CJK Compatibility Ideographs

De CJK-verenigde ideogrammen vertegenwoordigen een van de meest ambitieuze ondernemingen van Unicode: het samenvoegen van de overlappende tekensets van het Chinees, Japans en Koreaans in één enkele, verenigde codering. Met meer dan 97.000 ideogrammen in het basisblok en de uitbreidingen ervan, is dit veruit de grootste collectie in Unicode. Elk teken is een semantische eenheid — een concept samengeperst in streken — waardoor de geschreven communicatie mogelijk wordt van talen die door meer dan 1,5 miljard mensen worden gesproken. De ondersteunende blokken voor radicalen, streken en compatibiliteitsvormen bieden de infrastructuur voor invoermethoden, woordenboeken en tekstverwerking.

Chinese karakters zijn meer dan 3.000 jaar geleden ontstaan als orakelbotinscripties die tijdens de Shang-dynastie in schildpadschilden en dierlijke botten werden gegraveerd. In de loop van millennia evolueerde het schrift door bronzen inscripties, zegelschrift, klerikaal schrift en het reguliere schrift dat vandaag wordt gebruikt. Toen Japan en Korea Chinese karakters adopteerden (respectievelijk kanji en hanja), stapelden regionale variaties zich op. Het CJK-unificatieproject, dat eind jaren tachtig door geleerden uit alle drie de landen begon, probeerde te identificeren welke regionale varianten werkelijk hetzelfde teken waren. Dit controversiële proces, bekend als Han-unificatie, produceerde het blok CJK-verenigde ideogrammen in Unicode 1.0. Latere uitbreidingen hebben tienduizenden zeldzame, historische en regionale varianttekens toegevoegd om uitgebreide dekking te garanderen.

Veelvoorkomend gebruik

• Tekstweergave voor de talen Chinees, Japans en Koreaans
• Backends voor woordenboek- en referentietoepassingen
• Machinevertaling en natuurlijke taalverwerking
• Toepassingen voor kalligrafie en tools voor lettertypeontwerp
• Digitalisering van historische documenten en archiefsystemen

Technische opmerkingen: CJK-tekstverwerking brengt unieke uitdagingen met zich mee. Er staan geen spaties tussen woorden in het Chinees en Japans, wat geavanceerde segmentatie-algoritmen vereist. Het blok Ideografische Beschrijvingstekens (U+2FF0–U+2FFF) maakt algoritmische beschrijving van tekencompositie mogelijk, nuttig wanneer een benodigd ideogram nog niet is gecodeerd. Lettertypebestanden voor volledige CJK-dekking worden gemeten in tientallen megabytes. Het blok Kangxi-radicalen (U+2F00–U+2FDF) codeert de 214 traditionele radicaalvormen die worden gebruikt voor woordenboekordening, verschillend van de radicalen die als componenten binnen ideogrammen voorkomen.

Culturele context: Han-unificatie blijft een van de meest bediscussieerde beslissingen in de geschiedenis van Unicode. Critici stellen dat het samenvoegen van verschillende regionale tradities belangrijke culturele verschillen uitwist — een teken dat in China, Japan en Korea anders is geëvolueerd, kan in elke cultuur andere connotaties dragen. Voorstanders antwoorden dat unificatie een praktische noodzaak is voor interoperabel computergebruik en dat op lettertypen gebaseerde variatie (via locatiespecifieke typografie) visuele verschillen behoudt. De IVD (Ideografische Variatiedatabase) biedt een mechanisme voor het selecteren van specifieke glyph-varianten wanneer culturele precisie vereist is.