CJK Compatibility

CJK统一表意文字代表了Unicode最雄心勃勃的事业之一：将中文、日文和韩文重叠的字符集合并为单一的统一编码。基础区及其扩展区共包含超过97,000个表意文字，这无疑是Unicode中最大的集合。每个字符都是一个语义单位——一个概念压缩在笔画中——使得超过15亿人使用的语言的书面交流成为可能。部首、笔画和兼容形式的辅助区块为输入法、字典和文本处理提供了基础设施。

汉字起源于3000多年前，是商代时期刻在龟壳和兽骨上的甲骨文。数千年来，这种文字经历了金文、篆书、隶书和今天使用的楷书的演变。当日本和韩国采用汉字（分别称为kanji和hanja）时，地区变体积累了。CJK统一项目始于1980年代末，由来自这三个国家的学者共同发起，旨在识别哪些地区变体实际上是同一个字符。这个有争议的过程，称为汉字统一，产生了Unicode 1.0中的CJK统一表意文字区块。随后的扩展增加了数万个稀有、历史和地区变体字符，以确保全面覆盖。

常见用途

• 中文、日文和韩文语言的文本显示
• 字典和参考应用程序的后端
• 机器翻译和自然语言处理
• 书法应用和字体设计工具
• 历史文献数字化和档案系统

技术说明: 中日韩文本处理面临独特的挑战。中文和日文词语之间没有空格，需要复杂的分词算法。表意文字描述字符块（U+2FF0–U+2FFF）允许对字符组成进行算法描述，当所需的表意文字尚未编码时非常有用。完整覆盖中日韩的字体文件以数十兆字节计。康熙部首块（U+2F00–U+2FDF）编码了用于字典排序的214个传统部首形式，与出现在表意文字内部的部件形式的部首不同。

文化背景: 汉字统一仍然是Unicode历史上争议最大的决策之一。批评者认为，合并不同的区域传统抹杀了重要的文化差异——在中国、日本和韩国以不同方式演变的汉字，在每个文化中可能带有不同的含义。支持者反驳说，统一是互操作计算的实用需要，基于字体的变体（通过区域特定的字体）保留了视觉差异。IVD（表意文字变体数据库）提供了在需要文化精确性时选择特定字形变体的机制。