CJK Strokes

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

Aksara Cina berasal lebih 3,000 tahun dahulu sebagai tulisan oracle bone yang diukir pada kulit penyu dan tulang haiwan semasa dinasti Shang. Selama beribu tahun, skrip ini berkembang melalui tulisan gangsa, skrip meterai, skrip kerani, dan skrip biasa yang digunakan hari ini. Apabila Jepun dan Korea menggunakan aksara Cina (masing-masing kanji dan hanja), variasi serantau terkumpul. Projek Penyatuan CJK, yang dimulakan pada akhir 1980-an oleh sarjana daripada ketiga-tiga negara, bertujuan untuk mengenal pasti variasi serantau yang benar-benar 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, sejarah, dan variasi serantau untuk memastikan liputan menyeluruh.

Kegunaan Biasa

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

Nota Teknikal: Pemprosesan teks CJK menghadapi cabaran unik. Tiada ruang antara perkataan dalam bahasa Cina dan Jepun, memerlukan algoritma segmentasi yang canggih. Blok Ideographic Description Characters (U+2FF0–U+2FFF) membolehkan penerangan algoritmik tentang komposisi aksara, berguna apabila ideograf yang diperlukan belum lagi dikodkan. Fail fon untuk liputan CJK penuh diukur dalam puluhan megabait. Blok Kangxi Radicals (U+2F00–U+2FDF) mengkodkan 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 paling diperdebatkan dalam sejarah Unicode. Pengkritik berpendapat 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 yang saling beroperasi dan bahawa variasi berasaskan fon (melalui jenis huruf khusus setempat) mengekalkan perbezaan visual. IVD (Pangkalan Data Variasi Ideografik) menyediakan mekanisme untuk memilih varian glif tertentu apabila ketepatan budaya diperlukan.