCJK統合漢字ブロックが生み出されました。その後の拡張により、包括的なカバレッジを確保するために、何万もの珍しい、歴史的な、そして地域的な変種文字が追加されています。

よくある用途

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

技術メモ: CJKテキスト処理には独自の課題があります。中国語と日本語には単語間にスペースがないため、高度なセグメンテーションアルゴリズムが必要です。漢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、数十メガバイトの規模になります。康熙部首ブロック（U+2F00–U+2FDF）は、辞書順に使用される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異なります。

文化的背景: 漢字統合は、Unicodeの歴史の中で最も議論された決定の一つであり続けています。批判者は、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ます — 中国、日本、韓国で異なる進化を遂げた文字は、各文化で異なる意味合いを持つ可能性があります。支持者は、統合は相互運用可能なコンピューティングの実用的な必要性であり、フォントベースの変動（ロケール固有の書体による）が視覚的な違いを保持すると反論します。IVD（漢字異体字データベース）は、文化的精度が必要な場合に特定のグリフ変種を選択するメカニズムを提供します。