CJK Compatibility

CJK Unified Ideographs representerer et av Unicodes mest ambisiøse foretak: å slå sammen de overlappende tegnsettene til kinesisk, japansk og koreansk til en enkelt, forent koding. Med over 97 000 ideogrammer i grunnblokken og dens utvidelser, er dette den klart største samlingen i Unicode. Hvert tegn er en semantisk enhet – et konsept komprimert til streker – som muliggjør skriftlig kommunikasjon på språk som snakkes av over 1,5 milliarder mennesker. Støtteblokkene for radikaler, streker og kompatibilitetsformer gir infrastrukturen for inndatametoder, ordbøker og tekstbehandling.

Kinesiske skrifttegn oppsto for over 3000 år siden som orakelbensinnskripsjoner risset inn i skilpaddeskjell og dyrebein under Shang-dynastiet. Gjennom årtusener utviklet skriften seg gjennom bronsinnskripsjoner, seglskrift, klerisk skrift og den regulære skriften som brukes i dag. Da Japan og Korea tok i bruk kinesiske skrifttegn (henholdsvis kanji og hanja), akumulerte seg regionale variasjoner. CJK-unifikisjonsprosjektet, som ble startet på slutten av 1980-visjonen av lærde fra alle tre nasjonene, siktet mot å identifisere hvilke regionale varianter som virkelig var det samme tegnet. Denne omstride, kjent som Han-unifiserhe, prodenterte CJK-unifiserte ideografer-blokken i Unicode 1.0. Senene elvevidelser har lagt til titusenvis av sjeldental, historisk og regionale varianttegn for å sikre tot omfattende dekke.

Vanlig bruk

• Tekstvisning for kinesisk, japansk og koreansk språk
• Backend i ordbok- og oppslagsprogrammer
• Maskinoversettelse og naturlig språkbehandling
• Kalligrafiapplikasjoner og fontdesignverktøy
• Digitalisering av historiske dokumenter og arkivsystemer

Tekniske notater: CJK-tekstbehandling byr på unike utfordringer. Det er ingen mellomrom mellom ord på kinesisk og japansk, noe som krever sofistikerte segmenteringsalgoritmer. Blokken Ideographic Description Characters (U+2FF0–U+2FFF) muliggjør algoritmisk beskrivelse av tegnsammensetning, nyttig når et nødvendig ideogram ennå ikke er kodet. Fontfiler for full CJK-dekning måles i titalls megabyte. Blokken Kangxi Radicals (U+2F00–U+2FDF) koder de 214 tradisjonelle radikalformene som brukes for ordbokssortering, adskilt fra radikalene som opptrer som komponenter inni ideogrammer.

Kulturell kontekst: Han-unifisering forblir en av de mest omdiskuterte beslutningene i Unicode-historien. Kritikere hevder at man ved å slå sammen distinkte regionale tradisjoner utvisker viktige kulturelle forskjeller – et tegn som har utviklet seg annerledes i Kina, Japan og Korea kan bære med seg ulike konnotasjoner i hver kultur. Tilhenger svarer med at unifisering er en praktisk nødvendighet for interoperabel databehandling, og at fontbaserte variasjoner (via lokale typografier) ivaretar visuelle skillet. IVD (Ideographic Variation Database) gir en mekanisme for å velge spesifikke glyfvarianter når kulturell presisjon er krevet.