ตัวอักษร CJK ระบบการเขียนของจีน ญี่ปุ่น และเกาหลี

ในบริบทของการทำให้เป็นสากล (Internationalization) ตัวอักษร CJK เป็นคำรวมที่ใช้เรียกกลุ่มตัวอักษร (Graphemes) ที่ใช้ในระบบการเขียนของภาษาจีน (Chinese), ญี่ปุ่น (Japanese) และเกาหลี (Korean) ซึ่งทั้งสามภาษานี้ต่างมีการใช้ตัวอักษรจีนเป็นส่วนประกอบหลักในระบบการเขียน

ในบางกรณีอาจใช้คำว่า CJKV เพื่อรวมถึง Chữ Nôm ซึ่งเป็นระบบการเขียนแบบโลโกแกรมที่มีต้นกำเนิดจากจีนซึ่งเคยใช้ในภาษาเวียดนาม หรือใช้ CJKVZ เพื่อรวมถึง Sawndip ที่ใช้ในการเขียนภาษาจ้วง (Zhuang languages)

ขอบเขตของตัวอักษรในแต่ละภาษา

ความต้องการในการใช้ตัวอักษรจีนมีความแตกต่างกันไปตามแต่ละภาษา ดังนี้:

• ภาษาจีน: ภาษาจีนกลางมาตรฐานและภาษาจีนกวางตุ้งมาตรฐานเขียนด้วยตัวอักษรจีนเกือบทั้งหมด โดยทั่วไปต้องใช้ตัวอักษรมากกว่า 3,000 ตัวเพื่อการอ่านออกเขียนได้ในระดับทั่วไป และอาจต้องใช้ถึง 40,000 ตัวเพื่อให้ครอบคลุมการใช้งานอย่างสมบูรณ์
• ภาษาญี่ปุ่น: ใช้ตัวอักษรจีน (คันจิ) ในจำนวนที่น้อยกว่า โดยทั่วไปการอ่านออกเขียนได้ในระดับพื้นฐานจะใช้ตัวอักษรประมาณ 2,136 ตัว
• ภาษาเกาหลี: การใช้ตัวอักษรจีน (ฮันจา) ในเกาหลีใต้มีแนวโน้มลดลงอย่างมาก อย่างไรก็ตาม การใช้ในชื่อเฉพาะยังคงมีความสำคัญ โดยในปี 2013 นักเรียนบางส่วนในเกาหลีใต้ยังคงต้องเรียนรู้ตัวอักษรจีนประมาณ 1,800 ตัว

นอกจากนี้ แต่ละภาษายังมีระบบการเขียนเฉพาะของตนเอง เช่น Bopomofo และ Pinyin ในภาษาจีน, Hiragana และ Katakana ในภาษาญี่ปุ่น และ Hangul ในภาษาเกาหลี แม้ว่าระบบเหล่านี้จะไม่ใช่ "ตัวอักษร CJK" โดยเคร่งครัด แต่ชุดตัวอักษร CJK ในทางคอมพิวเตอร์มักจะรวมระบบเหล่านี้เข้าไปด้วยเพื่อให้ครอบคลุมการใช้งานในภาษานั้นๆ อย่างครบถ้วน

การซ้ำตัวอักษร (Quadruplication)

การซ้ำตัวอักษร (ภาษาจีน: 四叠字) คือวิธีการสร้างตัวอักษร CJK โดยการทำซ้ำรูปสัญลักษณ์ (Ideographic repetition) ซึ่ง Ken Lunde อธิบายว่าเป็นกลุ่มขององค์ประกอบที่เหมือนกันสี่ตัวหรือมากกว่า หรือองค์ประกอบสามตัวที่เรียงกันในแนวนอนหรือแนวตั้ง วิธีการนี้ส่วนใหญ่พบในงานเขียนภาษาจีนโบราณและไม่เป็นที่นิยมในปัจจุบัน ยกเว้นการปรากฏเป็นส่วนประกอบในตัวอักษรจีนสมัยใหม่บางตัว เช่น 惙

การเข้ารหัสตัวอักษร (Encoding)

เนื่องจากจำนวนตัวอักษรที่จำเป็นสำหรับการใช้งานในภาษาเหล่านี้มีจำนวนมหาศาล จึงไม่สามารถบรรจุลงในพื้นที่รหัส 256 ตัวของระบบการเข้ารหัส 8 บิตได้ ส่งผลให้ต้องใช้การเข้ารหัสแบบความกว้างคงที่ 16 บิต หรือการเข้ารหัสแบบความยาวแปรผันหลายไบต์

ระบบการเข้ารหัสแบบ 16 บิต (เช่น Unicode เวอร์ชันแรกๆ จนถึง 2.0) ถูกยกเลิกการใช้งานในปัจจุบัน เนื่องจากไม่สามารถรองรับจำนวนตัวอักษรที่เพิ่มขึ้นได้ โดยใน Unicode 17.0 มีการเข้ารหัสตัวอักษร Han ไปแล้วถึง 101,996 ตัว นอกจากนี้ยังมีข้อกำหนดจากรัฐบาลจีนที่ให้ซอฟต์แวร์ในประเทศรองรับชุดตัวอักษร GB 18030

การรวมตัวอักษร Han (Han Unification)

Unicode ได้พยายามรวมชุดตัวอักษรจากภาษาต่างๆ เข้าด้วยกันผ่านกระบวนการที่เรียกว่า Han Unification เพื่อลดความซ้ำซ้อนของตัวอักษรที่มีความหมายและที่มาเดียวกันแต่มีรูปแบบการเขียนต่างกันเล็กน้อย ซึ่งกระบวนการนี้ก่อให้เกิดข้อโต้แย้งในหมู่ผู้เชี่ยวชาญ โดยเฉพาะในญี่ปุ่นที่มองว่าความแตกต่างทางรูปแบบมีความสำคัญทางวิชาการและศิลปะ

มาตรฐานการเข้ารหัสที่สำคัญ

การเข้ารหัสตัวอักษร CJK ประกอบด้วยตัวอักษร Han และสัญลักษณ์ทางสัทศาสตร์เฉพาะภาษา เช่น:

• Big5: การเข้ารหัสที่แพร่หลายที่สุดก่อนการมาถึงของ Unicode
• GB 2312 และ GB 18030: มาตรฐานที่บังคับใช้ในสาธารณรัฐประชาชนจีน
• Shift-JIS และ EUC-JP: มาตรฐานที่ใช้ในญี่ปุ่น
• EUC-KR และ KS X 1001: มาตรฐานที่ใช้ในเกาหลี
• Unicode: มาตรฐานสากลที่ใช้ในปัจจุบัน

ในด้านทิศทางการเขียน ทั้งสามภาษาสามารถเขียนได้ทั้งจากซ้ายไปขวา และจากบนลงล่าง (หรือขวาไปซ้ายและบนลงล่างในเอกสารโบราณ) แต่ในการเข้ารหัสทางคอมพิวเตอร์ มักจะถือว่าเป็นสคริปต์ที่เขียนจากซ้ายไปขวาเป็นหลัก

สถานะทางกฎหมาย

ในช่วงต้นทศวรรษ 1980 ห้องสมุดต่างๆ ได้ร่วมมือกันสร้างมาตรฐานการเข้ารหัสสำหรับตัวอักษร CJK โดย Ken Lunde ระบุว่าคำย่อ "CJK" เคยเป็นเครื่องหมายการค้าจดทะเบียนของ Research Libraries Group (ซึ่งควบรวมกับ OCLC ในปี 2006) โดยเครื่องหมายการค้านี้ถูกถือครองโดย OCLC ระหว่างปี 1987 ถึง 2009 และได้หมดอายุลงในปัจจุบัน