Bopomofo

Ideograf Bersepadu CJK mewakili salah satu usaha paling bercita-cita tinggi Unicode: menggabungkan set aksara yang bertindih daripada bahasa Cina, Jepun, dan Korea ke dalam satu pengekodan bersatu. Dengan lebih 97,000 ideograf merentasi blok asas dan sambungannya, ini merupakan koleksi terbesar dalam Unicode. Setiap aksara ialah unit semantik — konsep yang dimampatkan menjadi coretan — membolehkan komunikasi bertulis bahasa yang dituturkan oleh lebih 1.5 bilion orang. Blok sokongan untuk radikal, coretan, dan bentuk keserasian menyediakan infrastruktur untuk kaedah input, kamus, dan pemprosesan teks.

Aksara Cina berasal lebih 3,000 tahun dahulu sebagai inskripsi tulang oracle yang diukir pada cengkerang kura-kura dan tulang haiwan semasa dinasti Shang. Selama beribu tahun, skrip ini berkembang melalui inskripsi gangsa, skrip meterai, skrip kerani, dan skrip biasa yang digunakan hari ini. Apabila Jepun dan Korea mengamalkan aksara Cina (kanji dan hanja masing-masing), variasi serantau terkumpul. Projek Penyatuan CJK, yang dimulakan pada akhir 1980-an oleh sarjana dari ketiga-tiga negara, bertujuan mengenal pasti variasi serantau mana yang sebenarnya merupakan aksara yang sama. Proses kontroversi ini, dikenali sebagai penyatuan Han, menghasilkan blok Ideograf Bersepadu CJK dalam Unicode 1.0. Sambungan seterusnya telah menambah puluhan ribu aksara jarang, bersejarah, dan variasi serantau untuk memastikan liputan menyeluruh.

Kegunaan Biasa

• Paparan teks untuk bahasa Cina, Jepun, dan Korea
• Bahagian belakang aplikasi kamus dan rujukan
• Terjemahan mesin dan pemprosesan bahasa semula jadi
• Aplikasi kaligrafi dan alat reka bentuk fon
• Digitalisasi dokumen bersejarah dan sistem arkib

Nota Teknikal: Pemprosesan teks CJK membentangkan cabaran unik. Tiada ruang antara perkataan dalam bahasa Cina dan Jepun, memerlukan algoritma segmentasi yang canggih. Blok Aksara Penerangan Ideografik (U+2FF0–U+2FFF) membolehkan penerangan algoritmik komposisi aksara, berguna apabila ideograf yang diperlukan belum dikodkan. Fail fon untuk liputan CJK penuh diukur dalam puluhan megabait. Blok Radikal Kangxi (U+2F00–U+2FDF) mengodkan 214 bentuk radikal tradisional yang digunakan untuk susunan kamus, berbeza daripada radikal yang muncul sebagai komponen dalam ideograf.

Konteks Budaya: Penyatuan Han kekal sebagai salah satu keputusan yang paling diperdebatkan dalam sejarah Unicode. Pengkritik berhujah bahawa menggabungkan tradisi serantau yang berbeza menghapuskan perbezaan budaya yang penting — aksara yang berkembang secara berbeza di China, Jepun, dan Korea mungkin membawa konotasi yang berbeza dalam setiap budaya. Penyokong membalas bahawa penyatuan adalah keperluan praktikal untuk pengkomputeran saling kendali dan bahawa variasi berasaskan fon (melalui jenis muka khusus setempat) mengekalkan perbezaan visual. IVD (Pangkalan Data Variasi Ideografik) menyediakan mekanisme untuk memilih varian glif tertentu apabila ketepatan budaya diperlukan.