Ideographic Description Characters

De CJK Unified Ideographs 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 extensies ervan, is dit veruit de grootste verzameling 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 orakelbottenschriften, gegraveerd in schildpadschilden en dierbotten tijdens de Shang-dynastie. Door de millennia heen evolueerde het schrift via bronsinscripties, zegelschrift, klerikaal schrift en het reguliere schrift dat tegenwoordig wordt gebruikt. Toen Japan en Korea Chinese karakters overnamen (respectievelijk kanji en hanja), stapelden regionale variaties zich op. Het CJK-unificatieproject, begonnen in de late jaren 1980 door geleerden uit alle drie de naties, probeerde te identificeren welke regionale varianten werkelijk hetzelfde karakter waren. Dit controversiële proces, bekend als Han-unificatie, produceerde het blok CJK Unified Ideographs in Unicode 1.0. Daaropvolgende uitbreidingen hebben tienduizenden zeldzame, historische en regionale variantkarakters toegevoegd om een uitgebreide dekking te garanderen.

Veelvoorkomend gebruik

• Tekstweergave voor de Chinese, Japanse en Koreaanse talen
• Backends voor woordenboek- en referentietoepassingen
• Machinevertaling en natuurlijke taalverwerking
• Kalligrafietoepassingen en lettertypeontwerptools
• Digitalisering van historische documenten en archiveringssystemen

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

Culturele context: Han-unificatie blijft een van de meest bediscussieerde beslissingen in de Unicode-geschiedenis. Critici beweren dat het samenvoegen van verschillende regionale tradities belangrijke culturele verschillen uitwist — een karakter dat anders evolueerde in China, Japan en Korea kan in elke cultuur verschillende connotaties dragen. Voorstanders antwoorden dat unificatie een praktische noodzaak is voor interoperabele computers en dat lettertype-gebaseerde variatie (via locatie-specifieke lettertypen) visuele verschillen behoudt. De IVD (Ideographic Variation Database) biedt een mechanisme voor het selecteren van specifieke glyph-varianten wanneer culturele precisie vereist is.