Unicode-merkistön lohkot ja niiden suomenkieliset nimet

Unicode-merkistö jakautuu lohkoihin (blocks). Tässä luetellaan ne käyttäen virallisia englannin­kielisiä nimiä (Unicode-standardiin kuuluvan tiedoston Blocks.txt mukaan) sekä kirjoittajan ehdottamia suomennoksia. Mukana on Unicoden Basic Multilingual Plane (BMP, koodipaikat U+0000…U+FFFF).

Unicodessa lohko on koodialue eli joukko peräkkäisiä koodipaikkoja. Lohkojen koot vaihtelevat. Lohkoihin jakaminen heijastaa Unicoden kehitystä, jossa merkki­valikoimaa on useissa vaiheissa laajennettu. Siksi jako ei noudata mitään yksin­kertaista ja yhtenäistä peri­aatetta. Esimerkiksi latinalaiseen kirjaimistoon kuuluvia merkkejä on useissa eri lohkoissa.

Lohkot on tässä ryhmitelty alueiksi (area) Unicode-standardin 2. luvussa General Structure esitetyn jaon mukaisesti. Alueiden nimet eivät ole varsinaisesti erisnimiä, vaan sama nimi voi esiintyä useasti.

Seuraavassa taulukossa englanninkielinen nimi on linkki lohkon kuvaukseen Unicode-standardissa, osassa Charts (merkistö­kartat). Suomen­kielisen nimen jäljessä voi olla sulkeissa oleva selitys, joka ei siis ole ehdotetun nimen osa.

Lohkojen nimet Word-ohjelmassa

Tämä sivu on laadittu lähinnä siksi, että Microsoftin käyttämistä suomennoksista monet ovat harhaanjohtavuudessaan kelvottomia. Microsoftin suomennokset näkyvät esimerkiksi silloin, kun tarpeeksi uudella MS Wordillä kirjoitetaan erikois­merkkejä Lisää-valikon Merkki-kohdan kautta ja on tehty lisä­valinta ”Lisää merkkejä”. Lohkojen nimet näkyvät Osajoukko-valikossa. Nimissä on jonkin verran vaihtelua Windowsin eri versioiden ja eri ohjelmienkin välillä.

Se, mitä lohkojen nimiä näkyy tässä tilanteessa, riippuu käytössä olevasta fontista: Word näyttää vain ne lohkot, joiden merkkejä kyseisessä fontissa on.)

Windowsin Merkistö-ohjelmassa (CharMap) voidaan valita merkkien ryhmittely­perusteeksi ”Unicode-alialue”. Tämä ei suoraan vastaa Unicode-lohkoa, vaan alialueeseen on saatettu yhdistää useita samaan kirjoitus­järjestelmään liittyviä lohkoja. Esimerkiksi kaikki latinalaisen merkistön lohkot on koottu Latinalainen-alialueeksi.

Selityksiä

Lohkojen nimille ei ole standardoituja suomen­kielisiä nimiä. Sellaiset nimet saatetaan jossain vaiheessa lisätä CLDR-tietokantaan (Common Locale Data Repository), jossa suomen­kielisten nimien kokoelma sisältää jo muun muassa laajasti kielten nimiä ja kirjoitus­järjestelmien (scripts) nimiä. Tässä esitetyt lohkojen nimet on muodostettu yhteen­sopiviksi mainittujen nimistöjen kanssa.

Kuitenkin Filippiineillä puhutun tagalogin historiallisesta kirjoitus­järjestelmästä käytetään tässä nimitystä baybayin, jolla siihen yleisesti viitataan. (Nykyisin tagalogia kirjoitetaan latinalaisilla kirjaimilla.)

Nimet on tässä pyritty valitsemaan käytännöllisiksi, niin että ne mahdollisuuksien mukaan vastaisivat käytössä olevia nimiä tai olisivat sellaisten pohjalta ymmärrettävissä. Tarkoitus on, että lohkon niminä ne olisivat erisnimiä, jotka siis kirjoitetaan isolla alkukirjaimella ja mahdollisesti erityisellä kirjasinlajilla, esim. Latinalaisen merkistön laajennus A, tai lainausmerkkeihin.

Nimissä on vältetty nominatiivimuotoja kuten ”merkit” ja käytetty partitiiveja kuten ”merkkejä”. Esimerkiksi ”Yleiset välimerkit” voisi antaa sen virheellisen käsityksen, että kaikki yleisiksi välimerkeiksi laskettavat kuuluisivat kyseiseen lohkoon. Esimerkiksi piste ja pilkku eivät kuulu! Lisäksi muoto ”merkkejä” on perusteltu senkin takia, että se jättää avoimeksi, kuuluuko johonkin merkistöön myös sellaisia merkkejä, joita ei (vielä) ole otettu Unicodeen. Esimerkiksi kiinalaisista merkeistä vain osa on Unicodessa.

Kiinalaisperäisten merkkien yleisnimitys on hankala ongelma. Vaikka englannin­kielisessä nimessä on sana ”ideograph”, kyseiset merkit eivät enimmäkseen ole ideografeja eli ideogrammeja eli käsitemerkkejä, vaan (yksitavuisen) sanan merkkejä. ”Sanamerkki” sopisi suomen kieleen paremmin, mutta sen haittana on ensinnäkin, että se tarkoittaa myös sellaista tavara­merkkiä; joka on sana. Tosin Nykysuomen sanakirja kuvaa sanaa ”sanamerkki” näin: ”kokonaista sanaa tarkoittava kirjoitusmerkki” ja esittää ensimmäisenä esimerkkilauseena seuraavan: ”Suurimmissa kiinan sanakirjoissa on n. 50.000 sanamerkkiä.” CJK-merkit eivät kuitenkaan varsinaisesti ole sana­merkkejäkään, vaan suurin osa niistä koostuu äännettyä tavua vastaavan symbolin ja merkitystä tarkentavan symbolin yhdistelmästä. Siksi tässä on käytetty sanaa ”logogrammi”. Vaikka sen voi tulkita tarkoittavan sana­merkkiä ahtaassa mielessä, sitä on käytetty myös laajemmassa merkityksessä.