CJK Symbols and Punctuation

Ideograf-Aksara Bersatu CJK mewakili salah satu usaha Unicode yang paling bercita-cita tinggi: menggabungkan set aksara yang bertindih dari bahasa Cina, Jepun, dan Korea ke dalam satu pengekodan bersatu. Dengan lebih 97,000 ideograf merentasi blok asas dan sambungannya, ini adalah koleksi terbesar dalam Unicode. Setiap aksara ialah unit semantik — satu 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 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 mengamalkan aksara Cina (masing-masing kanji dan hanja), variasi serantau terkumpul. Projek Penyatuan CJK, yang dimulakan pada akhir 1980-an oleh sarjana dari ketiga-tiga negara, bertujuan untuk mengenal pasti varian serantau yang benar-benar aksara yang sama. Proses kontroversi ini, dikenali sebagai penyatuan Han, menghasilkan blok Ideograf-Aksara Bersatu CJK dalam Unicode 1.0. Sambungan berikutnya telah menambah puluhan ribu aksara varian jarang, sejarah, dan serantau untuk memastikan liputan yang 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 sejarah 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 algoritma komposisi aksara, berguna apabila ideograf yang diperlukan belum lagi dikodkan. Fail fon untuk liputan CJK penuh diukur dalam berpuluh-puluh megabait. Blok Radikal Kangxi (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 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 yang saling beroperasi dan bahawa variasi berasaskan fon (melalui jenis muka taip khusus setempat) mengekalkan perbezaan visual. IVD (Pangkalan Data Variasi Ideografik) menyediakan mekanisme untuk memilih varian glif tertentu apabila ketepatan budaya diperlukan.